想像一個世界，人工智慧不僅僅是辨識夕陽，它還能 從虛無中繪製出一幅夕陽。這正是從傳統模型到生成式AI的范式轉變。 判別式模型——專注於計算 $p(output|input)$ 以標記現有資料——轉向廣闊的生成式AI領域。我們已不再局限於過去的邊界劃分，而是深入探索對數據本身 底層資料分布的建模。

定義架構格局

我們的分類主要由三種截然不同的數學策略主導，每種策略在 多模態合成 與 影像合成方面展現獨特優勢：

• 生成對抗網路（GANs）：兩大神經網路之間的高風險對決—— 生成器 （偽造者）與 判別器 （偵探）。這種 對抗性互動 迫使生成器創造出越來越難以分辨的內容。
• 去噪模型：在混亂中尋找秩序的過程。這些模型透過 反覆添加與移除雜訊 來學習資料，最終掌握從純靜態中塑造穩健表示的能力。
• 自回歸式Transformer：序列的建築師。像 生成式預訓練Transformer（GPT） 運作方式為 預測下一個詞元 根據之前所有內容的上下文進行預測，從而創建長距離且連貫的敘事與結構。