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。今天作者要詳細探討生成式AI和傳統(tǒng)AI。通過技術角度、應用角度、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。

一、技術角度

傳統(tǒng)AI基于規(guī)則和數(shù)據(jù)

傳統(tǒng)AI也叫做“規(guī)則驅動的AI”或“判別式AI”，主要依靠預設的規(guī)則和大量的訓練數(shù)據(jù)來工作。

它的核心思想是通過大量的數(shù)據(jù)進行訓練，讓模型學會從數(shù)據(jù)中提取特征，然后根據(jù)這些特征進行分類或預測。傳統(tǒng)AI包括各種機器學習算法，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注好的貓和狗的圖片。AI會通過學習這些圖片的特征（比如貓的尖耳朵、狗的圓鼻子）來進行分類。

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

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

二、應用角度

傳統(tǒng)AI的應用

傳統(tǒng)AI廣泛應用于各種需要精確分類和預測的領域。以下是幾個主要應用：

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

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

3. 語音識別：傳統(tǒng)AI技術被用于開發(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的應用

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

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量的文章。

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

3. 游戲設計：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。

三、發(fā)展歷程

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50年代。1956年達特茅斯會議被認為是AI誕生的標志，科學家們開始探討如何讓機器具備智能。

20世紀80年代：專家系統(tǒng)是早期的AI應用，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：機器學習的興起隨著計算能力的提升和數(shù)據(jù)的爆炸式增長，機器學習算法得到了廣泛應用。

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（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，特別是在自然語言處理領域。

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，能夠生成高質量的文本，標志著生成式AI的一個重要里程碑。

四、能力范圍

傳統(tǒng)AI的能力范圍

傳統(tǒng)AI擅長解決特定領域的問題，例如分類和回歸，傳統(tǒng)AI能夠通過學習歷史數(shù)據(jù)，進行分類和回歸任務，如圖像分類、語音識別、預測房價等。

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

自動化決策：傳統(tǒng)AI可以在預設規(guī)則的基礎上，自動進行決策，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。

模擬和預測：它能夠模擬復雜系統(tǒng)并進行預測，如天氣預報、市場趨勢預測等。

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

五、未來發(fā)展?jié)摿?/h2>

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能力在不同場景下的應用，只要選擇正確、合適，就可以很好的解決問題。

“實際上一款應用，如果本身解決的是復雜場景、復雜問題，那一定是新老技術范式集大成者。 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。可以是RNN、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)品中心負責人、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. 更高的準確性和效率：隨著算法的改進和計算能力的提升，傳統(tǒng)AI在分類和預測任務中的準確性和效率將進一步提高。

2. 更廣泛的應用：傳統(tǒng)AI將應用于更多領域，如智能制造、智慧城市、自動駕駛等，進一步改變我們的生活方式。

3. 與其他技術的融合：傳統(tǒng)AI將與物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等技術相結合，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將能夠生成更加復雜和高質量的內(nèi)容，如更加逼真的虛擬世界、更加細膩的藝術作品等。

2. 跨領域應用：生成式AI將應用于更多領域，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，它們主要依靠預設的語法規(guī)則和詞典來進行工作。如果你寫錯了一個單詞或用了錯誤的語法，它們會提示你進行修改。但是，這種工具的能力有限，無法理解復雜的上下文，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)上下文生成高質量的文本內(nèi)容。比如，你可以讓GPT-4幫助你寫一篇關于環(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設的問答對來回答用戶的問題。如果用戶的問題在預設的范圍內(nèi)，智能客服可以快速、準確地回答。但是，如果問題超出了預設范圍，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雜的問題。即使用戶的問題沒有在預設范圍內(nèi)，生成式AI也能根據(jù)學習到的大量信息，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)療診斷中的應用主要是通過大量的醫(yī)學影像和病歷數(shù)據(jù)進行訓練，幫助醫(yī)生識別和診斷疾病。比如，傳統(tǒng)AI可以通過學習大量的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)生進行復雜的醫(yī)學研究和決策。

為了區(qū)分生成式AI和傳統(tǒng)AI。從技術角度、應用角度、發(fā)展歷程、能力范圍以及未來發(fā)展?jié)摿@五個方面進行了解析，希望能幫助大家更好地理解這兩種AI技術的區(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)派設計師，目前在某手機公司負責手機OS交互設計，所負責產(chǎn)品覆蓋用戶數(shù)億，主要研究AI與人機交互設計的融合及人因學對用戶體驗的影響。

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。