什么是预测式 AI？

什么是预测式 AI？

预测式人工智能 (AI) 是计算机程序利用统计分析来识别模式、预测行为和预测未来事件的能力。长期以来，统计领域一直被用于预测未来；通过机器学习和访问海量数据，预测式 AI 能使统计分析更快、（理论上）更准确。虽然预测式 AI 并不能保证其预测的正确性，但它可以帮助企业为未来做好准备，以及为客户提供个性化体验。

想象一下，乔伊是一位渔夫，他在出海前需要知道天气情况。在过去的几个月里，每当乔伊在清晨看到红色的天空时，他都会遇到一场暴风雨。乔伊开始得出结论，每当他看到红色的天空时，就应该把它当作暴风雨即将来临的警告。预测式 AI 可通过分析成千上万的因素（而不仅仅是天空的颜色）和数十年的数据（而不仅仅是几个月的数据）得出类似的结论。

预测式 AI 只是 AI 提供的众多能力之一，而 AI 是指计算机模仿人类认知的一系列能力。

预测式 AI 如何工作？

“大数据”

在统计学中，数据越多，分析就越准确。例如，民意调查必须有最低数量的受访者才能被认为是可靠的，科学研究需要重复多次才能被认为具有统计意义。

同样，预测式 AI 需要访问海量数据——即通常所说的“大数据”。提供的数据越多，预测效果就越好。民意调查可能有数千名受访者。预测式 AI 模型可以考虑过去进行的数千或数百万次民意调查，从而对公众舆论或即将举行的选举做出预测。

机器学习

机器学习是 AI 的一个子集。这是一种无需人工干预即可训练计算机程序识别数据的方法。例如，如果网站上有足够多的用户行为实例，机器学习模型就能学会从网站上的人类流量中分拣出自动化的机器人流量。或者，如果有足够多的天空照片和天气信息，机器学习模型就能学会识别“红色”的天空，并将某些类型的天空与暴风雨天气联系起来。

在预测式 AI 中，机器学习应用于前文所述的海量数据集合。预测式 AI 模型可以处理庞大的数据集，而无需人工监督。

识别模式

就像渔夫乔伊识别出早晨红色天空的模式与暴风雨即将来临有关一样，预测式 AI 学会了将某些类型的数据或某些事件联系起来。预测式 AI 可以研究成千上万个因素以识别模式——表明未来可能再次发生的事件。

预测式 AI 有哪些使用案例？

预测式 AI 的应用领域非常广泛。即使预测并不总是准确的，但对未来的发展有一定的了解，对企业来说也是一个巨大的优势。一些可能的预测式 AI 使用案例包括：

• 库存管理：预测式 AI 可帮助识别消费者需求可能较高的时间，以及品牌或商店应储备更多商品的时间。
• 供应链管理：同样，预测式 AI 可帮助确定何时会出现道路拥堵，或何时需要更多卡车来满足用户的高峰需求。
• 个性化用户体验：预测式 AI 可根据用户过去的活动帮助预测用户行为。
• 医疗保健：只要有足够的数据，预测式 AI 就可以根据个人病史帮助预测未来可能出现的健康状况。（当然，健康数据受 HIPAA 等严格监管框架的制约）。
• 营销活动：正如预测式 AI 可以预测用户或客户的行为一样，它也可以帮助预测潜在客户可能感兴趣的内容或产品类型。

预测式 AI 与生成式 AI

预测式 AI 与生成式 AI 都使用机器学习，并结合大量数据，以产生输出结果。然而，预测式 AI 使用机器学习来推断未来。生成式 AI 使用机器学习来创建内容。预测式 AI 版的渔夫乔伊会在暴风雨即将来临时告诉他的同伴们。生成式 AI 版的乔伊可以写一本小说，小说中想象天气和捕鱼航行之间的各种互动。

从某种意义上说，生成式 AI 类似于预测式 AI，因为它使用统计分析来“预测”哪些词语和概念属于同一个概念。但是，生成式 AI 和预测式 AI 的目标不同，使用的机器学习模型不同，使用案例也不同。

预测式 AI 如何使用嵌入？

与大多数类型的 AI 一样，预测式 AI 需要快速高效地查询数据库，并找到类似数据项之间的关系。嵌入数据库使相似性查询成为可能。

嵌入是一种以能够识别相似性和关系的形式存储信息的方法。嵌入通过无监督神经网络层层创建，它将信息项转化为向量，并将其置于与数据集中其他信息项相关的数学空间中。

最终聚类在一起的嵌入可视为彼此相关，这样就能快速识别模式。如果“红色天空”、“风暴云”和“恶劣天气”在嵌入数据库中彼此相近，预测式 AI 模型就可以开始识别风暴何时来临。

阅读有关 AI 的更多信息。