AI แบบดั้งเดิมเทียบกับ AI ทั่วไป - KDnuggets

AI แบบดั้งเดิมเทียบกับ AI ทั่วไป – KDnuggets

โหนดต้นทาง: 2893529

AI ดั้งเดิมกับ AI เจนเนอเรทีฟ
ภาพโดยผู้เขียน
 

'Generative AI' เป็นคำศัพท์ถัดไปที่กำลังเกิดขึ้นในขณะนี้ ไม่ว่าคุณจะทำงานในภาคส่วนใดก็ตาม คุณคงเคยได้ยินคำนี้อย่างแน่นอน มันแสดงให้เราเห็นความก้าวหน้าที่สำคัญของปัญญาประดิษฐ์ (AI) ในช่วง 6 เดือนที่ผ่านมา ได้พลิกโฉมอุตสาหกรรมต่างๆ และทุกคนก็อยากจะเข้ามามีส่วนร่วม 

สำหรับบางท่าน คุณอาจไม่ทราบถึงความแตกต่างระหว่างส่วนย่อยของ AI และนี่คือประเด็นของบทความนี้ 

เพื่อเคลียร์เรื่องให้คุณ

AI แบบดั้งเดิม – ส่วนหนึ่งของ AI ซึ่งคนส่วนใหญ่ที่ไม่เชี่ยวชาญด้านเทคนิครู้จัก AI แบบดั้งเดิมหรือที่รู้จักในชื่อ Narrow หรือ Weak AI มุ่งเน้นไปที่การปฏิบัติงานเฉพาะอย่างอย่างชาญฉลาด 

ดังนั้นสิ่งที่เรารู้เกี่ยวกับ AI แบบดั้งเดิมคือผู้ช่วยด้านเสียง เช่น Siri และ Alexa ที่ได้รับการออกแบบมาเพื่อตอบสนองต่ออินพุตและสร้างเอาต์พุต วิธีที่สามารถทำได้คือระบบ AI เหล่านี้เรียนรู้จากข้อมูล คุณลักษณะ และอื่นๆ เพื่อตัดสินใจและคาดการณ์  

ลองนึกถึงเมื่อคุณเล่นหมากรุกคอมพิวเตอร์ คอมพิวเตอร์ไม่เพียงแค่สร้างกฎขึ้นมาเท่านั้น แต่ยังรู้กฎทั้งหมดและใช้สิ่งนี้เพื่อดำเนินการต่อไป มันเป็นกลยุทธ์ที่กำหนดไว้ล่วงหน้า 

กลยุทธ์. นั่นคือสิ่งที่ AI แบบดั้งเดิมมีพื้นฐานมาจาก จะทำการตัดสินใจโดยใช้ชุดกฎเฉพาะที่ต้องใช้ซ้ำในแต่ละครั้ง 

รับอินพุตและสร้างเอาต์พุตตามกฎ ไม่ใช่โดยการสร้างกฎ 

ตอนนี้เข้าสู่คำศัพท์ 'Generative AI' อย่างที่คุณคงจินตนาการได้ ฉันเน้นย้ำว่า AI แบบดั้งเดิมนั้นมีพื้นฐานอยู่บนกฎเกณฑ์และไม่สามารถสร้างสิ่งใหม่ได้ แล้ว Generative AI จะไปไหนล่ะ?

ใช่คุณพูดถูก. Generative AI มีความสามารถในการสร้างสรรค์สิ่งใหม่ๆ เช่นเดียวกับ AI แบบดั้งเดิม generative AI ได้เรียนรู้ข้อมูลมากมาย และใช้ข้อมูลนี้ในการตัดสินใจและคาดการณ์ แต่แทนที่จะเป็นกระบวนการอินพุตและเอาท์พุตธรรมดา 

Geneative AI รับอินพุต ทำความเข้าใจ และสร้างสิ่งใหม่โดยใช้ข้อมูลจากอินพุต ได้รับการฝึกอบรมเกี่ยวกับข้อมูลและเรียนรู้รูปแบบพื้นฐานเพื่อให้สามารถสร้างข้อมูลใหม่ตามข้อมูลอินพุตที่คล้ายกับข้อมูลการฝึกอบรม 

ในปัจจุบัน คุณสามารถใช้ Generative AI เพื่อสร้างเอาต์พุตในรูปแบบต่างๆ เช่น ข้อความ รูปภาพ และเพลง รวมทั้งใช้เพื่อช่วยคุณในงานต่างๆ เช่น การเติมโค้ดให้สมบูรณ์ 

ตัวอย่างของ generative AI ได้แก่ GPT, Soundful, Synthesia และ DALL-E 2

แล้ว AI แบบดั้งเดิมและ AI เชิงกำเนิดแตกต่างกันอย่างไร?

ความสามารถและแอพพลิเคชั่นมีความแตกต่างที่สำคัญ 

ดังที่ได้กล่าวไปแล้ว AI แบบดั้งเดิมนั้นขึ้นอยู่กับการรับอินพุตและสร้างเอาต์พุต ข้อมูลอินพุตจะถูกวิเคราะห์และใช้ในการตัดสินใจและคาดการณ์ หากคุณกำลังมองหาการจดจำรูปแบบ AI แบบดั้งเดิมคือสิ่งที่คุณต้องทำ AI แบบดั้งเดิมยังคงได้รับความนิยมอย่างมาก และใช้เพื่อขับเคลื่อนระบบ AI ในปัจจุบันจำนวนมาก เช่น แชทบอทและการวิเคราะห์เชิงคาดการณ์ โดยมุ่งเน้นไปที่แอปพลิเคชันเฉพาะงาน ซึ่งผู้คนจำนวนมากใช้สำหรับงานประจำวันของตน 

ในทางกลับกัน generative AI จะก้าวไปไกลกว่านั้นและสร้างข้อมูลใหม่ ซึ่งคล้ายกับข้อมูลการฝึกอบรม หากคุณกำลังมองหาการสร้างรูปแบบ generative AI คือสิ่งที่คุณต้องทำ Generative AI กำลังเปิดประตูใหม่ให้บริษัทต่างๆ มีความคิดสร้างสรรค์และนวัตกรรมมากขึ้น สามารถลดระยะเวลาที่ใช้ในงานต่างๆ เช่น กระบวนการคิดได้อย่างมาก สามารถเขียนเนื้อเพลง เขียนบทความ และสร้าง Deepfakes ได้ ในกรณีที่การสร้างสรรค์และนวัตกรรมมีความสำคัญ แต่ generative AI ก็มีศักยภาพสูงที่จะยกระดับขึ้นไปอีกระดับ 

หากต้องการสรุปบทความทั่วไปเกี่ยวกับ AI แบบดั้งเดิมและ AI เชิงสร้างสรรค์ คุณต้องเข้าใจว่าฟังก์ชันของทั้งสองยังไม่สามารถเชื่อมโยงกันได้ ตัวอย่างเช่น generative AI สามารถใช้กับ AI แบบดั้งเดิมเพื่อมอบโซลูชันที่มีประสิทธิภาพมากขึ้น ในทางกลับกัน AI แบบดั้งเดิมสามารถให้ผลลัพธ์เฉพาะที่สามารถวิเคราะห์เพิ่มเติมเพื่อสร้างเนื้อหาส่วนบุคคลโดยใช้ generative AI 

การทำความเข้าใจความแตกต่างระหว่างทั้งสองและบทบาทเฉพาะของพวกเขาในโลกของ AI เป็นสิ่งสำคัญ พวกเขาทั้งคู่กำหนดอนาคตของเราและได้รับการยอมรับอย่างสูงในสังคมปัจจุบัน 

คุณรู้ว่าเข้าใจความสามารถเฉพาะตัวของทั้งสอง และจะเพลิดเพลินไปกับการขับขี่ในขณะที่พวกเขายังคงสร้างสรรค์นวัตกรรมต่อไป
 
 
ณิชา อารยา เป็นนักวิทยาศาสตร์ข้อมูล นักเขียนด้านเทคนิคอิสระ และผู้จัดการชุมชนที่ KDnuggets เธอสนใจเป็นพิเศษในการให้คำแนะนำด้านอาชีพของ Data Science หรือแบบฝึกหัดและความรู้ตามทฤษฎีเกี่ยวกับ Data Science นอกจากนี้ เธอยังต้องการสำรวจวิธีการต่างๆ ของปัญญาประดิษฐ์ที่สามารถเป็นประโยชน์ต่อการมีอายุยืนยาวของมนุษย์ ใฝ่เรียนรู้ ต้องการเพิ่มพูนความรู้ด้านเทคโนโลยีและทักษะการเขียน ในขณะที่ช่วยแนะนำผู้อื่น
 

ประทับเวลา:

เพิ่มเติมจาก KD นักเก็ต