哈佛商业评论 | 生成式人工智能：仍然是预测机器

近年来，生成式人工智能（Generative AI）迅速发展，能够完成写作、编程、绘图、总结和头脑风暴等任务。然而，要理解生成式人工智能对商业战略的深远影响，我们需要认识到，它的本质仍然是预测引擎。这一认识对企业管理者尤为重要，因为它关系到如何有效地利用AI来提升竞争力。

生成式人工智能的预测本质

生成式AI工具（如ChatGPT、Gemini等）虽然看似与传统的预测任务不同，但实际上它们依然依赖于对数据的统计预测。例如，过去的AI被广泛应用于预测贷款违约率、设备故障等。而生成式AI则通过大量数据和复杂的计算统计，将文本创作、图像生成等任务重新定义为预测问题。AI生成的每一句话、每一幅图像，都是基于对大量已有数据的模式预测。

数据驱动：AI的核心

AI预测的准确性高度依赖于数据。数据的质量和数量直接决定了AI模型的性能。对于生成式AI而言，数据质量尤为重要。其生成内容的上下文相关性和准确性，完全取决于训练数据的多样性、广泛性和相关性。

数据质量不足时，会导致生成内容出现“幻觉”现象，即AI生成的信息虽然看似合理，但实际上是错误的。例如，早期的ChatGPT（如GPT-3.5）在回答医学问题时，可能提供误导性的建议，这正是由于训练数据的局限性。虽然更先进的模型（如GPT-4）在减少这种错误方面有所改进，但这一问题仍未完全消除。

判断力：AI成功应用的关键

尽管生成