1.概念
生成式 AI:
生成式AI的目標是學習輸入資料的整體分佈，也就是掌握數據中潛藏的規律與結構，並能夠「生成」新的資料點。它不僅能判斷某個樣本是否可能來自某個分佈，還能根據學到的機率模型去「創造」新的樣本，例如，訓練一個生成式模型在貓的圖片資料集上，它學到的不是單純「這是不是貓」，而是「貓的耳朵、毛色、形態可能有哪些分佈情況」。因此，它能夠生成一張從未存在過、但仍符合「貓」特徵的新圖片。

分辨式 AI:
分辨式 AI 的核心任務是學習輸入與標籤之間的條件機率，專注於劃分不同的類別或預測目標值。換句話說，它的重點是「給定一個輸入，最有可能的輸出標籤是什麼？」而不是去生成新資料。例如，當它看到一張圖片時，它會嘗試分辨「這是貓還是狗」。

2.數學上的差異

生成式模型嘗試學習的是P(x, y)，也就是輸入資料x與標籤y的聯合分佈，學會之後可以透過貝氏定理得到條件分佈P(y∣x)，也能生成新的x，而分辨式模型則直接學習P(y|x)，它只關心在給定輸入後，最可能的輸出是什麼，這樣做通常效率更高，因為省略了學習完整資料分佈的步驟。