生成式人工智能是当前技术界的热点话题。

然而，大型企业、初创公司和研究人员逐渐意识到，生成式AI并非万能药。

真正的AI潜力在于将传统机器学习技术与新型大型语言模型相结合。

实际上，在2022年ChatGPT推出之前，人工智能已经存在并为印度的初创生态系统带来了巨大的商业价值。

在生成式AI的热潮中，专家表示，传统AI和机器学习技术仍然具有重要价值，并且与生成式AI结合时可以带来增量效益。

传统与现代

传统人工智能驱动着我们日常生活中的每一个应用——如苹果的Siri、Netflix的电影推荐、Instagram的帖子流、谷歌搜索等。

随着科技的发展，预测分析和统计建模工具分析了大量的结构化数据（如名称、数字、人物），并以高准确性和速度自动化重复性任务。

与此同时，生成式人工智能现在能够分析文本、语音、图像和视频等非结构化数据。

“人们可能会误以为生成式AI是万能解决方案，并试图将其应用于所有领域，即使这些领域并不适合。

”前Swiggy CTO兼Sahi（一个即将与Zerodha、Groww和Upstox竞争的股票交易平台）联合创始人Dale Vaz表示。

Vaz曾在亚马逊工作十年，他解释说，从根本上讲，生成式AI预测序列中的下一个词或令牌，并且总是会有一定的预测误差。

“在某些需要精确度的地方它可能不太合适。

例如，在Swiggy中，我们使用AI来预测司机到达您家门口所需的时间。

这需要非常精确的分钟级预测。

”他说道。

在Sahi中，生成式人工智能可用于发送市场洞察、新闻摘要和拆解专业术语。

然而，在传统的算法方法多年来证明有效的股票交易领域，它并不相关。

2023年麦肯锡的一项研究显示，这两种技术结合可以释放每年1.71万亿美元至2.56万亿美元的经济潜力。

仅凭传统机器学习和深度学习技术就可以为世界经济增加1.1万亿美元至1.77万亿美元的价值。

此外，生成式人工智能有望增加15%至40%的增量影响，主要集中在四个重点领域：客户运营、营销与销售、软件工程以及研发。

另一项今年四月发表的研究显示：“生成式AI周围的炒作可能导致其在不适合的应用场景中被使用，从而增加项目复杂性和失败的风险。

”

在风险预测、客户流失、销售/需求预测以及需要高精度的领域中，Gartner表示其使用率较低。

Nasscom表示印度有720家深度科技初创公司，其中240家专注于生成式人工智能技术，其余则采用传统的深度学习方法。

识别相关性

“生成式人工智能在代码生成、文档编写和使用大型语言模型回答查询方面表现出色。

”戴德科技副总裁Sudha KV表示，“但结构化数据处理、预测建模和推荐系统通常更适合传统的人工智能模型。

”她举例说，在供应链管理中，传统的机器学习模型在库存预测方面表现优异；同样地，在电子商务中推荐引擎依赖于产生可靠输出的结构化数据算法。

Sudha还解释说，在医疗诊断、工业自动化和网络安全等领域中，许多基于人工智能的初创公司继续优先采用传统的人工智能方法，“因为这些领域需要精确度和基于规则的决策。

”

“并非每个业务挑战都需要生成式人工智能模型所具备的复杂性或计算资源。

”Zoho Corp的人工智能研究总监Ramprakash Ramamoorthy表示，“未来不是选择一种而放弃另一种的问题；而是找到正确的平衡点。

”他说道，“适当规模的人工智能模型将成为常态，在这些领域中传统模型将承担大约80%的工作负载。

”

Anand Mahurkar表示：“从2018年开始在美国创立Findability Sciences以来，印度在人工智能采用方面领先于其他国家近十年之久。

”他指出：“例如风险分析、预测、保留客户、理解客户行为以及维持留存率等用例都基于结构化数据。

”

考虑挑战

在决定人工智能策略时成本效益至关重要。

EY GDS的技术与转型领导者Ajay Samuel表示：“必须权衡软件、硬件、计算和维护成本与预期收益之间的关系。

”他还强调了法律考虑的重要性。

由于生成式人工智能内容带来的法律复杂性增加，公司可能会面临与欧盟通用数据保护条例（GDPR）、欧盟人工智能法案以及印度数字个人数据保护法相关的合规风险。

“虽然生成式人工智能显著提高了‘可能实现的艺术’方面的期望值”，Publicis Sapient全球工程副总裁Sudhan Rangarajan指出，“但将这些能力转化为企业级系统需要对负责任的人工智能、合规性、伦理和数据隐私给予严格关注。

”