Lihat sumber Model Generatif dan Cara Kerjanya

Model generatif adalah tipe algoritma dalam [[kecerdasan artifisial generatif]] yang bertujuan untuk menciptakan data baru yang menyerupai data yang sudah ada. Model ini berbeda dari model diskriminatif yang hanya bertugas mengklasifikasikan data. Dengan kemampuannya meniru pola dari data pelatihan, model generatif telah mengubah cara kita memandang interaksi antara manusia dan mesin.

== Prinsip Kerja Model Generatif ==
Model generatif bekerja dengan mempelajari distribusi probabilitas dari data pelatihan. Melalui algoritma seperti [[GAN]] dan [[Variational Autoencoder]] (VAE), model ini mampu menghasilkan sampel baru yang tampak realistis dan konsisten dengan data asli. Proses pelatihan biasanya melibatkan dua jaringan atau lebih yang saling bersaing atau berkolaborasi.

== Jenis-Jenis Model Generatif ==
Beberapa jenis model generatif yang populer antara lain [[GAN]], VAE, dan [[transformer]] generatif seperti [[GPT]]. Masing-masing memiliki keunggulan tersendiri dalam menghasilkan tipe data tertentu, seperti gambar, teks, atau audio.

== Kelebihan dan Kekurangan ==
Kelebihan utama model generatif adalah kemampuannya menghasilkan data baru, memperkuat kreativitas, dan mengotomatisasi proses produksi. Namun, tantangan utama adalah kebutuhan data pelatihan yang besar dan risiko menghasilkan konten yang tidak diinginkan atau tidak etis.