最近幾年最火的估計就是AI賽道了。但現(xiàn)在大家討論的基本上都是生成式AI，而不是類似Alpha Go之類的傳統(tǒng)AI。哪這兩者有什么區(qū)別呢？我們從5個方面分析一下。

　　人工智能（AI）是一個非常廣泛的話題。今天作者要詳細(xì)探討生成式AI和傳統(tǒng)AI。通過技術(shù)角度、應(yīng)用角度、發(fā)展歷程、能力范圍以及未來發(fā)展?jié)摿@五個方面，看看它們有什么區(qū)別。

　　傳統(tǒng)AI基于規(guī)則和數(shù)據(jù)

　　傳統(tǒng)AI也叫做“規(guī)則驅(qū)動的AI”或“判別式AI”，主要依靠預(yù)設(shè)的規(guī)則和大量的訓(xùn)練數(shù)據(jù)來工作。

　　它的核心思想是通過大量的數(shù)據(jù)進(jìn)行訓(xùn)練，讓模型學(xué)會從數(shù)據(jù)中提取特征，然后根據(jù)這些特征進(jìn)行分類或預(yù)測。傳統(tǒng)AI包括各種機器學(xué)習(xí)算法，如決策樹、支持向量機（SVM）、邏輯回歸等。

　　舉個例子，如果想讓傳統(tǒng)AI識別貓和狗的圖片，你需要提供成千上萬張標(biāo)注好的貓和狗的圖片。AI會通過學(xué)習(xí)這些圖片的特征（比如貓的尖耳朵、狗的圓鼻子）來進(jìn)行分類。

　　生成式AI基于生成模型

　　生成式AI則是一種能夠生成新內(nèi)容的AI。它不僅能識別和分類數(shù)據(jù)，還能創(chuàng)造出新的數(shù)據(jù)。

　　生成式AI的核心技術(shù)包括生成對抗網(wǎng)絡(luò)（GANs）、變分自編碼器（VAEs）和大型語言模型（如GPT-3）。這些模型通過學(xué)習(xí)大量的訓(xùn)練數(shù)據(jù)，能夠生成與訓(xùn)練數(shù)據(jù)相似但全新的內(nèi)容。

　　舉個例子，如果你讓生成式AI學(xué)習(xí)大量的繪畫作品，它不僅能識別不同風(fēng)格的畫作，還能自己創(chuàng)作出新的畫作，模仿某種特定的風(fēng)格。

　　傳統(tǒng)AI的應(yīng)用

　　傳統(tǒng)AI廣泛應(yīng)用于各種需要精確分類和預(yù)測的領(lǐng)域。以下是幾個主要應(yīng)用：

　　1. 醫(yī)療診斷：傳統(tǒng)AI可以幫助醫(yī)生分析醫(yī)學(xué)影像，識別早期的病變，如癌癥、肺炎等。

　　2. 金融服務(wù)：在銀行和金融機構(gòu)，傳統(tǒng)AI用于信用評分、欺詐檢測、股票市場預(yù)測等。

　　3. 語音識別：傳統(tǒng)AI技術(shù)被用于開發(fā)語音助手，如蘋果的Siri、谷歌的Google Assistant，它們能夠識別并執(zhí)行用戶的語音命令。

　　生成式AI的應(yīng)用

　　生成式AI因其獨特的創(chuàng)造能力，應(yīng)用于許多創(chuàng)意和生成任務(wù)中。以下是幾個主要應(yīng)用：

　　1. 內(nèi)容生成：生成式AI可以用來創(chuàng)作新的文本內(nèi)容、故事、文章，甚至是新聞報道。比如，OpenAI的GPT-3能夠根據(jù)輸入的提示生成高質(zhì)量的文章。

　　2. 藝術(shù)創(chuàng)作：生成式AI能創(chuàng)作新的音樂、繪畫、視頻等。例如，GANs可以生成新的藝術(shù)作品，甚至模仿著名藝術(shù)家的風(fēng)格。

　　3. 游戲設(shè)計：生成式AI可以創(chuàng)建新的游戲角色、場景和劇情，提高游戲的多樣性和趣味性。

　　傳統(tǒng)AI的發(fā)展歷程

　　傳統(tǒng)AI的發(fā)展可以追溯到20世紀(jì)50年代。1956年達(dá)特茅斯會議被認(rèn)為是AI誕生的標(biāo)志，科學(xué)家們開始探討如何讓機器具備智能。

　　20世紀(jì)80年代：專家系統(tǒng)是早期的AI應(yīng)用，專家系統(tǒng)使用規(guī)則庫和推理引擎來模擬人類專家的決策過程。

　　2000年代：機器學(xué)習(xí)的興起隨著計算能力的提升和數(shù)據(jù)的爆炸式增長，機器學(xué)習(xí)算法得到了廣泛應(yīng)用。

　　生成式AI的發(fā)展歷程

　　生成式AI的發(fā)展相對較新，以下是幾個重要的里程碑：

　　2014年：GANs的提出：Ian Goodfellow提出了生成對抗網(wǎng)絡(luò)（GANs），這是生成式AI的重要突破，它能夠生成非常逼真的圖像和視頻。

　　2017年：Transformer模型：由谷歌提出的Transformer模型為生成式AI的發(fā)展奠定了基礎(chǔ)，特別是在自然語言處理領(lǐng)域。

　　2020年：GPT-3的發(fā)布：OpenAI發(fā)布了GPT-3，這是一個擁有1750億參數(shù)的語言模型，能夠生成高質(zhì)量的文本，標(biāo)志著生成式AI的一個重要里程碑。

　　傳統(tǒng)AI的能力范圍

　　傳統(tǒng)AI擅長解決特定領(lǐng)域的問題，例如分類和回歸，傳統(tǒng)AI能夠通過學(xué)習(xí)歷史數(shù)據(jù)，進(jìn)行分類和回歸任務(wù)，如圖像分類、語音識別、預(yù)測房價等。

　　模式識別：它能夠識別和提取數(shù)據(jù)中的模式和特征，廣泛應(yīng)用于圖像處理、語音處理等領(lǐng)域。

　　自動化決策：傳統(tǒng)AI可以在預(yù)設(shè)規(guī)則的基礎(chǔ)上，自動進(jìn)行決策，如信用評分、欺詐檢測等。

　　生成式AI的能力范圍

　　生成式AI的能力更加廣泛和靈活，主要能力包括：

　　內(nèi)容生成：生成式AI可以生成高質(zhì)量的文本、圖像、音樂等內(nèi)容。比如，ChatGPT可以寫故事、回答問題；GANs可以生成逼真的人臉圖像。

　　模擬和預(yù)測：它能夠模擬復(fù)雜系統(tǒng)并進(jìn)行預(yù)測，如天氣預(yù)報、市場趨勢預(yù)測等。

　　增強創(chuàng)意：生成式AI可以幫助藝術(shù)家和設(shè)計師創(chuàng)作出新的藝術(shù)作品，提供創(chuàng)意靈感。

　　這里要特別注意的是，并非傳統(tǒng)的AI的發(fā)展?jié)摿鸵欢ㄐ∮谏墒紸I，兩者就像是不同技術(shù)能力在不同場景下的應(yīng)用，只要選擇正確、合適，就可以很好的解決問題。

　　“實際上一款應(yīng)用，如果本身解決的是復(fù)雜場景、復(fù)雜問題，那一定是新老技術(shù)范式集大成者。 舉個例子：金融企業(yè)的客服機器人，對可控性要求極高。大模型生成的內(nèi)容是不可以直接面客的，必須用人工配置好的話術(shù)?？梢允荝NN、Bert等模型做分類、向量檢索，也可以是老一代的專家系統(tǒng)。”

　　上段文字來自群聊中于長弘老師（追一科技產(chǎn)品中心負(fù)責(zé)人、前同程藝龍產(chǎn)品總監(jiān)，公眾號：弘觀AI）

　　傳統(tǒng)AI的未來發(fā)展

　　傳統(tǒng)AI仍然在不斷發(fā)展，未來潛在方向包括：

　　1. 更高的準(zhǔn)確性和效率：隨著算法的改進(jìn)和計算能力的提升，傳統(tǒng)AI在分類和預(yù)測任務(wù)中的準(zhǔn)確性和效率將進(jìn)一步提高。

　　2. 更廣泛的應(yīng)用：傳統(tǒng)AI將應(yīng)用于更多領(lǐng)域，如智能制造、智慧城市、自動駕駛等，進(jìn)一步改變我們的生活方式。

　　3. 與其他技術(shù)的融合：傳統(tǒng)AI將與物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術(shù)相結(jié)合，形成更加智能的系統(tǒng)。

　　生成式AI的未來發(fā)展

　　生成式AI具有巨大的潛力，未來的幾個潛力方向：

　　1. 更強的生成能力：生成式AI將能夠生成更加復(fù)雜和高質(zhì)量的內(nèi)容，如更加逼真的虛擬世界、更加細(xì)膩的藝術(shù)作品等。

　　2. 跨領(lǐng)域應(yīng)用：生成式AI將應(yīng)用于更多領(lǐng)域，如教育、醫(yī)療、娛樂等，提供個性化和創(chuàng)新的解決方案。

　　3. 與人類合作：生成式AI將成為人類創(chuàng)意工作的重要助手，幫助人類實現(xiàn)更多創(chuàng)意想法和創(chuàng)新突破。

　　再通過幾個案例理解一下生成式AI和傳統(tǒng)AI的區(qū)別：

　　案例1：寫作助手

　　傳統(tǒng)AI的智能寫作助手，如早期的文本糾錯工具，它們主要依靠預(yù)設(shè)的語法規(guī)則和詞典來進(jìn)行工作。如果你寫錯了一個單詞或用了錯誤的語法，它們會提示你進(jìn)行修改。但是，這種工具的能力有限，無法理解復(fù)雜的上下文，也不能生成有創(chuàng)意的內(nèi)容。

　　生成式AI的智能寫作助手，如GPT-4，可以根據(jù)上下文生成高質(zhì)量的文本內(nèi)容。比如，你可以讓GPT-4幫助你寫一篇關(guān)于環(huán)保的文章，它不僅能理解你的要求，還能生成流暢、有邏輯的段落，甚至可以提供一些創(chuàng)新的觀點和見解。

　　案例2：智能客服

　　傳統(tǒng)AI的智能客服主要通過預(yù)設(shè)的問答對來回答用戶的問題。如果用戶的問題在預(yù)設(shè)的范圍內(nèi)，智能客服可以快速、準(zhǔn)確地回答。但是，如果問題超出了預(yù)設(shè)范圍，智能客服就會無能為力。

　　生成式AI的智能客服，如基于GPT-3的客服系統(tǒng)，可以理解和回答更復(fù)雜的問題。即使用戶的問題沒有在預(yù)設(shè)范圍內(nèi)，生成式AI也能根據(jù)學(xué)習(xí)到的大量信息，生成合適的回答。這使得用戶體驗更加自然和流暢。

　　案例3：醫(yī)療診斷

　　傳統(tǒng)AI在醫(yī)療診斷中的應(yīng)用主要是通過大量的醫(yī)學(xué)影像和病歷數(shù)據(jù)進(jìn)行訓(xùn)練，幫助醫(yī)生識別和診斷疾病。比如，傳統(tǒng)AI可以通過學(xué)習(xí)大量的X光片，幫助醫(yī)生識別早期的肺癌。

　　生成式AI在醫(yī)療中的應(yīng)用更加廣泛和靈活。除了識別和診斷疾病，它還能生成個性化的治療方案，甚至模擬藥物的作用機制，幫助醫(yī)生進(jìn)行復(fù)雜的醫(yī)學(xué)研究和決策。

　　為了區(qū)分生成式AI和傳統(tǒng)AI。從技術(shù)角度、應(yīng)用角度、發(fā)展歷程、能力范圍以及未來發(fā)展?jié)摿@五個方面進(jìn)行了解析，希望能幫助大家更好地理解這兩種AI技術(shù)的區(qū)別~

　　專欄作家

　　杜昭，微信公眾號：AI與用戶體驗，人人都是產(chǎn)品經(jīng)理專欄作者，實戰(zhàn)派設(shè)計師，目前在某手機公司負(fù)責(zé)手機OS交互設(shè)計，所負(fù)責(zé)產(chǎn)品覆蓋用戶數(shù)億，主要研究AI與人機交互設(shè)計的融合及人因?qū)W對用戶體驗的影響。

　　本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

　　題圖來自 Unsplash，基于 CC0 協(xié)議。

　　該文觀點僅代表作者本人，人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。