人工智能中深度学习，是一种受人脑的生物神经网络机制启发，并模仿人脑来解释、处理数据的机器学习技术，它能自动对数据进行特征提取、识别、决策和生成。它可以从不同的维度进行划分，如果按模型的特点来划分可分为决策式AI和生成式AI。这两种类型的AI在设计目标、应用领域和工作方式上都有所不同。
1 定义
1.1 决策式AI
决策AI，也称为判别式AI，顾名思义，是一种能够做出决策的AI。决策式AI是通过学习数据中的条件概率分布，对新场景进行判断、分析和预测的人工智能技术。它的设计目标是模拟人类的决策过程，通过分析输入的数据和信息，然后做出最有可能的决策。决策AI通常用于需要快速、准确决策的场景，例如人脸识别、推荐系统、风控系统、医疗诊断等。
决策AI的工作方式是通过机器学习和深度学习算法，从大量的数据中学习和提取模式，然后用这些模式来做出决策。如在猫狗识别中，模型会从海量的猫和狗的图片数据中，了解到猫的外观和狗的外观差别非常大，当面对新的样本时，模型判断样本的外观和谁更相似，就认为样本是谁。决策式AI可以理解为利用特定场景巨量的标注数据进行多变量模型的参数调优训练，从而找到在目前训练的数据集内实现局部最优的系数组合。
1.2 生成式AI
生成式AI，Generative AI，又称为创造性AI，是一种能够生成新的、与人类创造力相似的文本、图像、音频、视频等内容的AI。它的设计目标是模仿人类的创造力，通过学习和理解大量的数据和信息，然后生成新的、创新的内容。生成式AI通常用于需要大量创新内容的场景，例如艺术创作、新闻写作等。生成式AI的工作方式是通过深度学习和其他机器学习算法，从大量的数据中学习和提取模式，然后用这些模式来生成新的内容。
自动生成与传统的基于规则的程序或机器学习模型只能进行分类、识别或预测不同，生成式AI具有创造性，可以生成以前从未存在过的内容。生成式AI的核心思想是使用机器学习算法来学习和模拟现实世界中的数据分布，然后使用这些模型来生成新的、具有相似特征的数据。生成式AI可以基于给定的输入或随机噪声生成输出，这些输出可以是图像、文字、音乐等。生成式AI技术的应用领域包括图像生成、自然语言处理、音频合成、虚拟现实等。
2 发展历程
2.1 决策式AI
决策式AI的发展历程可以追溯到20世纪50年代，当时科学家们开始探索式计算机具备人类智能的可能性。在这个时期，逻辑推理和问题解决成为AI研究的重点，诞生了早期的AI算法和专家系统。
在20世纪60年代和70年代，AI研究的重点转向了符号主义和知识表示。这一时期，研究人员致力于开发用于表示和处理知识的形式化方法，如逻辑推理和规则系统。这为基于规则的专家系统的发展奠定了基础。
到了20世纪80年代和90年代，连接主义和机器学习成为AI研究的主要方向。连接主义关注模拟人脑神经网络的思维过程，而机器学习则强调通过数据和经验学习。这一时期，出现了一些重要的算法和技术，如神经网络、决策树和支持向量机，为AI的实际应用打下了基础。
近年来，随着深度学习和大数据技术的发展，决策式AI得到了进一步的发展和应用。例如，在推荐系统、风控系统、人脸识别等领域，决策式AI技术得到了广泛的应用和推广。同时，随着技术的不断发展，决策式AI也在不断地改进和完善，例如通过引入更复杂的模型和算法来提高决策的准确性和效率。
2.2 生成式AI
生成式AI的发展历程可以大致分为三个阶段。
第一个阶段是早期阶段，从20世纪90年代到2010年左右。在这个阶段，生成式AI主要应用于图像识别、自然语言处理等领域。随着深度学习技术的兴起，生成式AI开始得到更多的关注和应用。
第二个阶段是成熟阶段，从2010年左右到2020年。在这个阶段，生成式AI得到了广泛应用，如语音识别、人脸识别等。同时，随着GPU和深度学习技术的进步，生成式AI的效率和准确性也得到了大幅提升。
第三个阶段是广泛应用阶段，从2020年至今。在这个阶段，生成式AI广泛应用于各个领域，如游戏、艺术、音乐等。同时，生成式AI的应用范围还在不断扩大，未来有望应用于更多领域。
随着生成式AI的不断发展，其应用场景也在不断扩展。未来，生成式AI有望应用于更多的领域，如智能制造、医疗保健、金融等。同时，随着技术的进步和应用场景的扩大，生成式AI的发展前景也将越来越广阔。
3 应用
3.1 决策式AI
- 人脸识别：通过分析人脸图像，决策式AI可以判断目标人物的身份，从而实现人脸识别功能。
- 推荐系统：决策式AI可以通过分析用户历史行为和喜好，预测用户的需求和兴趣，从而生成个性化的推荐内容。
- 风控系统：在金融领域，决策式AI可以通过分析交易行为和模式，识别异常交易和欺诈行为，从而保护企业营销资金和客户资产。
- 机器人：决策式AI可以用于机器人的决策和控制，例如在生产制造、医疗服务和军事等领域的应用。
- 自动驾驶：决策式AI可以通过分析道路交通信息和车辆状态，控制车辆的行驶速度和方向，从而实现自动驾驶功能。
3.2 生成式AI
- 生成图像：借助生成式AI，用户可以将文本转换为图像，并根据他们指定的设置、主题、风格或位置生成逼真的图像。这在设计、广告、营销和教育等领域非常有用，例如，平面设计师可以使用图像生成器来创作任何他们需要的图像。
- 语义翻译：基于语义图像或草图，可以生成图像的真实版本，这对于医疗保健部门非常有用，例如用于诊断。
- 图像到图像的转换：这种转换涉及转换图像的外部元素，例如颜色、介质或形式，同时保留其构成元素。一个例子是将日光图像转换为夜间图像。
- 视频预测：基于GAN的视频预测系统可以预测视频的未来帧，这是对计算机视觉和机器人技术的重要应用。
- 3D形状生成：生成式AI还可以用于创建3D形状，这对于建筑、工程和产品设计等领域很有用。
