Traditionel AI vs Generativ AI – KDnuggets

Billede af forfatter
 

'Generativ AI' er det næste buzzword, der går rundt i øjeblikket. Uanset hvilken sektor du arbejder i, har du helt sikkert hørt ordet. Det har alene i de sidste 6 måneder vist os de betydelige fremskridt inden for kunstig intelligens (AI). Det har omformet forskellige industrier, og alle vil gerne have fingrene i det. 

For nogle af jer kender I måske ikke rigtig forskellen mellem undergrupperne af AI, og dette er pointen med denne artikel. 

For at rydde op for dig.

Traditionel kunstig intelligens – en del af kunstig intelligens, som flertallet af ikke-teknisk indstillede mennesker kender. Også kendt som Narrow eller Weak AI, den traditionelle form for AI fokuserer på at udføre en specifik opgave på en intelligent måde. 

Så det, vi kender til traditionel AI, er stemmeassistenter som Siri og Alexa, der er designet til at reagere på et input og producere et output. Den måde, hvorpå dette kan lade sig gøre, er ved at disse AI-systemer lærer af data, karakteristika og mere til at træffe beslutninger og forudsigelser.  

Tænk på, når du spiller computerskak. Computeren opstiller ikke bare regler, som den går, den kender alle reglerne og bruger dette til at tage sit næste træk. Det er en foruddefineret strategi. 

Strategi. Det er det, traditionel AI er baseret på. Den træffer sine beslutninger ved hjælp af et bestemt sæt regler, som den falder tilbage på hver gang. 

Den modtager et input og producerer et output – baseret på regler, ikke ved at skabe regler. 

Nu til buzzwordet 'Generativ AI'. Som du kan forestille dig, har jeg understreget, at Traditionel AI er baseret på regler og ikke kan skabe noget nyt. Så hvor efterlader det Generative AI?

Ja du har ret. Generativ AI har evnen til at skabe noget nyt. Ligesom traditionel AI har generativ AI lært en masse data og bruger dette til at træffe beslutninger og forudsigelser. Men snarere end at det er en simpel input- og outputproces. 

Generativ AI tager inputtet, forstår det og skaber noget nyt ved at bruge informationen fra inputtet. Den trænes på data og lærer de underliggende mønstre for at kunne generere nye data baseret på inputinformationen, der ligner træningsdataene. 

Indtil nu kan du bruge Generativ AI til at skabe output i forskellige former såsom tekst, billede og musik, samt bruge det til at hjælpe dig med opgaver såsom kodefuldførelse. 

Eksempler på generativ kunstig intelligens inkluderer GPT, Soundful, Synthesia og DALL-E 2.

Så hvad er forskellen mellem traditionel AI og generativ AI?

Mulighederne og applikationerne er den største forskel. 

Som jeg nævnte tidligere, er traditionel AI baseret på at modtage et input og producere et output. Inputdata analyseres og bruges til at træffe beslutninger og forudsigelser. Hvis du leder efter mønstergenkendelse, er traditionel kunstig intelligens din go-to. Traditionel AI er stadig meget populær og bruges til at drive mange nuværende AI-systemer, såsom chatbots og prædiktiv analyse. Den fokuserer på opgavespecifikke applikationer, som mange mennesker bruger til deres daglige opgaver. 

På den anden side vil generativ AI gå ud over og skabe nye data, som ligner træningsdata. Hvis du leder efter mønsterskabelse, er generativ kunstig intelligens dit valg. Generativ kunstig intelligens åbner nye døre for virksomheder til at være mere kreative og innovative. Det kan drastisk reducere mængden af ​​tid brugt på opgaver såsom idéprocessen. Det kan skrive sangtekster, skrive artikler og skabe deepfakes. Hvor skabelse og innovation er vigtige, har generativ kunstig intelligens et stort potentiale for at tage det til næste niveau. 

For at afslutte denne generelle artikel om traditionel AI og generativ AI, skal du forstå, at deres funktioner ikke kan flettes sammen endnu. For eksempel kan generativ kunstig intelligens bruges sammen med traditionel kunstig intelligens for at give mere effektive løsninger. På den anden side kan traditionel AI give et specifikt output, der kan analyseres yderligere for at skabe personligt indhold ved hjælp af generativ AI. 

Det er vigtigt at forstå forskellen mellem de to og deres specifikke rolle i AI-verdenen. De former begge vores fremtid og er begge højt omfavnet i dagens samfund. 

Du ved, at du forstår de tos unikke egenskaber og vil komme til at nyde turen, mens de fortsætter med at være innovative.
 
 
Nisha Arya er dataforsker, freelance teknisk skribent og Community Manager hos KDnuggets. Hun er særligt interesseret i at give Data Science karriererådgivning eller tutorials og teoribaseret viden omkring Data Science. Hun ønsker også at udforske de forskellige måder, kunstig intelligens er/kan gavne menneskets levetid. En ivrig lærende, der søger at udvide sin tekniske viden og skrivefærdigheder, samtidig med at hun hjælper med at vejlede andre.
 

• SEO Powered Content & PR Distribution. Bliv forstærket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk dig selv. Adgang her.
• PlatoAiStream. Web3 intelligens. Viden forstærket. Adgang her.
• PlatoESG. Kulstof, CleanTech, Energi, Miljø, Solenergi, Affaldshåndtering. Adgang her.
• PlatoHealth. Bioteknologiske og kliniske forsøgs intelligens. Adgang her.
• Kilde: https://www.kdnuggets.com/traditional-ai-vs-generative-ai?utm_source=rss&utm_medium=rss&utm_campaign=traditional-ai-vs-generative-ai