今天想來比較一下「傳統 AI」與「生成式 AI」的不同。這是很多人容易混淆的地方，因為「AI」聽起來很大一包，但不同階段的 AI 技術其實有著完全不同的定位與能力。

一、傳統 AI：偏向「識別」與「判斷」:

傳統 AI（或稱為判別式 AI）最擅長的是「辨識與分類」。
它的核心能力在於：

輸入 → 分類/預測

常見應用：垃圾郵件分類、影像辨識、信用卡詐騙偵測。

背後技術：機器學習、深度學習模型（如 CNN、RNN）。

舉個例子：

傳統 AI 可以判斷「這張照片裡是不是有貓」。

它的重點在於 判斷與歸類，而不是「創造」新的內容。

二、生成式 AI：能「創造」內容:

生成式 AI 的突破在於，它不只是在判斷，更能 生成新東西。

輸入 → 輸出全新的內容

常見應用：ChatGPT（文字生成）、MidJourney（圖像生成）、MusicLM（音樂生成）。

背後技術：大型語言模型（LLM）、擴散模型、Transformer。

例子：

你輸入一句提示詞，它可以「創作」一篇文章或一張圖片。

重點是，它不是單純重複，而是透過模型參數中的龐大知識進行組合與生成。

三、差異比較：三大面向:

1. 資料需求

• 傳統 AI：需要大量標記好的資料（例如：10 萬張「有貓」和「沒貓」的圖片）。
• 生成式 AI：訓練時使用龐大且多樣的資料集（文字、圖片、程式碼），不必逐一標記，重點是「學習模式」。

2. 互動方式

• 傳統 AI：輸入資料，輸出結果，互動性低（像是黑箱，給你分類或數值）。
• 生成式 AI：可以透過自然語言互動，輸入一段提示，它會給你創造性的回應。

3. 應用場景

• 傳統 AI：強在偵測與預測，例如：資安異常行為偵測、信用卡詐欺判斷。
• 生成式 AI：強在生成內容，例如：模擬駭客攻擊腳本、製作釣魚郵件、建立假新聞。

四、我的觀察:

傳統 AI 比較像是「警衛」，主要工作是監控、抓異常；生成式 AI 則像是「演員兼劇本家」，能快速創造情境，甚至「模擬」攻擊手法。

這就是為什麼在資安領域，生成式 AI 的風險更需要被重視：它可能讓攻擊更快、更難防禦。