第 5 課標誌著 COMP5511 的重大轉變。我們正離開古典運算的決定性邏輯與早期分類模型的監督式確定性，進入 生成式 AI 的機率核心。在本課堂中，我們探討為何現代 AI 模型輸出的並非「事實」，而是 機率分佈，並揭示讓大型語言模型能創作詩歌、擴散模型能從雜訊中繪製圖像的機制。

1. 典範轉移：從邏輯到機率

• 超越 IF-THEN：從僵硬的規則轉向靈活的統計似然。
• 確定性的終結：理解為何 GenAI 的結果本質上具有 非決定性 是刻意為之。
• 以機率為工具：「生成式 AI 時代」如何將 不確定性視為一種特性 以促進創造力，而非視為需要修正的錯誤。

2. 創造的機率引擎

生成式 AI 依賴從高維度機率空間中進行取樣。無論是生成文字或圖像，模型都透過駕馭不確定性來產出新穎內容：

• 大型語言模型（LLMs）：預測下一個 token 並非單一選擇，而是作為一個 可能性的分佈。
• 擴散模型：從混亂的 高斯雜訊。
• 取樣過程：如何運用隨機性來避免重複且「機械化」的輸出。

3. 處於不可預測世界中的智慧體

自主智慧體必須在「開放世界」中導航，其中每個行動都伴隨著一定程度的未知風險與報酬。