AIGC作為一個正在快速發(fā)展的新興技術(shù),與傳統(tǒng)AI技術(shù)在多個方面有很大的不同。本節(jié)將解析兩者的區(qū)別主要體現(xiàn)在以下六個方面:
(1)處理的數(shù)據(jù)類型不同
AIGC主要是面向非結(jié)構(gòu)化數(shù)據(jù)的生成,如自然語言文本、圖像、音頻、視頻等數(shù)據(jù)，這類數(shù)據(jù)往往規(guī)模更大,內(nèi)在結(jié)構(gòu)更復(fù)雜。比如,扶搖AI助手可以允許用戶上傳大規(guī)模的自定義數(shù)據(jù)訓(xùn)練,進(jìn)行垂直領(lǐng)域的問答服務(wù)。而傳統(tǒng)AI技術(shù)處理的則主要是結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫中的文本或數(shù)字信息,其結(jié)構(gòu)和類型是預(yù)定義的,復(fù)雜度相對較低。非結(jié)構(gòu)化數(shù)據(jù)帶來的處理難題推動了AIGC技術(shù)的進(jìn)步。
(2)目標(biāo)任務(wù)的側(cè)重點不同
AIGC技術(shù)主要關(guān)注如何自動生成新的內(nèi)容,如創(chuàng)作新的文章、圖像、音樂等。因此它的核心在于構(gòu)建高質(zhì)量的生成模型。而傳統(tǒng)AI技術(shù)更側(cè)重分析預(yù)測類任務(wù),如圖像分類、語音識別、故障診斷等,其目標(biāo)在于構(gòu)建精確的決策模型。
(3)系統(tǒng)設(shè)計思路迥異
由于目標(biāo)任務(wù)不同,AIGC和傳統(tǒng)AI在系統(tǒng)設(shè)計上也有很大區(qū)別。AIGC強(qiáng)調(diào)通過訓(xùn)練構(gòu)建一個能夠高質(zhì)量輸出內(nèi)容的生成器,即生成模型。而傳統(tǒng)AI需要設(shè)計一個能夠做出正確決策的決策模型,通常需要人工提取特征和規(guī)則。兩者系統(tǒng)思路有很大差異。
(4)算法技術(shù)路線不同
AIGC領(lǐng)域廣泛采用了深度神經(jīng)網(wǎng)絡(luò)尤其是對抗生成網(wǎng)絡(luò)(GAN)等深度生成模型。這些模型能夠處理復(fù)雜非結(jié)構(gòu)化數(shù)據(jù),進(jìn)行特征學(xué)習(xí)和內(nèi)容生成。而傳統(tǒng)AI算法更多依賴于基于規(guī)則和人工特征工程的方法,如決策樹、貝葉斯分類等。兩者技術(shù)路線可以說是完全不同的。
(5)應(yīng)用場景側(cè)重點有差異
AIGC技術(shù)目前主要服務(wù)于創(chuàng)作類任務(wù),如自動寫作、創(chuàng)作音樂、生成圖像等,可廣泛應(yīng)用于娛樂、內(nèi)容生產(chǎn)等領(lǐng)域。而傳統(tǒng)AI技術(shù)應(yīng)用范圍更為廣泛,像搜索推薦、圖像識別、預(yù)測分析等都有成功應(yīng)用。AIGC與傳統(tǒng)AI應(yīng)用領(lǐng)域上也存在一定的差異。
(6)數(shù)據(jù)要求存在區(qū)別
AIGC模型訓(xùn)練往往需要大規(guī)模高質(zhì)量數(shù)據(jù)。以文本生成為例,它需要海量高質(zhì)文本來訓(xùn)練語言模型。而很多傳統(tǒng)AI模型即使在小數(shù)據(jù)集下也可以表現(xiàn)不錯,如基于規(guī)則的專家系統(tǒng)。兩者對數(shù)據(jù)集規(guī)模的要求也存在一定區(qū)別。
從技術(shù)范式到應(yīng)用領(lǐng)域,AIGC與傳統(tǒng)AI技術(shù)可以說存在顯著差異。AIGC是在深度學(xué)習(xí)時代快速崛起的新興技術(shù)方向,誕生了諸多創(chuàng)新的如扶搖AI助手這樣的智能問答應(yīng)用。而傳統(tǒng)AI技術(shù)發(fā)展時間更長,應(yīng)用范圍也更為廣泛。兩者在推動AI發(fā)展過程中各有側(cè)重,但都充滿革新活力,正在創(chuàng)造新的應(yīng)用機(jī)會,共同推動著AI技術(shù)的進(jìn)步。
