33. 關於下列模型在生成式人工智慧(Generative AI)中的角色，何者並非以「產生新資料」為主要設計目的？
(A) 支援向量機(Support Vector Machine)
(B) 變分自編碼器(Variational Autoencoder)
(C) 自迴歸模型(Autoregressive Model)
(D) 擴散模型(Diffusion Model)

這題的正確答案是：

(A) 支援向量機 (Support Vector Machine)

專業解析

這題考的是 「鑑別式 AI (Discriminative AI)」 與 「生成式 AI (Generative AI)」 的核心區別。

1. 為什麼 (A) 是正確答案？

• SVM 的本質： 支援向量機 (SVM) 是一種經典的 監督式學習 演算法，主要屬於 「鑑別式模型」。

• 運作目標： 它的設計目的是在多維空間中找到一個 最佳超平面 (Hyperplane)，用來將資料 「分類 (Classify)」（例如：分開黑點與白點）或是進行迴歸預測。它關心的是「邊界在哪裡 (Decision Boundary)」，而不是「資料長什麼樣子」。因此，它無法憑空創造出新的數據點，不具備生成能力。

2. 為什麼其他選項都是生成式模型？

這三者都是現代生成式 AI 的三大支柱技術，它們的目標都是學習資料的機率分佈 $P(X)$，以便從中採樣產生新資料：

• ⭕ (B) 變分自編碼器 (VAE)：

  • 透過編碼器 (Encoder) 將資料壓縮成潛在空間 (Latent Space) 的機率分佈，再由解碼器 (Decoder) 還原。透過調整潛在向量，可以生成相似但不完全相同的新圖片。

• ⭕ (C) 自迴歸模型 (Autoregressive Model)：

  • 這是 GPT 系列 (ChatGPT) 的基礎。它透過「接龍」的方式，根據前一個字預測下一個字，從而生成連貫的全新文本。

• ⭕ (D) 擴散模型 (Diffusion Model)：

  • 這是 Stable Diffusion、Midjourney 的核心。它學習如何將「雜訊 (Noise)」逐步還原成清晰的「圖像」，是目前圖像生成領域的最強霸主。