生成式模型 是什麼？

Generative Model：生成式模型 的完整解釋

生成式模型（Generative Model）是能夠學習資料的機率分布並從中生成新樣本的機器學習模型，涵蓋 GAN、VAE、擴散模型等架構，廣泛應用於影像合成、文字生成與資料擴增。

核心概念

生成式模型的核心目標是對資料的真實分布 P_data(x) 建模，並能從中採樣生成新的資料點 x'，使得 x' 與訓練資料在統計特性上相符。這與判別式模型的根本差異在於：判別式模型僅學習決策邊界（給定輸入，預測哪個類別），而生成式模型學習的是整個資料空間的結構。

從貝氏觀點看，生成式模型建模聯合機率 P(x, y) 或邊際機率 P(x)，可推導出條件機率 P(y|x)，因此理論上生成式模型能同時完成分類與生成兩種任務。

運作原理

生成對抗網路（GAN）

GAN 由生成器（Generator）和判別器（Discriminator）兩個網路組成。生成器從隨機噪聲 z 生成假樣本，判別器學習區分真假。兩者透過對抗訓練交替優化，最終生成器學會產生以假亂真的樣本。GAN 的核心困難在於訓練不穩定，容易出現模式崩潰（Mode Collapse）問題。

變分自編碼器（VAE）

VAE 將輸入資料編碼至潛在空間（Latent Space）的機率分布（通常為高斯分布），再從分布中採樣並解碼回資料空間。訓練目標結合重建損失和 KL 散度（衡量潛在分布與先驗分布的差距），使潛在空間具有結構性和連續性，便於插值生成。

自回歸模型

GPT、LLaMA 等大型語言模型採用自回歸生成方式，將序列生成機率分解為：

P(x) = ∏ P(x_t | x_1, ..., x_{t-1})

每次生成一個 token，並以已生成的序列為條件。這種方式在文字生成上效果卓越，但生成速度受序列長度限制。

擴散模型（Diffusion Model）

擴散模型透過逐步加入高斯噪聲將真實資料「破壞」，再訓練網路學習反向去噪過程。推論時從純噪聲出發，經過數百至數千步去噪還原出高品質樣本。穩定擴散（Stable Diffusion）和 DALL-E 3 均基於此原理。

實際應用

影像生成與編輯

文生圖模型（Text-to-Image）如 Midjourney、Stable Diffusion 等均基於生成式模型，能根據自然語言描述合成高解析度影像。影像修復（Inpainting）、風格轉換（Style Transfer）也廣泛採用 GAN 或擴散模型架構。

大型語言模型

ChatGPT、Claude、Gemini 等對話 AI 的底層均為大型自回歸語言模型，本質上是一種文字生成模型，透過預測下一個 token 學習語言的統計結構。

資料擴增

在醫療影像、自動駕駛等資料稀缺場景，生成式模型可合成標記資料以擴充訓練集，降低資料蒐集成本並提升模型泛化能力。

藥物探索

生成式模型用於分子設計，從現有藥物分子的分布中生成具有特定化學性質的新分子候選，加速新藥研發流程。

常見誤區

誤區一：生成式 AI = 生成式模型

「生成式 AI」是一個應用層概念，泛指能生成內容的 AI 系統；「生成式模型」是一個統計機器學習概念，指學習資料分布的模型類別。並非所有生成式 AI 都在數學上等同於生成式模型（例如部分檢索增強生成系統結合了生成與檢索兩種機制）。

誤區二：GAN 已被擴散模型完全取代

在影像生成品質上，擴散模型目前通常優於 GAN，但 GAN 在推論速度上仍有優勢（GAN 單次前向傳播即可生成樣本，擴散模型需多步去噪）。在即時影像生成、視訊生成等對速度要求高的場景，GAN 仍是重要選項。

誤區三：生成式模型只能用於創意任務

生成式模型同樣用於科學計算（蛋白質結構預測的 AlphaFold 使用擴散思想）、異常偵測（從正常資料分布學習，偵測偏離樣本）以及資料補全（填補感測器缺失值）等嚴肅的工程任務。

與相關技術的比較

常見問題