由 Simon 生成式AI炫目背后，谁在默默拯救生命？预测式AI已悄然变革医疗、防灾，突破性应用震撼人心，却被喧嚣掩盖！
# 生成式AI的华丽幻象：真正改变生活的，是预测式AI
2022年4月28日，在华盛顿州斯波坎市一场备受期待的演唱会上，音乐家保罗·麦卡特尼用一项突破性的人工智能应用震撼了全场：他与已故音乐伙伴约翰·列侬的逼真影像同台演出。
工程师们利用最新的音视频处理技术，提取了两人1969年在伦敦的最后一次演出录音，将列侬的声音和影像从原始混音中分离并修复，呈现出栩栩如生的清晰效果。当麦卡特尼和列侬仿佛跨越时空重聚时，全场寂静无声，许多观众潸然泪下。
同年晚些时候，另一项重大突破——AI对话——席卷全球。随着ChatGPT的发布，历史上首次出现了能够实时生成新颖、语境相关评论的系统，且几乎覆盖所有主题。数十亿人突然能够与AI互动，这激发了公众对AI潜能的无限想象，也引爆了创意、希望与恐惧的浪潮。
然而，这种炒作热潮导致了对AI本质及其能力边界的普遍误解。关键在于，生成式AI是一种诱人的干扰，它让人们忽视了最可能改善甚至拯救生命的AI类型：预测式AI。
预测式AI vs. 生成式AI：本质差异
与为生成任务设计的AI不同，预测式AI涉及答案有限且已知的任务；系统只需处理信息以判断哪个答案正确。一个基本例子是植物识别：用手机摄像头对准植物，即可识别出它是“西部剑蕨”。
相比之下，生成式任务没有固定的正确答案集：系统必须融合其训练过的信息片段来创造新内容，例如生成一张蕨类植物的新颖图片。
聊天机器人、换脸技术和合成视频所涉及的生成式AI技术创造了令人惊叹的演示，驱动着点击率和销量，也让观众对超人类AI将带来富足或毁灭的想法肆意蔓延。然而，预测式AI已悄然在改善天气预报和食品安全、实现更高质量的音乐制作、帮助整理照片以及准确预测最快驾驶路线等方面发挥作用。我们甚至在不经意间就将预测式AI融入日常生活，这证明了其不可或缺的实用性。
预测式AI的飞跃：从科幻到现实
回顾过去20年的发展轨迹，可以感受到预测式AI的巨大进步及其未来潜力。2005年，我们还无法让AI区分人和铅笔。到2013年，AI仍无法可靠检测照片中的鸟类，行人和可乐瓶之间的区别也令人极度困惑。
然而，在过去10年里，预测式AI不仅能够精确识别鸟类的具体物种，还迅速提升了生命攸关的医疗服务水平，如识别问题性病变和心律失常。得益于这项技术，地震学家可以更可靠地预测地震，气象学家也能更准确地预报洪水。
面向消费者的技术准确性也大幅提升，从识别你哼唱旋律时想到的歌曲，到驾驶时避开的物体——这使得自动驾驶汽车成为现实。在不久的将来，我们应该能够在肿瘤或飓风造成伤害之前就准确检测和预测它们，实现全世界人们长久以来的期望。这可能不如生成你自己的吉卜力风格电影那样炫目，但绝对值得关注。
混合系统的潜力与风险
预测式AI系统在有限选项内利用某些生成技术时，也显示出惊人的实用性。这类系统多种多样，涵盖从服装可视化到跨语言翻译等各个方面。很快，预测-生成混合系统将能够实时克隆你讲另一种语言的声音，这对旅行是极大的帮助（但也带来严重的冒充风险）。这方面仍有相当大的发展空间，但生成式AI只有在强大的预测方法支撑下才能提供真正的价值。
核心误解与严峻后果
要理解这两大类AI的区别，可以想象你是一个AI系统，任务是向某人展示猫的样子。你可以采用生成式方法，从各种猫的图像中剪切粘贴小片段来构建一个看似完美的描绘。现代生成式AI制作这种完美拼贴画的能力令人惊叹。
或者，你可以采取预测式方法：简单地定位并指向一张现有的猫的图片。这种方法远不如前者炫目，但更节能、更可能准确，并且能正确注明来源。生成式AI旨在创造看起来真实的东西；预测式AI则识别什么是真实的东西。 当涉及文本时，误以为生成系统是在检索而非创造，已导致严重后果，包括法律裁决被撤销和科学文章被撤回。
能源消耗与伦理困境
将生成式AI视为最强大、最真实的AI形式存在偏见，这令人不安，因为生成式AI消耗的能源远多于预测式AI系统。这也意味着违背原创者的意愿，在AI产品中使用现有的人类作品，并用AI系统取代人类工作——而这些系统的能力最初正是由这些人类工作实现的，且没有给予补偿。AI可以非常强大，但这并不意味着创作者应该被剥削。
未来之路：构建真正有益、公平、可持续的AI
我们仅仅窥见了AI全部潜力的一角：当前对AI的兴奋反映了它可能成为的样子，而非它现在的状态。基于生成的方法消耗大量资源，却在代表性、准确性以及作品被纳入系统的人们的意愿方面仍存在不足。
如果我们能将焦点从生成技术的炒作，转向已经在改变日常生活的预测技术进步，我们就能构建真正有用、公平且可持续的AI。 那些帮助医生更早发现疾病、帮助科学家更早预测灾害、帮助普通人更安全地生活的系统，才是准备产生最大影响的系统。
有益AI的未来不会由最炫目的演示来定义，而将由使技术值得信赖的、安静而严谨的进步来定义。如果我们在这个基础上继续发展——将预测能力与更成熟的数据实践和直观的自然语言界面相结合——AI最终才能开始兑现许多人今天所感知到的承诺。
—
延伸思考
1. 技术伦理与公平性：当AI系统（尤其是生成式AI）使用人类创作的数据进行训练并产生商业价值时，如何建立公平的补偿和授权机制，以保护原创者的权益，避免技术成为“合法化的剥削工具”？
2. 可持续发展路径：在追求AI能力突破的同时，如何平衡其巨大的能源消耗（特别是生成式AI）与社会对可持续发展的需求？是否存在一种技术发展范式，能让AI的进步与环境保护目标协同并进？
阅读 Technology Review 的原文，点击链接。