- 创新
传统人工智能与生成式人工智能：了解它们的区别
过去十年见证了前所未有的技术飞速发展。最初用于自动化日常流程的工具，如今已蜕变为推动创新的引擎，挑战着我们对技术的固有认知。如今，人工智能（AI）不再是遥不可及的未来愿景，也不再局限于硅谷的研究实验室或大型企业。它已成为触手可及的现实，融入我们的日常生活，并在公共和私营机构的转型战略中扮演着越来越重要的角色。
然而，在“人工智能”这一宽泛概念下，存在着多种不同的范式，它们常常被混淆。诸如 ChatGPT 之类的模型的出现颠覆性地将生成式人工智能推到了所有讨论的焦点，但我们不能忘记传统人工智能或预测式人工智能，它们多年来一直在为我们社会的关键基础设施提供支持。对于公共管理部门而言，理解这两者之间的区别不仅仅是学术问题，更是战略上的必然选择，以便针对不同的挑战选择合适的工具，从而更好地服务于公民。
什么是传统人工智能：准确性和历史数据的价值
传统人工智能，通常被称为预测性人工智能或判别性人工智能，是近年来伴随我们最久的技术。它的运行基于对大量历史数据的分析，其目标明确：识别模式、对信息进行分类或预测未来行为。
这项技术本身并不“创造”任何新事物。它的价值在于其分析能力和基于证据的决策能力。传统的AI系统在接收到数据输入时，会运用统计规则和机器学习算法来确定概率或类别。它本质上是一种优化和分类工具。
在商业领域，传统人工智能的应用比比皆是。Spotify 或 Netflix 等平台的推荐引擎就是最广为人知的例子：它们会分析用户之前的收听或观看记录，并以惊人的准确度推荐接下来的内容。在物流和能源领域，沃尔玛和西班牙国家电网公司等企业利用人工智能，根据天气变化或当地事件预测需求，确保供应与实际情况相符。即使在网络安全领域，Visa 和 Mastercard 的系统也能通过识别与用户正常交易模式不符的交易，实时检测欺诈行为。
这种可靠性使得传统人工智能在关键环境中不可替代，因为在这些环境中，准确性关乎安全，例如通过图像进行医疗诊断或电力网络管理。
生成式人工智能：迈向新内容合成的飞跃
如果说传统人工智能侧重于分析世界，那么生成式人工智能似乎更倾向于描述、描绘或编程世界。由于它能够根据简单的自然语言指令生成原创内容——无论是文本、图像、音乐、视频还是计算机代码——这种模式近年来在媒体和技术领域引起了广泛关注。
然而，有必要澄清生成式人工智能中“创造力”的概念。与人类思维不同，这些模型并没有灵感火花或意识。它们是极其先进的统计模型，经过海量现有信息的训练。它们的作用是学习构成数据集的元素的概率分布（例如，在给定的上下文中，哪个词通常跟在另一个词后面），从而生成看似人类且合情合理的结果。
这项技术的应用具有革命性意义。在文本领域，基于语言模型（LLM）的聊天机器人可以撰写复杂的报告、总结大量文档，或者充当比传统虚拟助手更高级的功能。在设计领域，DALL·E 或 Midjourney 等工具可以根据文本描述创建插图；在技术领域，GitHub Copilot 等工具通过提供代码片段建议和自动纠错，正在革新编程方式。
据 Gartner 等领先咨询公司称，生成式人工智能具有带来显著投资回报率 (ROI) 的潜力，但他们也警告说，其成功取决于健全的治理。与传统人工智能不同，生成式人工智能存在一些更难以管理的风险，例如算法偏差（复制训练数据中存在的偏见）、所谓的“幻觉”（生成看似真实的虚假信息）以及关于隐私和版权的公开争论。
根本区别：如何选择合适的技术
对于任何公共管理者或数字化转型管理者而言，了解何时使用哪种人工智能至关重要。这并非选择最先进的技术，而是选择最适合预期用途的技术。
当目标是预测和优化时，传统人工智能是最佳选择。例如，如果政府部门想要预测下个月市民服务中心的工作量，或者想要识别公共卫生方面的风险模式，就需要历史数据的准确性。它也非常适合异常检测，例如识别文件处理中可能出现的错误或检测对关键系统的未经授权访问。
另一方面，生成式人工智能是我们需要创建、合成或个性化内容时的理想工具。它在快速构建创意原型、生成适应不同层次的教育内容，以及简化行政语言使其更易于公民理解方面都具有无可比拟的优势。
Gartner 指出，一种新兴趋势是所谓的“复合型人工智能”。这种策略并非在传统人工智能和生成型人工智能之间做出选择，而是整合多种模型来解决复杂问题。例如，我们可以先利用传统人工智能分析公共建筑的能耗数据，一旦检测到效率低下的问题，生成型人工智能就可以自动为该建筑的管理人员生成个性化的建议报告。
对公共部门的影响：AOC的经验
在加泰罗尼亚开放行政区（AOC），人工智能不再是实验性质的技术，而是融入我们日常运营的现实。公共部门肩负着一项额外的责任：确保这些技术用于创造公共价值，并始终尊重公民的基本权利。
在传统人工智能领域，AOC 和其他政府部门已经在探索利用自动化决策系统来简化以往需要数周人工审核的流程。工作量预测有助于更好地规划人力资源，确保服务在高峰时段不会出现饱和。
生成式人工智能的潜力巨大。目前正在开发的公民服务聊天机器人不仅能提供预设答案，还能理解用户的意图，引导他们完成操作流程，并简化复杂的程序。欧洲近期的研究表明，这些工具的实施每年可为公共部门工作人员节省数百万小时，使他们能够专注于更有价值、更直接的工作，而人工智能则负责处理最繁琐的行政事务。据估计，整个行政部门的生产力有望提高9%。
然而，这条道路并非一帆风顺。各级政府部门面临数据碎片化问题（数据分散在不同的机构，彼此之间往往缺乏沟通），以及严格遵守《通用数据保护条例》(GDPR) 和《个人数据保护和数据保护法》(LOPDGDD) 的必要性。此外，算法透明度也是一项法律和民主义务：公民有权了解他们何时与人工智能互动，以及做出影响自身决策所遵循的标准。
迈向合乎道德且负责任的治理
要使人工智能革命真正造福人类，就必须超越技术层面的实现。AOC 致力于推行一项基于四大支柱的战略：
- 治理与伦理： 建立清晰的监管和程序框架。我们不能允许技术在缺乏人为控制的情况下发展，以确保公平和避免偏见。
- 训练： 技术本身无所谓好坏；其影响取决于人们如何使用、设计和管理它。因此，对公共部门人员进行培训至关重要，不仅要让他们掌握工具的使用方法，还要让他们掌握关键的数字技能，例如…… 即时工程 （向人工智能提出正确问题的艺术）以及对结果的批判性解读。
- 渐进式策略： 最佳途径是从具体、可控的用例入手，从错误中吸取教训，并利用复合人工智能扩展成功的解决方案。
- 优先考虑公共价值： 问题不应该是“人工智能能做什么？”，而应该是“人工智能如何帮助我们提供更好的服务、减少不平等和保障公民权利？”。
结论：共同的未来
简而言之，传统人工智能和生成式人工智能并非技术竞赛中的竞争对手；它们是同一变革工具箱中的两种互补工具。前者提供数据的稳定性、精确性和记忆能力，而后者则提供多功能性、综合能力以及更自然的交互方式——例如语音或日常书面语言——从而促进人类与复杂事物之间的互动。
在AOC，我们的承诺很明确：充分利用传统方式和现代方式的优势，打造一个更灵活、更智能、更贴近民众需求的行政管理体系。数字化转型不再是可选项，而是保障21世纪公共服务可持续性和质量的必由之路。