生成式人工智慧指的是AI系統，特別是運用機器學習與大量資料訓練然後產出新內容。其他AI系統是主要目標是對資料進行分類，如臉部圖像辨識，運用在自動駕駛汽車上協助決策制定。生成式AI系統可以創造不同產出，包含文字輸出(如, OpenAI’s ChatGPT、Google’s Bard)、影像(Stability AI’s Stable Diffusion、Midjourney’s self-titled program)、影片、程式碼或音樂。

生成式AI工具的人工智慧技術是已經研發數十年的成果，如遞歸神經網路(RNN)；Google研究員在2017年介紹Transformer模型，在2019年促進生成式AI的效能有顯著的提升，運用數學技術注意力(attention)與自我注意力(self-attention)，這些方法讓GPT訓練更快速、更有效率在了解內容並擴大。另一個生成式AI要素為大型語言模型(Large language models, LLM)，是一種深度學習模型，具有超過1,000 億個參數的自然語言處理。ChatGPT為對話型AI聊天機器人可以生成不同文字輸出，其他大型語言語言模型聊天機器人還包含Google的Bard與SambaNova公司的BLOOMChat。

儘管生成式AI的能力令人驚艷但也產生許多隱憂，因為模組是由大量網路資料訓練生成，導致錯誤訊息被製造出來並傳播。在教育與科學研究利用生成式AI也引起倫理與透明使用問題，是否應有所限制、是否有效與檢測工具準確性。

聯邦AI法律與生成式AI立法，2020年國家人工智慧創新法案（National Artificial Intelligence Initiative Act）建立國家人工智慧倡議及相關聯邦辦公室和委員會；除了生成式AI還有生成對抗網路（Generative Adversarial Network）也直接接受聯邦支援研究，在118屆會議中，至少提出50件AI相關法案。分析人員也開始思考生成式AI將影響工作與生產率，是否此類工具會影響現在工作技術或創造新工作，生成式AI會讓一些工作自動化取代人力。潛在問題包含使用的偏見與道德問題、測試與透明度、經濟與勞動力影響、研究與競爭、監督與管理。

全文請見: https://crsreports.congress.gov/product/pdf/IF/IF12426