10 下列何者不是生成式 AI 核心技術？
(A) Variational Autoencoders(VAE)
(B) Generative Adversarial Networks(GAN)
(C) Visual Geometry Group(VGG)
(D) Autoregressive Models(AR Model)

答案：登入後查看
統計： A(88), B(44), C(553), D(267), E(0) #3472226

詳解 (共 5 筆)

#6518558
正確答案：(C) Visual Geo...
(共 407 字，隱藏中）
前往觀看
10
0
#6588963

 (A) Variational Autoencoders (VAE)

  • 是一種生成模型，能學習資料分布後生成新的數據。

  • 為生成式 AI 的核心技術之一。

(B) Generative Adversarial Networks (GAN)

  • 經典的生成式模型之一，由生成器與判別器對抗學習。

  • 廣泛應用於圖片生成、影片補全、風格轉換等。

(C) Visual Geometry Group (VGG)

  • 指的是牛津大學的研究團隊，提出了著名的 VGGNet。

  • VGGNet 是用於圖像分類的卷積神經網路（CNN），不是生成模型，也不是生成式 AI 的核心技術。

(D) Autoregressive Models (AR Model)

  • 是一種序列生成模型，常應用在語音、語言模型（如 GPT）等生成式任務中。

  • 例如 GPT 系列模型就屬於 autoregressive 類型。

5
0
#6558363

正確答案是：(C) Visual Geometry Group (VGG)

各選項解析如下：

  • (A) Variational Autoencoders (VAE)
    ✔ 是生成式 AI 的核心技術之一。VAE 是一種生成模型，能夠學習資料的潛在表示，並用來生成類似資料。

  • (B) Generative Adversarial Networks (GAN)
    ✔ 也是生成式 AI 的代表技術。透過生成器與判別器的對抗訓練，GAN 可生成逼真的影像、語音等資料。

  • (C) Visual Geometry Group (VGG)
    ✖ 不是生成式 AI 技術，而是一種影像分類用的卷積神經網路架構（CNN），由牛津大學 VGG 團隊提出，主要用於影像辨識與特徵提取，不是設計來用於資料生成。

  • (D) Autoregressive Models (AR Model)
    ✔ 是生成式 AI 的基礎技術之一。這類模型（如 GPT、Transformer 等）透過「一個字接著一個字」的方式逐步生成資料，在自然語言生成中尤其關鍵。

總結：

(C) VGG 主要是辨識型模型，不是用來「生成資料」的模型，
因此它不是生成式 AI 的核心技術。

3
0
#6598359

正確答案是 (C) Visual Geometry Group(VGG)。

原因說明：

我們來分析每個選項：

  • (A) Variational Autoencoders (VAE)：
    • 性質：這是一種生成模型。它通過學習數據的潛在表示（latent representation）來生成新的、與訓練數據相似的數據。VAE 是生成式 AI 的核心技術之一。
  • (B) Generative Adversarial Networks (GAN)：
    • 性質：這是一種生成模型。它由一個生成器（Generator）和一個判別器（Discriminator）組成，兩者相互對抗學習，最終生成器能夠生成逼真的數據。GAN 是生成式 AI 領域的里程碑式技術。
  • (C) Visual Geometry Group (VGG)：
    • 性質：VGG 是一個卷積神經網絡 (CNN) 的架構，主要用於圖像分類和特徵提取。它是一種判別模型 (Discriminative Model)，其目的是對現有數據進行分類或識別，而不是生成新的數據。雖然生成模型內部可能使用 CNN 的組件（如卷積層），但 VGG 本身不是生成式 AI 的核心生成技術。
  • (D) Autoregressive Models (AR Model)：
    • 性質：這是一種生成模型的基礎概念。自回歸模型按順序生成數據，每次生成一個元素，並將之前生成的元素作為輸入。許多大型語言模型（如 GPT 系列）和一些圖像生成模型都基於自回歸的原理。它是生成式 AI 的重要技術。

因此，VGG 是一種用於分類和特徵提取的判別模型架構，而不是生成式 AI 的核心生成技術。

2
0
#7269667

這題的正確答案是：

(C) Visual Geometry Group (VGG)

專業解析

作為 AI 規劃師，要區分核心技術，關鍵在於辨別模型是屬於「判別式 (Discriminative)」還是「生成式 (Generative)」。

1. 為什麼 (C) VGG 不是生成式 AI？

  • 本質分類： VGG（由牛津大學 Visual Geometry Group 開發）是一種經典的 卷積神經網絡 (CNN) 架構。

  • 主要功能： 它的設計初衷是解決 「圖像分類 (Image Classification)」 與 「物件偵測」 的問題。

  • 運作邏輯： 它是一個典型的「判別式模型」。它的工作是讀取一張圖片，經過多層運算後，輸出一組機率或標籤（例如：這張圖是「汽車」的機率是 90%）。它只能辨識既有內容，不具備「無中生有」創造新圖片的能力。

2. 為什麼其他選項屬於生成式 AI？ 這三個選項代表了生成式 AI 的三種主要技術路徑：

  • (A) Variational Autoencoders (VAE，變分自編碼器)：

    • 原理： 將資料壓縮成一個潛在分佈 (Latent Distribution)，再從中隨機採樣並解碼。

    • 生成能力： 因為有「隨機採樣」的過程，它能夠生成與原始資料相似但又不完全相同的新樣本。

  • (B) Generative Adversarial Networks (GAN，生成對抗網路)：

    • 原理： 由「生成器」負責製造假資料，「判別器」負責抓包，兩者相互對抗訓練。

    • 生成能力： 最終生成器能產出足以以假亂真的新資料（如人臉生成）。

  • (D) Autoregressive Models (AR Model，自回歸模型)：

    • 原理： 基於前面的資訊來預測下一個資訊（例如：根據前三個字預測第四個字）。

    • 生成能力： 目前主流的大型語言模型（如 GPT）皆屬此類，透過逐字預測來「生成」完整的文章或程式碼。

規劃師總結

  • VGG 是用來「看懂」圖片的（判別式）。

  • VAE、GAN、AR 是用來「創造」數據的（生成式）。

0
0