Генеративный и аналитический ИИ. Сходства и различия
С анонсированием OpenAI в 2022 году ChatGPT многие компании сосредоточились на генеративном искусственном интеллекте. Это мощная и важная технология, которая принесет новые возможности для бизнеса и отраслевого развития. Однако существует более старая и зарекомендовавшая себя технология, которую называют аналитическим ИИ.
Несмотря на то, что в некоторых областях используют оба подхода, генеративный и аналитический ИИ имеют значительные различия.
Аналитический ИИ является технологией прогнозирования, предиктивной аналитикой, основанной на наборе статистических методов, таких как извлечение и обработка данных, машинное обучение и анализ фактов для прогнозирования будущих событий.
В бизнесе прогнозы используют для различных целей, от оценки кредитоспособности до выбора определенного сегмента аудитории для продвижения продукции. Государственные органы используют прогнозы в различных сферах, включая экономические показатели и градостроительство. Снижение стоимости прогнозов формирует новые области применения и новые приложения.
Генеративный ИИ – это технология создания контента с использованием нейронных сетей глубокого обучения для создания текста, изображений, видео, аудио или программного кода в ответ на запросы пользователя на естественном языке. При этом, генеративный ИИ не работает с типами данных, с которыми работает аналитический.
Различия между генеративной и аналитической ИИ описаны профессором Бэбсонского колледжа Т. Дэвенпортом и специалистом по технологиям в бизнес-стратегиях П. Хайем в статье Harvard Business Review от декабря 2024 года «Чем отличается генеративный и аналитический ИИ и когда использовать каждый из них». Они различаются по следующим критериям:
цели. Создание контента генеративным ИИ и составление прогнозов аналитическим;
возможности. Аналитические системы ИИ предназначены для эффективного решения задач прогнозирования. Генеративный ИИ не делает прогнозы, потому что не работает со статистическими методами;
алгоритмические методы. Аналитический ИИ использует различные алгоритмы машинного обучения и архитектуры нейронных сетей, адаптированные для решения конкретных задач. Модели обучаются на исторических данных и применяются для прогнозирования в реальном мире. Генеративный ИИ использует более сложные методы, такие как трансформаторные архитектуры, механизмы внимания и генеративно-состязательные сети для достижения желаемого результата. Эти модели создаются поставщиками и настраиваются компаниями-пользователями в связи с необходимостью в больших вычислительных мощностях и значительного объема данных;
данные. Аналитический ИИ основан на структурированных данных, то есть, это столбцы и строки с числами. Наиболее распространенная форма аналитического ИИ – обучение с учителем – требует размеченных данных. Генеративный ИИ использует текст, голос, изображения и другие неструктурированные последовательности данных;
рентабельность. Прогнозы аналитического ИИ помогают прогнозировать спрос, оптимизировать управление и выявлять рыночные тенденции. Это позволяет снижать затраты, эффективно распределять ресурсы и увеличивать доходы. Генеративный ИИ обеспечивает экономическую выгоду за счет снижения затрат на создание контента с учетом индивидуальных предпочтений.
Согласно мнению авторов, компаниям необходимо найти правильный баланс между использованием двух различных областей ИИ. Генеративный ИИ не требует специальных навыков и не создает препятствий для его использования. Для аналитического ИИ необходима техническая подготовка и опыт работы с большим объемом структурированных данных. Таким образом, в перспективе будут востребованы оба подхода, которые станут основой новых бизнес-стратегий, повысят производительность и эффективность решений.
