第一生活网

生成式AI爆发时代,决策式AI“不香了”?

丁安星
导读 2022年12月,ChatGPT3 5的发布引发了全球范围内对大模型的广泛关注,2023年2月国内高校率先发布产品,2023年6月开始国内涌现出众多的通用大

2022年12月,ChatGPT3.5的发布引发了全球范围内对大模型的广泛关注,2023年2月国内高校率先发布产品,2023年6月开始国内涌现出众多的通用大模型和垂类大模型,目前国内大模型产业呈现出“百模大战”的竞争格局。

大模型热引发了全球范围内对生成式AI的广泛关注,在生成式AI大爆发的时代,决策式AI是否会被替代?是否所有的行业都值得用生成式AI再做一遍?生成式AI在垂类行业中的技术落地是否会出现“水土不服”?决策式AI和生成式AI的商业落地场景能为下游客户创造哪些商业价值?

这些问题的答案,需要从两类技术的本质出发,结合行业特性、市场需求和未来趋势进行综合考量。

决策式AIVS 生成式AI

决策式人工智能也称为判别式AI,是指利用人工智能技术来辅助或自动化决策过程的一系列方法和系统,决策式人工智能识别数据中的隐藏规律,指导基于数据洞察的决策过程,并解决与核心业务运营密切相关的问题。

生成式人工智能是指基于生成对抗网络、大型预训练模型等人工智能的技术方法,通过已有数据的学习和识别,以适当的泛化能力生成文本、图片、代码、音频和视频等相关内容的技术。整体来看,决策式AI和生成式AI在技术路径、作用机制和应用方向等方面存在差异。

在技术路径方面:决策式AI是一种用于决策的技术,它利用机器学习、深度学习和计算机视觉等技术来处理专业领域的问题,并帮助企业和组织优化决策。其技术路径是“对已有数据“打标签”,从而对不同类别的数据做区别,比如将图像区分为猫和狗。生成式AI是一种用于自动生成新内容的AI技术,使用语言模型、图像模型和深度学习等技术,自动生成新的文本、图片、音频和视频内容。其技术路径为分析归纳已有数据后创作新的内容,比如生成猫和狗的图像。

图:决策式AI和生成式AI技术路径差异

(图片来源:亿欧智库)

在作用机制方面:决策式AI通过学习数据中的条件概率分布,通过决策式模型输出数据判定结果。生成式AI通过学习数据中的联合概率分布,依托生成式模型学习非结构化内容后输出新内容。

图:决策式AI和生成式AI作用机制差异

(图片来源:亿欧智库)

在应用方向方面:决策式AI能够识别数据中的隐藏规律,指导基于数据洞察的决策过程,在人脸识别、智能推荐、自动驾驶和智能风控等方向应用广泛。生成式AI通过模型训练能够根据用户需求生成内容,文本生成、图像生成、代码生成和视频生成为主要应用方向。

图:决策式AI和生成式AI应用场景差异

(图片来源:亿欧智库)

决策式AI的优质落地领域

决策式AI的布署相对于生成式AI训练速度更快,能够针对具体场景进行精细化的调整和优化,实现场景快速落地和准确结果预测,适合对特定任务进行快速优化和部署的环节。不同行业中均有决策式AI落地的场景,比如金融行业中的智能风控、智能推荐和人脸识别,工业中的智能质检、智能调度和智慧排产,交通运输行业中的自动驾驶和供应链优化。

以工业为例,在生成式AI出现之前,决策式AI已在工业场景中广泛落地,帮助下游客户实现效率提升和成本优化的质变。在工业领域,生产制造是行业的核心环节,在该环节中决策式AI的分布远高于生成式AI,而在研发设计和经营管理等创造性较强的环节中生成式AI分布比例较高。比如在智能质检场景中,决策式AI能够从海量的工业产品图片数据中,学习产品的外观特征、质量标准和缺陷模式等关键信息,对新样本进行快速和准确的判断。因此在工业领域中,对于模型输出精度和响应速度要求相对较高的生产制造环节是决策式AI的优质落地领域。

图:决策式AI和生成式AI在工业领域的分布情况

(图片来源:腾讯研究院)

生成式AI的优质落地领域

生成式AI具有通用性、强计算能力和涌现性,适合综合型和创造类的应用场景。根据麦肯锡2023年6月发布的研究,对于不同的行业和不同的职能部门,生成式AI对其带来的影响有所差异。从行业来看,生成式AI为高新技术、银行、零售等行业带来的影响较大;从职能部门来看,营销、产品研发和软件工程是适合生成式AI落地的领域。

比如,在营销环节中,生成式AI可以帮助企业辅助或自动生成营销文案,并能根据用户画像和产品特征,生成不同语气、语言、文化理念和风格的营销文案,帮助企业实现降本增效。在产品研发环节中,生成式AI可以赋能医药和能源化工等行业,利用生成式AI的知识学习能力,帮助实现新药物和新材料的发现,有效提升企业研发效率。

图:生成式AI对不同行业和职能部门带来的影响

(图片来源:麦肯锡)

决策式AI和生成式AI的未来展望

展望未来,在短期内(2-3年),决策式AI和生成式AI将各自在其擅长的领域深化发展,决策式AI将进一步深化其在金融风控、工业质检、供应链管理等关键领域的应用,提高决策的精准度和效率;生成式AI将在内容创作、艺术设计、游戏开发等领域展现其创新潜力,不断推动个性化和多样化的体验。

长期来看,尽管生成式AI的快速发展可能在某些领域引发变革,但不会出现生成式AI对决策式AI的取代。相反我们更有可能看到的是它们之间的融合发展,决策式AI的分析能力和生成式AI的创造性将相互补充,共同构建更为复杂和高级的AI系统,推动社会向更加智能化的方向发展。

在当下,哪些行业适合落地决策式AI/生成式AI?决策式AI/生成式AI在哪些环节中能带来颠覆性变革?决策式AI/生成式AI为不同行业下游客户创造的价值如何?