生成式人工智能备受关注，但预测性人工智能仍然是主力

CIO2月3日报道，自ChatGPT于2022年11月发布以来，生成式人工智能（genAI）已成为企业首席执行官和董事会的重中之重。例如，普华永道的一份报告发现，84%的首席信息官预计在2024年使用genAI支持新的商业模型。毫无疑问，genAI是一项真正变革性的技术。但同样重要的是要记住，它只是人工智能的一种类型，而且并非是驱动每种用例的最佳技术。关于什么算作人工智能的概念会随着时间的推移而改变。五十年前，一个下井字棋的程序可能会被视为一种人工智能；而今天则不太可能。但总体而言，人工智能的历史可以分为三个不同的类别。

• 传统分析：组织在过去的四十年中一直在使用分析型商业智能（BI），但随着技术变得更为复杂和先进，名称变为分析。一般而言，分析会回顾过去以发现有关过去发生情况的见解。

• 预测性人工智能：这项技术是前瞻性的，分析过去的数据以发现预测性模式，然后使用当前数据提供关于未来发生情况的准确预测。

• 生成式人工智能：genAI分析内容 - 文本、图像、音频和视频 - 根据用户的规格生成新的内容。 Domino公司的首席运营官托马斯·罗宾逊表示：“我们与许多首席数据和人工智能官员（CAIOs）合作，大多数人看到生成式人工智能占用了15%的用例和模型。在以模型为驱动的业务中，预测性人工智能仍然是主力军，未来的模型可能将结合预测性和生成式人工智能。”

事实上，已经有预测性和生成式人工智能共同工作的用例，例如分析放射学图像以创建有关初步诊断的报告，或者挖掘股票数据以生成关于哪些股票可能在不久的将来上涨的报告。对于首席信息官和首席技术官来说，这意味着组织将需要一个用于开发完整人工智能的共同平台。完整的人工智能开发和部署不将人工智能的每种类型视为独立的实体，每种实体都有其自己的堆栈。确实，genAI可能需要更多的计算资源，某些环境中的性能可能需要通过加强网络来改善，但除非组织正在运行规模真正庞大的genAI部署，例如Meta或Microsoft，否则无需从头开始构建新的堆栈。

治理和测试的流程也无需完全重新发明。例如，由预测性人工智能驱动的抵押风险模型需要严格的测试、验证和持续监控，就像genAI的大型语言模型（LLMs）一样。当然，存在差异，例如genAI对“幻觉”的众所周知的问题。但一般来说，管理genAI风险的过程将与预测性人工智能的过程相似。Domino的Enterprise AI平台得到五分之一的财富100强公司的信任，用于管理人工智能工具、数据、培训和部署。通过这个平台，人工智能和MLOps团队可以从单一控制中心管理完整的人工智能 - 预测性和生成式的人工智能。通过将MLOps统一到一个平台下，组织可以实现完整的人工智能开发、部署和管理。

新闻来源：CIO   作者：Jeff Miller

编辑：Audrey Zhang

（声明：请读者严格遵守所在地法律法规，本文不代表任何投资建议）