鑑別式AI（Discriminative AI, DAI）

核心特性

• 學習目標：條件機率 \(P(y \mid x)\)，尋找分類/迴歸邊界
• 輸出：分類標籤或數值預測，不產生新內容
• 代表模型：邏輯迴歸、SVM、決策樹、隨機森林、神經網路
• 應用：影像辨識、語音辨識、NLP 情感分析、風險評估、醫學影像分類
• 技術挑戰：數據偏見（Bias in Data）、過擬合（Overfitting）、標記成本（Labeling Cost）高

易混淆

• vs 生成式AI：DAI 學 \(P(y|x)\) 做「判斷」；GAI 學 \(P(x,y)\) 或 \(P(x)\) 做「創造」。DAI 不產生新內容，GAI 產生新樣本。

📖 課文原文

「鑑別式 AI 是一種透過學習數據特徵與目標標記之間的條件概率 P（y|x）來進行預測的機器學習方法。其核心思想在於區分不同類別之間的差異，從而找到最適合分類或迴歸的邊界。鑑別式 AI 不會建構數據生成的內在機制，而是專注於判斷輸入數據所屬的類別或進行數值預測。」

中級科目一補充

中級課程以「模型例子」對比生成式 AI 與鑑別式 AI：鑑別式 AI 代表模型為 SVM、決策樹、隨機森林、Logistic 迴歸；生成式 AI 代表模型為 GPT、VAE、GAN、Diffusion Models。鑑別式 AI 的輸出是「類別標籤或數值預測」，生成式 AI 的輸出是「新的資料點或內容」。

出處