生成式 AI 和傳統（判別式）AI 差在哪？
生成式 AI 會產生新的內容，例如文字、圖片或程式碼；傳統判別式 AI 則是判斷或分類既有資料，例如辨識垃圾郵件、預測是否違約。前者回答「產生什麼」，後者回答「這屬於哪一類」。
比較表
| 比較項目 | 生成式 AI | 判別式 AI |
|---|---|---|
| 核心任務 | 產生新內容 | 分類、預測、判斷 |
| 機率觀點 | 學習資料本身的分布 p(X,Y) 或 p(X) | 學習給定資料後的標籤機率 p(Y|X) |
| 輸出 | 文字、圖片、聲音、程式碼 | 類別、分數、是或否 |
| 常見例子 | 聊天機器人、AI 繪圖 | 垃圾郵件過濾、信用評分、瑕疵檢測 |
| 可控性 | 輸出多變，可能產生幻覺 | 輸出範圍固定，較容易驗證 |
這些情況選生成式 AI
- 需要撰寫、改寫、摘要或產生圖片等內容
- 要以自然語言和使用者互動
這些情況選判別式 AI
- 任務是明確的分類或數值預測
- 需要穩定、可量化評估且成本低的判斷
常見問題
判別式 AI 已經被生成式 AI 淘汰了嗎？
沒有。垃圾郵件過濾、詐欺偵測、推薦排序等大量系統仍使用判別式模型，因為它們在固定任務上更快、更便宜，結果也更容易驗證。
生成式 AI 可以拿來做分類嗎？
可以。大型語言模型透過提示就能做情緒分類、主題標記等工作，適合資料少或類別常變動的情況；但大量且固定的分類任務，專用判別式模型通常更有效率。
名詞解釋
生成式 AI：能依照指令產生新的文字、圖片、聲音、影片或程式碼等內容的人工智慧。
判別式 AI：判別式 AI
參考來源
查核日期：2026-09-26。API：/api/compare?id=generative-ai-vs-discriminative-ai