机器学习与生成式 AI
机器学习通过数据学习规律，用于分类、预测等任务；生成式 AI 则能根据输入生成文字、图像或其他内容。它们存在交集，但用途和评估方式不完全相同。
Google 机器学习课程包含分类、神经网络和语言模型等主题，可用来进一步理解这些概念。
用三个例子理解
把邮件分成垃圾邮件与正常邮件，是分类；预测明天某类商品需求，是预测；根据要求写一份邮件初稿，是生成。每个任务都有不同的正确性标准。
分类可以对照标签，预测要和后续真实结果比较，写作则还要看事实、目的和读者是否理解。
模型为什么会回答错
生成流畅文字不等于掌握了可靠证据。输入不完整、资料过期、问题含糊或模型能力限制，都可能产生错误。使用时应提供必要背景，并检查结论是否有来源。
事实查询可按AI 搜索核对方法，代码任务则要实际运行和检查，不只看回答是否自信。
AI 工具、模型与 Agent
工具是你直接使用的产品，模型是提供能力的一部分，Agent 则可能围绕目标调用工具、推进多步任务。了解AI 模型选择和Agent 基础，有助于判断产品宣传到底对应什么能力。
一个工具使用了多个模型并不奇怪，具体费用、隐私和功能应看该产品的说明。
初学者怎样开始
先选一个可以检查结果的小任务，例如总结自己写的文章、整理公开说明或制作演示大纲。记录哪里有帮助、哪里需要修正，再扩大使用范围。完整安排见AI 学习路线，不要把熟悉几个名词当成已经掌握实际方法。