一文了解“决策式AI”和“生成式AI”

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？决策式AI和生成式AI的发展前景如何？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AI VS 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

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

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

决策式AI的优质落地领域

1、金融领域：

• 风险评估：决策式AI可以处理大量数据，快速准确地评估借款人的信用风险，为金融机构提供决策支持。
• 信贷审批：通过分析借款人的历史记录、财务状况等信息，决策式AI可以自动化地完成信贷审批流程，提高审批效率。
• 投资建议：基于市场数据和投资者偏好，决策式AI可以提供个性化的投资建议，帮助投资者做出更明智的投资决策。

2、教育领域：

• 个性化教学：通过分析学生的学习数据，决策式AI可以为教师提供个性化的教学方案，帮助学生更好地掌握知识。
• 评估与反馈：决策式AI可以自动化地评估学生的作业和试卷，为教师提供及时的反馈，减轻教师的工作负担。

3、供应链管理：

• 市场需求预测：通过分析历史销售数据和市场趋势，决策式AI可以预测未来市场需求，帮助企业制定合理的库存和生产计划。
• 库存优化：决策式AI可以实时跟踪库存情况，根据市场需求和销售预测调整库存水平，避免库存积压或短缺。

4、机器人与自动驾驶：

• 路径规划：决策式AI可以帮助机器人和自动驾驶汽车规划最优路径，避免障碍物和交通拥堵。
• 目标识别与决策控制：决策式AI可以实时识别目标并作出决策，控制机器人和自动驾驶汽车的行驶轨迹和速度。

5、人脸识别：

• 安全验证：在安全领域，决策式AI可以通过人脸识别技术进行身份验证和门禁控制。
• 犯罪预防：在公共安全领域，决策式AI可以通过人脸识别技术协助警方追踪犯罪嫌疑人。

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

1、医疗健康：

• 疾病诊断：生成式AI可以帮助医生进行疾病诊断，提供可能的诊断结果和初步的治疗建议。
• 患者教育：生成式AI可以为患者提供疾病预防和自我管理等方面的信息，提高患者的健康素养。

2、媒体与娱乐：

• 内容创作：生成式AI可以基于特定主题或要求创作新闻文章、故事、广告文案等内容，降低内容创作成本。
• 个性化推荐：通过分析用户的兴趣和历史行为，生成式AI可以为用户提供个性化的音乐、电影、书籍等娱乐内容推荐。

3、设计与创新：

• 工业设计：生成式AI可以辅助设计师快速生成多种设计方案，提高设计效率和创新性。
• 建筑设计：生成式AI可以根据用户需求和环境条件生成建筑方案，为建筑设计师提供灵感和参考。

4、程序代码生成：

• 自动编程：生成式AI可以根据自然语言的需求描述直接生成代码片段，为开发者提供便利。
• 软件测试：生成式AI可以自动生成测试用例和测试数据，提高软件质量和测试效率。

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发展前景

1、市场增长迅速：

根据相关数据，决策类人工智能市场规模在过去几年实现了快速增长。截至2022年，决策类人工智能市场规模达532亿元，2018-2022年均复合增长率实现48.64%。预计2023年决策类人工智能市场规模将达到724亿元。这一增长趋势表明，决策式AI在帮助企业提高决策效率、优化资源配置等方面具有巨大潜力，市场对其需求将持续增加。

2、应用场景广泛：

决策式AI通过模拟人类的决策过程，为决策者提供数据分析和预测，帮助制定科学、合理、有效的决策。其应用场景涵盖了金融、医疗、物流、能源等多个领域。随着技术的不断进步和数据的不断积累，决策式AI将在更多领域得到应用，为企业创造更多价值。

3、技术创新推动发展：

决策式AI的发展离不开技术创新。随着机器学习、深度学习等技术的不断发展，决策式AI在数据分析、预测模型构建等方面的能力将得到进一步提升。同时，随着云计算、大数据等技术的普及，决策式AI将能够处理更大规模的数据，提高决策效率和准确性。

生成式AI发展前景

1、技术突破与普及：

生成式AI在文本、图像、音频、视频等多种内容生成方面取得了显著进展。以ChatGPT为代表的生成式AI技术已经成为全球科技热点。随着技术的不断突破和普及，生成式AI将在更多领域得到应用，如内容创作、虚拟助手、智能客服等。

2、应用前景广阔：

生成式AI能够创造新的原创内容，为内容创作者提供更多灵感和创意。同时，它还可以为企业提供定制化、个性化的内容生成服务，满足用户的多样化需求。在未来，生成式AI有望在教育、娱乐、广告等多个领域发挥重要作用，为人们带来更加丰富、便捷的体验。

3、挑战与机遇并存：

生成式AI的发展也面临着一些挑战，如数据隐私、版权保护、伦理道德等问题。然而，这些挑战也为生成式AI的发展提供了机遇。随着相关法规的完善和技术的发展，生成式AI将在保障用户权益、促进内容创新等方面发挥更加积极的作用。

总结

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。