生成式 AI 是什麼：用生活例子看懂大型語言模型、Token 與幻覺

AI 入門觀念 ／ 資料更新至 2026 年 10 月

生成式 AI 是什麼？用一句話說：生成式 AI（Generative AI，簡稱 GenAI）是能依照你的指令，「生成」全新內容的人工智慧，內容可以是文字、圖片、聲音、影片，甚至是程式碼。你可能已經用過的 ChatGPT、Gemini、Claude，都是生成式 AI。

它和過去的 AI 最大的不同，是從「幫你判斷」變成「幫你產出」。手機用人臉解鎖，是 AI 在判斷「這是不是你」；請 ChatGPT 幫你寫一封請假信，是 AI 從無到有寫出一段新的文字。

這篇文章不用數學、也不用程式，只用生活中的例子，帶你看懂四件事：生成式 AI 和 AI、機器學習是什麼關係；大型語言模型（LLM）到底怎麼「想」出答案；它能做什麼、做不到什麼；以及完全的新手，今天可以怎麼開始。如果你還在找學習起點，也可以先看總整理〈AI 新手入門：完全不懂 AI，要從哪裡開始學？〉。

01生成式 AI 是什麼：從「判斷」到「創作」

「生成」這兩個字是重點。過去大部分的 AI 都在做選擇題：這封信是不是垃圾郵件？這張照片裡是貓還是狗？你接下來可能想看哪支影片？這類 AI 可以叫做「判斷型 AI」，它的答案是從固定的選項裡挑一個。

生成式 AI 做的則是申論題。你給它一段描述，它寫出一篇文章、畫出一張圖、念出一段旁白。答案不是事先存好的，而是每次依照你的要求，現場「組」出來的。

說明：兩種 AI 常常搭配使用，例如影音平台用判斷型 AI 推薦影片，也用生成式 AI 自動產生字幕。

02AI、機器學習、生成式 AI 的關係：一層包著一層

新聞裡常把 AI、機器學習、深度學習、生成式 AI 混在一起講。其實它們像俄羅斯娃娃，是一層包著一層的關係：

用學做菜來比喻：AI 是「會做菜」這件事；機器學習是「不看食譜，靠吃過上萬道菜自己歸納出訣竅」；生成式 AI 則是學成之後，能依照客人的要求，端出一道菜單上原本沒有的新料理。

03大型語言模型是什麼：一個超大型的文字接龍高手

大型語言模型（Large Language Model，簡稱 LLM）是目前最常見的生成式 AI。「大型」指的是它讀過的文字量非常龐大，內部要調整的參數（可以想成數十億到數兆個小旋鈕）也非常多；「語言模型」指的是它專門學習人類的語言。

它的核心能力，說穿了是一個你每天都在用的功能：手機輸入法的選字建議。你打出「今天天氣很」，輸入法會建議「好」「熱」「冷」。大型語言模型做的是同一件事，只是規模大上非常多倍，而且它會把整段對話的前後文都考慮進去。

挑出「好」之後，它再把「今天天氣很好」當成新的開頭，繼續猜下一個字，一個接一個，直到寫完一整段回答。所以你在 ChatGPT 畫面上看到答案是一個字一個字「跑出來」的，這不是特效，而是它真的一邊算一邊寫。

大型語言模型怎麼訓練出來的？

能把文字接龍玩到這麼好，靠的是幾個階段的訓練：

Token 是什麼？AI 讀寫文字的積木塊

前面說它「一個字接一個字」，其實不太精確。大型語言模型處理文字的最小單位叫 Token（中文常翻成「詞元」）。你可以把 Token 想成拼字用的積木：一個常見的詞可能是一塊積木，一個罕見的字可能要拆成好幾塊。

新手知道 Token 有什麼用？兩個地方會碰到它。第一，AI 一次能「記住」的對話長度有上限，這個上限就是用 Token 計算的，叫做「上下文長度」（context window），對話太長，最前面的內容就可能被忽略。第二，如果之後你用到需要付費的 AI 服務（例如透過 API 串接，也就是讓程式直接呼叫 AI），費用通常也是按 Token 數計算。

為什麼同一個問題，每次回答都不一樣？

回到上面的接龍圖：「好」的機率最高，但它不一定每次都選「好」，偶爾也會選「熱」。這種保留一點隨機性的設計，讓 AI 的回答比較自然、有變化。所以同一個問題問兩次，得到不同的說法很正常；如果兩次的「事實」不一樣，就是該查證的訊號。

04生成式 AI 能做什麼：文字、圖片、聲音、影片、程式

大型語言模型專攻文字，但生成式 AI 的家族更大。現在很多工具都是「多模態」（multimodal）的，也就是同時看得懂、也產得出好幾種形式的內容，例如上傳一張照片，請它用文字說明；或輸入一段文字，請它畫成圖。

工具的功能和免費額度變動很快，例如 OpenAI 在 2026 年 3 月宣布要結束獨立的 Sora 影片 App。上面的工具只是舉例，實際能用的功能，請以各家官方說明為準。

多少人已經在用生成式 AI？

台灣網路資訊中心（TWNIC）2025 年 12 月發布的《台灣網路報告》顯示，台灣 18 歲以上民眾中，三個月內用過生成式 AI 的比例是 43.19%，前一年只有約 26.8%。一年之內，幾乎每 10 個人就多了 1.6 個人開始使用。

放眼國際，史丹佛大學《2026 AI 指數報告》引用的美國調查發現，18–64 歲成年人使用生成式 AI 的比例，在第一個普及產品推出後三年內就達到約 53%，比當年的個人電腦和網際網路普及得更快。想看更多這波 AI 變化的數據，可以讀〈AI 越來越快：五組數據看懂這波加速〉。

05生成式 AI 做不到什麼：幻覺、知識截止、偏見與隱私

懂了「文字接龍」的原理，就比較容易理解生成式 AI 的限制。它的目標是寫出「最像樣」的答案，而不是「保證正確」的答案。下面四件事，是每個新手都該知道的：

把 AI 的回答當成初稿，而不是最終答案。

——OpenAI 說明中心〈Does ChatGPT tell the truth?〉的建議

怎麼查證 AI 的回答？〈AI 幻覺是什麼？ChatGPT 回答查證的 5 個步驟〉整理了具體做法。很多人對 AI 還有「它什麼都知道」「它會越用越懂我」之類的誤會，可以搭配〈AI 迷思破解：8 個常見誤會〉一起看。

06生成式 AI 新手怎麼開始：三個步驟

看到這裡，你已經比很多人更懂生成式 AI 了。好消息是，使用它不需要會寫程式，只要會打字、會講話就能開始；擔心自己不是理工背景的話，可以看〈不會寫程式也能學 AI 嗎？〉。建議照這三步走：

第一週可以從生活小事開始練習：請 AI 幫你規劃一週菜單、把一篇長文章濃縮成三個重點、或替一封難寫的 Email 擬個草稿。每次用完，花一分鐘想想：它哪裡做得好？哪裡需要我自己修改或查證？

常見問題

生成式 AI 和一般 AI 差在哪？

一般 AI（判斷型 AI）主要做分類和預測，例如辨識人臉、過濾垃圾郵件，答案是從固定選項裡挑。生成式 AI 則會產生原本不存在的新內容，例如一段文字、一張圖。生成式 AI 是 AI 的一部分，不是另一種完全不同的東西。

ChatGPT 是生成式 AI 嗎？

是的。ChatGPT 是 OpenAI 推出的聊天服務，背後是大型語言模型，屬於生成式 AI。Google 的 Gemini、Anthropic 的 Claude 也是同一類工具，現在它們除了文字，多半也能看圖、生圖或語音對話。

生成式 AI 會思考嗎？

它不像人一樣有意識或感受，而是依照從大量資料學到的規律，算出最可能的下一段文字。不過新一代模型會先在內部列出步驟再作答，在數學、程式這類需要推理的題目上表現進步很多。比較精確的說法是：它很會「推算」，但不等於「理解」。

生成式 AI 的答案可以信嗎？

可以參考，但不能盡信。它可能產生看似合理、實際錯誤的內容（幻覺），也可能不知道最新消息。日常寫作、發想可以放心用；涉及健康、法律、金錢、考試和工作決策時，一定要回到官方或原始資料確認。

要會寫程式才能用生成式 AI 嗎？

不用。ChatGPT、Gemini、Claude 都是用一般的文字或語音對話來操作，會打字就能開始。程式能力只有在你想把 AI 串接進自己的系統、做自動化時才需要，而且生成式 AI 本身也能幫你寫程式。

Edit with Tr.Bug

Follow me on：LinkedIn　｜　探教育TempEDU