【我們想讓你知道】 近期人工智慧發展迅速，從判別式 AI 到生成式 AI，涵蓋了決策和創作。 這兩種 AI 技術在技術、應用和發展方向上存在顯著差異，你知道多少？ 現今大數據和大模型正在重新塑造 AI 的格局，對「企業」和「用戶」帶來了更多機會和挑戰，將成為你最好的工作夥伴！   文 / 丁磊《生成式人工智慧：AIGC 的邏輯與應用》     AI 模型分成 2 大類：判別式 AI 和生成式 AI 人工智慧可從不同的面向進行劃分，如果按其模型來劃分（人工智慧是由模型支撐的），可以分為判別式 AI 和生成式 AI。 判別式 AI (也被稱作決策式 AI )學習資料中的條件機率分布，即一個樣本歸屬於特定類別的機率，再對新的場景進行判斷、分析和預測。判別式 AI 有幾個主要的應用領域：人臉辨識、推薦系統、風控系統、其他智慧決策系統、機器人、自動駕駛。例如在人臉辨識領域，判別式 AI 對即時獲取的人臉圖像進行特徵資訊檢索，再與人臉資料庫中的特徵資料匹配，進而做到人臉辨識。再例如，判別式 AI 可以透過學習電商平台上蒐集使用者的消費行為數據，制訂最合適的推薦方案，盡可能提升平台交易量。 生成式 AI 則學習資料中的聯合機率分布，即資料中多個變數組成的向量的機率分布，對已有的資料進行總結歸納，並在此基礎上使用深度學習技術等，創作模仿式、縫合式的內容，相當於自動生成全新的內容。生成式 AI 可生成的內容形式十分多樣，包括文本、圖片、語音和影片等。例如，我們輸入一段小說情節的簡單描述，生成式 AI 便可以幫我們生成一篇完整的小說內容；再例如，生成式 AI 可以生成人物照片，而照片中的人物在現實世界中是完全不存在的。如圖 1-2，它展示的是國外一個網站生成的「不存在的人」的照片。 總結來說，不管是哪種類型的模型，它的基礎邏輯是一致的：AI 模型從本質上來說是一個函數，要想找到函數準確的運算式，只靠邏輯是難以推測的，這個函數其實是被訓練出來的。我們透過餵給機器已有的資料，讓機器從資料中尋找最符合資料規則的函數，所以當有新的資料需要進行預測或生成時，機器就能夠透過這個函數，預測或生成新資料所對應的結果。   判別式 AI 和生成式 AI 有什麼差異？ 判別式 AI 和生成式 AI 作為 AI 模型的兩個主要概念，顧名思義，在諸多方面都有相異之處。 從宏觀角度來看，判別式 AI 是一種用於決策的技術，它利用機器學習、深度學習和電腦視覺等技術來處理專業領域的問題，並幫助企業和組織優化決策；而生成式 AI 則是一種用於自動生成新內容的 AI 技術，它可以使用語言模型、圖像模型和深度學習等技術，自動生成新的文本、圖片、語音和影片內容。因此，判別式 AI 可以說是在對人類的決策過程進行模仿，但生成式 AI 就聚焦在創作新內容上。 而從微觀上看，這兩類技術的區別就更加明顯了，我們就從技術、發展程度、應用方向這 3 個角度來挖掘其深層次的不同 (表 1-1)。   從技術來看，判別式 AI 的主要工作是對已有資料「打標籤」，對不同類別的資料做辨別，最簡單的例子如區分貓和狗、草莓和蘋果等，做的主要是「判斷是不是」和「區分是這個還是那個」的工作。生成式 AI 就不一樣了，它會在歸納分析已有的資料後，再「創作」出新的內容，如在看了很多狗的圖片後，生成式 AI 再創作出一隻新的狗的圖片，實現「舉一反三」。 從發展程度看，判別式 AI 的應用更為成熟，已經在網際網路、零售、金融、製造等產業展開應用，大幅提升了企業的工作效率。而生成式 AI 的「年歲更小」，2014 年至今發展迅速，堪稱等比級數的倍數爆發，已在文本和圖片生成等廣泛應用。 從應用方向來看，判別式 AI 在人臉辨識、推薦系統、風控系統、機器人、自動駕駛中都已經有成熟的應用，非常貼近日常生活。生成式 AI 則在內容創作、人機互動、產品設計等領域展現出龐大潛力。   判別式 AI 技術如何應用於電商、自動駕駛領域？ 我們來舉一些生活中的例子，以更深入地了解兩者在日常生活中的應用。喜歡購物的讀者都知道，你在購買某一類產品後，購物平台會自動給你呈現諸多同類或相關商品。這件事的背後就是，電商平台會根據使用者常看的商品，分析用戶和商品的關聯，進而針對性地為使用者推薦內容，而這項功能就應用了判別式 AI 技術。 從 2003 年開始，亞馬遜就將此技術應用到了電商領域，推薦的商品精準地匹配用戶需求，可以大幅降低用戶的搜尋次數，並因此增加產品的銷售額。由此你可能會發現，平台似乎比你更清楚你需要什麼，自然而然，自己的消費金額也跟著增加了。平台憑藉這個功能，讓更多用戶心甘情願地掏了腰包，來獲取更大的商業價值。 根據產業數據統計，在亞馬遜的收入中約有 40% 來自個性化推薦系統，而推薦系統每年能給網飛 (Netflix) 帶來 10 億美元以上的產值。除了電商平台，新聞、音樂、視聽媒體等平台，也會利用個性化推薦系統為使用者推薦內容，在剖析使用者的長期興趣和短期興趣後，將精緻化內容推播給使用者，並可以透過對用戶的停留、觀看時間、點讚、收藏等行為特徵的即時分析，精準刻畫出使用者樣貌，減少人工營運的介入，顯著提升用戶黏著度，這已將人工智慧的價值凸顯無遺。 在自動駕駛領域，AI 可進行智慧分析、辨識路況，滲透率穩步提升。自動駕駛汽車可以借助判別式 AI 技術，分析判別各種路況，對多種物體進行辨識與追蹤，提升行車安全。無須人工干預的自動駕駛汽車雖然現在並不成熟，但隨著技術的持續升級，有望獲得更大的市場潛力。   生成式 AI 應用範圍廣泛，能勝任設計師、工程設計類工作 對於生成式 AI，ChatGPT 的出現讓我們對其有了衝擊式的關注和理解。因生成式 AI 功能強大、應用範圍廣泛，文本、圖片、視聽娛樂內容相關的從業者在面對「強大助手」上線時，也會感覺到焦慮，恐被其取代。 從可能性來講，它可以進行文字生成語音、圖像智慧編輯、影片智慧剪輯、文字續寫或糾錯等十分多樣的工作，讓大家擺脫機械性的勞動，把時間花在創意性工作上，給文字工作者、翻譯人員、插畫家、影片剪輯師等帶來極大的幫助。 不僅如此，生成式 AI 還能勝任部分由設計師、程式設計師甚至專業工程師從事的設計與程式設計類工作，在提升工作效率的同時讓這些專業人士更能發揮所長，減少在基本工作上的時間投入。與此同時，生成式 AI 對於從業人員的素質和技能，也提出了新的要求。 總結來說，判別式 AI 和生成式 AI 均可以協助使用者進行部分工作，如決策、創作內容等。可以說，人工智慧的合理利用有助於提升用戶體驗，幫助企業降低成本、增加效率，並抓住新的商業機會。 如前文所述，數據和模型分屬人工智慧產業的基礎層面和技術層面，無論是判別式 AI 還是生成式 AI 的應用都離不開數據和模型，下面我們進一步了解「大數據」和「大模型」是如何重塑人工智慧版圖的。 2023 年 AI 技術風起雲湧，本書案例詳解，從『用什麼去生成』、『生成什麼』、『做什麼事』的角度全面講解，這本書就是你的 AIGC 通行證。   本文摘自《生成式人工智慧：AIGC 的邏輯與應用》，作者： 丁磊、出版社：金尉 （圖：shutterstock，僅示意 / 責任編輯：林昕慧；內容純屬參考，並非投資建議，投資前請謹慎為上） ​