生成式 AI 是什么：它会"无中生有"
上篇我们分清了 AI、机器学习、深度学习、大模型这四层关系。这一篇，聊其中最火、也最容易被神化的一种——生成式 AI。
一、知识分享：生成式 AI，本质是"造新的"
AI 干的事，大致分两类：
- 分析式 AI：给已有的东西做判断。比如识别这是猫还是狗、这封邮件是不是垃圾邮件、这张图里有没有人脸。它不创造，只分类和预测已有信息。
- 生成式 AI：从学过的东西里，造出原本没有的新内容——写一段文章、画一张图、作一首曲、剪一段视频。
一句话区分：分析式 AI 帮你"看"，生成式 AI 帮你"造"。 你平时用的 ChatGPT 写稿、Midjourney 画画、Suno 写歌，都是生成式 AI。
生成式 AI 不是"更聪明的搜索引擎"，它是个会生产内容的工厂，而不是资料库。 二、知识分析：为什么这两年它突然炸了
生成式 AI 不是新概念，但 2022 年底 ChatGPT 把门槛打到了地板——普通人打开就能用，不用写代码。之后几年，三个变化叠在一起，让它从实验室走进了手机：
1）大模型够大，语言突然"像人"了。 模型参数量上去了，生成出来的文字不再 machine 味，能连贯、有逻辑，甚至带语气。
2）多模态打通了。 早只能写文字，现在同一套能力能画图、出视频、配音，一个"工厂"多条产线。
3）工具平民化了。 像 WorkBuddy、ChatGPT、豆包这类产品，把生成能力包成对话框，谁都会使。
但也正因为它"太会造"，带来一个老问题被放大了——它造的可能是错的，还造得很像真的（这就是下一篇要讲的「幻觉」）。
生成式 AI 的价值和坑，来自同一个原因：它不查事实，只管生成。 三、知识落地：普通人当下在哪碰到它
不用懂原理，你几乎每天都在用：
- 让 AI 写文案、改邮件、做总结——这是最普遍的生产力场景；
- 让 AI 画图、做海报、出视频——以前要设计师，现在一句话；
- 让 AI 把长文变短、把中文翻英文、把语音转纪要——琐碎活一键清。
认出它不难：只要一个工具在"产出一段原本不存在的内容"，它就是生成式 AI。知道这一点，你看各种"AI 神器"广告就不会晕——剥开包装，底层大多还是同一套生成能力。
这一篇没教你用它，但告诉你了：它是什么、威力从哪来、坑又从哪来。下一篇，我们拆开那个最反直觉的真相——大模型其实并不"理解"你在说什么。
