課程總覽：生成式 AI 時代的不確定性

第 5 課是 COMP5511 的關鍵轉折點。我們將告別傳統運算的確定性邏輯，以及早期分類模型監督式的確定性，邁入 生成式 AI 的機率核心。在本堂課中，我們將探討現代 AI 模型為何輸出的不是「事實」，而是 機率分布，並揭開讓 LLM 得以寫詩、擴散模型得以從雜訊中作畫的機制。

1. 典範轉移：從邏輯到機率

• 超越 IF-THEN：從僵固的規則轉向流動的統計可能性。
• 確定性的終結：理解為何 GenAI 的結果在設計上就是 非確定性 。
• 機率作為工具：「GenAI 時代」如何將 不確定性視為一項特點 以激發創造力，而非視為待修正的錯誤。

2. 創造的機率引擎

生成式 AI 仰賴從高維機率空間中取樣。無論是生成文字或圖像，模型都藉由駕馭不確定性來創造新穎的內容：

• 大型語言模型（LLM）：將下一個 token 的預測視為一組 可能性分布，而非單一選項。
• 擴散模型：從混亂的 高斯雜訊，而非單一選項。
• 中逆向工程出秩序。取樣過程：如何運用隨機性來避免重複且「機械化」的輸出。

3. 身處不可預測世界中的代理

自主代理必須在「開放世界」中前行，其中每個動作都帶有一定程度的未知風險與回報。