题目

判别式AI（Discriminative）主要关注如何最好区分和分类数据，根据已有数据进行分类、判断、预测。（）对错

题目解答

答案

辨别式AI（判别模型）的核心目标是学习输入数据与输出类别之间的边界，直接完成分类、判断或预测任务。例如，支持向量机（SVM）、逻辑回归和决策树等算法均属于此类模型，它们通过训练数据学习特征的分类规则（如区分猫和狗的视觉特征），从而实现对新数据的分类。生成式AI（生成模型）则侧重于学习数据的内在分布，能够生成新的数据样本（如GAN生成新图像），而非直接进行分类。因此，题目中“辨别式AI主要关注区分和分类数据”的描述符合判别模型的定义。答案：对

解析

判别式AI（Discriminative AI）的核心目标是学习如何区分不同类别的数据，并直接完成分类、判断或预测任务。与生成式AI（如GAN）侧重生成新样本不同，判别式AI更关注从已有数据中提取分类规则，例如通过支持向量机（SVM）、逻辑回归等算法，将输入数据映射到具体的类别标签。因此，题目中“判别式AI主要关注区分和分类数据”的描述是正确的。

判别式AI的核心特点

学习输入与输出的边界：判别式模型通过训练数据学习特征之间的分类规则，例如区分“猫”和“狗”的视觉特征差异。
直接输出类别或概率：模型输出通常是类别标签（如“ spam”或“ ham”）或某个类别的概率（如“图片是猫的概率是90%”）。
典型算法：支持向量机（SVM）、逻辑回归、决策树、随机森林、神经网络等。

与生成式AI的区别

生成式AI（如GAN、VAE）的核心目标是学习数据的内在分布，从而生成新的数据样本（如生成新的人脸图像）。
两者侧重点不同：判别式AI关注分类能力，生成式AI关注数据生成能力。

题目结论

题目中“判别式AI主要关注区分和分类数据”的描述完全符合判别模型的定义，因此答案为“对”。