$商汤-W(HK|00020)$ 生成式AI与传统人工智能相比，主要存在以下几个方面的区别：
1.目标不同。传统人工智能的主要目标是通过训练数据来学习规律并做出预测或分类等决策；而生成式AI的目标是生成新的、具有创造性的内容，如图像、音乐、文本等。例如，一个传统的图像识别系统可能被训练来识别特定的物体类别，而生成一个对抗网络（GAN）则可以被用来创造全新的、逼真的图像。
2.学习方式与能力不同。传统的人工智通常依赖于专家知识或编程指令来执行特定任务，并且其性能受限于训练数据的范围和质量；相比之下，生成式AI具备更强的自主学习和适应能力，即使面对从未见过的数据类型也能通过分析类似数据进行学习处理这种新类型的数据。此外，它还展现出从无到有的创造能力——在接收到指令信息后能够产生出并非简单复制自数据库而是经过创造性再创作的内容。
3.工作方式与输出结果不同。在工作方式上, 传统人工智能常采用监督学习等方法进行训练和预测；然而生成式 AI 则利用诸如 GANs 或 VAEs 等技术来生成全新内容。 输出结果方面也存在显著差异: 普通 AI 往往提供分类结果或者决策建议; 而对于生成式 AI 来说, 其输出则是一些前所未见且富有创意性元素(比如画作), 这些都源于它们在学习过程中所掌握到的模式和规律。
4.对标注数据和通用性的需求差异。以往模型机器需要大量人力参与将数据进行“打上标签”后再喂给机器学习使用；但现如今随着基础算法支撑下发展起来各种先进算法使得机器可以在海量未标记数据集上进行无监督预训练——“自己教自己”。这降低了对标注数据依赖程度同时也提高了效率及效果。另外值得注意一点就是走向通用化趋势日益明显 , 即用一个模型去处理多种不同类型任务而非仅限于单一应用场景 ( 如人脸识别 )。
5.应用领域潜力巨大。除了上述提及图像处理领域外还有自然语言处理 、游戏设计 、艺术创作等诸多领域都可以看到它身影， 为人类创造出全新体验和可能性。
本文作者可以追加内容哦 !
