AI模型通常可以分为两大类：决策式/分析式AI（Discriminant/Analytical AI）和生成式AI（Generative AI）。
决策式AI：
决策式AI主要学习数据中的条件概率分布，它通过对已有数据的分析、判断和预测，来辅助做出决策。这类AI模型的核心在于根据输入数据来做出判断或预测。它们通过识别输入特征和输出标签之间的关系，实现这一目标。
应用实例包括：
🔹推荐系统：分析用户的行为和偏好，推荐用户可能感兴趣的商品或内容。
🔹风险控制系统：评估贷款申请人的还款能力，判断交易是否存在欺诈风险。
🔹自动驾驶：分析传感器数据，决定车辆的转向、加速或刹车操作。
🔹机器人：根据传感器输入，决定如何移动或执行任务。
生成式AI：
与决策式AI不同，生成式AI主要学习数据中的联合概率分布。它不仅分析已有数据，还通过学习归纳这些数据，进行模仿式或缝合式的创作，生成全新的内容。生成式AI模型更注重于创造新的内容或数据，它们学习数据的内在分布，然后生成与训练数据相似但又不完全相同的新实例。
生成式AI的特点包括：
🔹能够生成文本、图像、音频和视频等多种类型的内容。
🔹可以模仿特定的风格或模式进行创作。
🔹在某些情况下，也能解决判别问题，但其强项在于创新和生成能力。
应用实例包括：
🔹文本生成：创作文章、诗歌、对话等文本内容。
🔹图像生成：制作艺术作品、设计图案、生成虚拟人脸等图像内容。
🔹音乐创作：生成新的旋律或整首曲目。
通过了解这两类AI模型的特点和应用，我们可以更好地理解和利用它们在实际场景中的潜力。