生成式 AI（Generative AI）是什麼

生成式 AI 是能依輸入條件產生內容的人工智慧，例如文章、圖片、音訊或影片。它通常從訓練資料學到模式，再依提示詞或其他輸入生成結果；不是每次都從某個資料庫找出一份現成成品。生成也不保證完全原創、事實正確或適合直接公開，這些都需要另外確認。

社區要辦二手市集，可以請生成式 AI 提供公告草稿與海報構想。活動日期與規則必須保留，視覺風格和說明順序則可以探索。以下沿著這個原創案例，說明生成如何提供價值、又在哪些地方容易混淆。資料查證截至 2026 年 9 月 14 日。

生成、分類與搜尋回答不同問題

分類系統可能判斷一張照片是不是海報；搜尋系統找出已存在、符合條件的海報；生成系統則依要求產生新的內容。實際產品可以把三者組合，例如先搜尋活動資料，再生成公告。因此看到流暢答案時，應確認其中哪些內容來自已核對來源，哪些是模型新產生的表達。

NIST 的生成式 AI 風險文件涵蓋內容生成與虛構資訊等問題，提醒我們不能把合理外觀當成可靠性。生成模型可以很會模仿公告的語氣，卻在原始資料沒有提到時補出免費入場或贈品。它產生的是符合條件的候選內容，是否忠於事實仍是另一個問題。

對市集任務，最好把不可變資訊列清楚，例如日期、地點、主辦者和攤位規則；把可變部分另外列出，例如標題、段落順序與插圖風格。這種區分不是保證模型不會犯錯，而是讓後續核對有明確依據，也避免創意要求吞掉事實限制。

不同內容可以用不同生成機制

常見語言模型會依上下文預測後續 token，逐步形成文字。影像生成可以採用擴散模型，從受干擾的表示逐步還原出符合條件的影像。對抗生成則以生成器與判別器的訓練互動學習資料分佈；Goodfellow 等人的原始論文是這條研究路線的重要一手來源。

這些途徑不是同一套機制換了輸出副檔名，也不能因為產品會畫圖就認定它一定使用某種架構。一個服務可能包含多個模型與後處理步驟。一般使用者不必先學完數學，但應知道生成式 AI 是能力範圍的名稱，而不是只指某個聊天模型。

生成結果也可能因取樣、設定與輸入而不同。同一份市集資料可以產生多種標題和畫面構圖，這對探索很有用；但要求保留日期和地址時，變異就需要被約束與核對。不能把「這次碰巧寫對」當成下一次必然一致的證據。

讓市集素材有清楚的驗收方法

原創輸入可以寫成：「依附上的活動資料產生市集公告草稿。保留所有日期、地點與報名條件；沒有提供的資訊標成待確認；語氣親切，不新增折扣或活動承諾。」先只產出文字，逐項核對事實，再根據已確認版本發展視覺，會讓問題較容易追查。

接著要求海報構想以二手物品交換為主題，使用抽象書本、衣物與玩具形狀，避免把不存在的攤位或真實人物畫得像活動紀錄。預期產物是宣傳構想，不是現場照片。若生成圖片有文字，可以另外檢查日期與字形；視覺漂亮不代表其中的資訊可直接採用。

檢查時把問題分成內容與呈現。日期錯誤要修正事實，文字太小要調整版面，視覺暗示不提供的服務則要重新設計。若每次只說「再好一點」，模型可能換了色彩和構圖，卻保留同樣的錯誤日期。具體回饋能讓下一輪修改對準實際缺口。

看起來新，不等於所有權利都已確認

模型產出的組合可能是新生成的，但這不代表與既有作品毫無相似，也不代表你已取得所有使用權。素材中的標誌、人物、聲音與受保護內容各有不同問題。這裡不替個案做法律判定；實際使用應依素材來源、服務條款與使用情境核對，不能把生成按鈕當成授權證明。

社區宣傳若只是要表達交換與再利用，可以直接使用抽象物件與自行提供的活動資訊，減少不必要的真實人物或品牌元素。若必須使用特定人物照片，應有對應的使用依據，並清楚區分編修素材與紀錄照片。這些是工作上的核對方向，不是對所有生成內容做一概判斷。

對讀者的透明度也很重要。示意插圖可以說明它是概念視覺，不能在沒有實際活動照片時，用生成場景暗示過往盛況。文字同樣如此：生成的參加心得、引言或統計不應偽裝成真實經驗。創意可以自由探索，事實身份則必須誠實標示。

把生成安排在可以檢查的位置

生成式 AI 適合協助列構想、改寫、整理已提供資料或製作草稿，尤其當你有能力判斷結果是否符合需求。它也可以協助複雜工作，但需要相應來源與驗證。原料在對話裡，不代表摘要就必然忠實；模型仍可能省略否定句、條件與例外，必須抽查關鍵內容。

若任務需要最新資訊，生成前應先取得可核對資料。若需要正確計算，可把計算交給合適工具，再讓模型解釋結果。檢索、計算與生成的分工能讓證據更清楚，但工具結果也可能被誤讀，所以最後仍要檢查答案是否反映實際取得的內容。

理解生成式 AI，可以從一個簡單問題出發：哪些部分允許創作，哪些部分必須忠實？將兩者分開，附上來源與驗收條件，再保留未確認事項，就能把生成帶來的速度用在探索與表達上，而不會讓流暢產物掩蓋資料缺口。

大型語言模型（Large Language Model）是什麼

擴散模型（Diffusion Model）是什麼：從雜訊逐步生成影像

AI 幻覺（Hallucination）是什麼？把流暢回答拆成可查主張

AI 名詞總索引：從 Loop Engineering 到生成式 AI

• AI 工具
• 教學
• AI 名詞解釋