上一页的椅子告诉我们：条件变具体以后，仍可能留下多个合理答案。现在把任务从“一件对象”改成“一组对象”：请交付同款、同色，左右各一只的一双鞋。

红色的一双符合要求，蓝色的一双也符合要求。问题出现在把其中一只红左鞋和一只蓝右鞋拿到一起时。两只鞋各自都很正常，也确实一左一右，但这双鞋没有满足“同色”。部件分别成立，不代表它们放在一起仍然成立。

这正是生成完整结果比列出几个可能部件多出来的一项工作。模型不能只知道“红鞋可以出现”“蓝鞋也可以出现”，还需要学会哪些部件可以一起出现。当我们已经选定红左鞋时，右鞋的选择就不再与左鞋无关。接下来生成红右鞋是在遵守当前条件，生成蓝右鞋则违反了这一双的要求。

学生：“可现实中也有人穿一红一蓝，为什么你说它不合理？”

教师：“这里的合理指满足本题要求，并不是判定所有现实穿搭。如果任务允许撞色，这一组就可能成立。要判断生成有没有错，先要知道条件是什么，不能把未说明的偏好当成硬要求。”

学生：“那只要每一双都满足同款同色，我们是不是就已经学会这个分布了？”

教师：“还不够。看后面的两批鞋：一批红色较多，另一批蓝色较多；其中每一双都可以合法，但两批的构成不同。‘哪些结果允许出现’与‘这些结果通常多常出现’是两个问题。”

学生：“一批八双里六红两蓝，能不能直接说模型生成红色的概率就是四分之三？”

教师：“这只能描述眼前这批结果。有限样本的频率会变化，而且这里用两批例子是为了帮助我们看懂差别；不能把一幅课堂对照图当成对某个模型概率的精确测量。”

用这个例子理解“分布”，可以先不写公式：它不仅关系到单个结果长什么样，还关系到完整结果的组合方式，以及不同结果出现的倾向。学习生成模型，不只是收藏几张漂亮的样例图。

这个例子也有明确范围。它没有证明复杂图像里的所有关系都能靠一条“同色”规则解决，也没有比较哪一种模型已经学会这些关系。我们只是先弄清楚，生成任务究竟要求模型学什么。复杂生成要兼顾更多关系，却不能据此把所有生成任务排在所有判别任务之上；诊断一个关键异常也可能比生成一张普通图片困难。后面讲自回归时，会回到这双鞋：先选一只，再把已选内容作为下一步的条件。讲并行生成词语时，也会重遇相同问题——每个词单独合理，组合却可能违约。

接下来：既然要学的是完整结果中的关系，训练照片怎样提供练习？下一页从一张被遮住杯柄的照片出发，看记录中的一次结果如何成为训练题，以及为什么它没有穷尽所有合理答案。