生成式 AI 和分辨式 AI 是人工智慧中兩個重要的概念。了解這兩種 AI 模式之間的差異，是理解生成式 AIBoom 的關鍵。
分辨式 AI 是需要有標注標籤資料以供「分辨」的，這是需要依賴大量高品質具有標籤的標注資料的。通常用（X, y）來表示有標注標籤的資料，X 代表資料本身，y 表示其標籤。從分辨區隔手中的標注資料，進而「訓練」篩選出一個好的分類器，用於對那些沒有「標注」僅有 X 的資料，預測其標籤 y。具體來說，分辨式模型依據有限的資料分佈與其對應的標籤找出一映射的函數 F(X)，用此函數值當成 X 所對應的標籤 y。
與此不同，生成式 AI 模型則巧妙運用大量沒有標注標籤的資料 X，試圖自我產生資料與隱藏於資料中的訊息。移除標注資料的限制後，讓大型的複雜模型的訓練，藉助於強大 GPU 的算力與大量的資料，得以實現。生成式 AI 雖無必要使用有標注標籤的資料，但若仍有標注標籤的資料合併使用，訓練過程中再引入強化學習機制，可協助引導模型快速朝向「正確」合用的方向收斂。
生成式 AI 的出現，讓通用性的人工智慧漸露曙光。這種人工智慧可以創造生成出自然語言、音樂、圖像和其他形式的資料。例如， ChatGPT 等生成式 AI 模型，可以產生自然流暢的人類對話，或者生成音樂、圖像等內容。這些生成式 AI 模型的出現，標誌著人工智慧的一個新紀元。
而在未來，生成式 AI 模型的發展前景無限廣闊。隨著資料量的增加和計算能力的擴展，生成式 AI 模型的能力將會不斷增強，讓我們能夠創造出更加完善、更加智能的人工智慧系統。
