案例03｜GPT-4、GAN、VAE：三類 Generative Model 在市場分析中的分工

一、案例定位

本案例依原書 8.3.2 整理。

比較 GPT-based Architecture、Generative Adversarial Network（GAN）與 Variational Autoencoder（VAE）在 Market Trend Analysis 中的不同角色。

二、學習目標

理解 GPT、GAN、VAE 的原書用途。
避免把不同 Model Family 當成同一種任務比較。
掌握 Text、Synthetic Data、Latent Structure 的分工。

三、案例情境

GPT-4 適合處理 Social Media Text、Consumer Sentiment 與 Emerging Trend；GAN 透過 Generator＋Discriminator 建立接近真實的 Synthetic Dataset，用於 Market Scenario Simulation；VAE 則學習 Latent Distribution，用於揭露不易直接觀察的 Trend／Structure。

四、開始資料

模型	原書核心能力	Market Analysis 用途
GPT-4／GPT-based	Human-like Language Understanding／Generation	Social Media、Sentiment、Emerging Trend
GAN	Generator＋Discriminator、Synthetic Data	Scenario Simulation、Data Augmentation
VAE	Learn Latent Distribution	Underlying Pattern／Consumer Structure

五、Excel／AI 分析方法

Excel 可建立 Model–Task Fit Matrix；AI 可協助判斷 Task Type，但不應只因模型較新就預設一定最佳。

六、計算結果

原書在本節主要提供模型選擇理由，真正 Performance Comparison 放在後續 Results。

七、結果分析與管理解讀

模型選擇應依資料型態與任務目標，而不是用單一 Accuracy 排序所有模型。

八、AI 提問詞

請依 Text Analysis、Synthetic Scenario、Latent Pattern Discovery 三種任務比較 GPT、GAN、VAE，並說明何時不應直接用同一 Accuracy 指標比較。