GenAI与机器学习：何时选择，如何互补

在当今热议的生成式人工智能（GenAI）浪潮中，机器学习的角色与应用场景备受关注。GenAI虽成为热门，但传统机器学习在众多业务问题中仍具独特优势。

从实际案例看，在UAT会议上向电子商务CEO展示新预测模型时，同一查询多次测试却得到不同输出。按GenAI流程，这些输出虽都视为有效结果，但CEO需要的是确定数字以规划营销预算。这种不确定性表明，GenAI在需要可靠战略规划的场景中存在局限性，导致又回归到BI+human模型。

机器学习在多种情况下表现出色。当需要一致、确定性输出时，传统ML模型给定相同输入会提供相同结果；拥有结构化历史数据且想基于其预测时，能实现精确分类和预测；可解释性重要时，部分ML模型能说明预测原因；考虑成本时，特定算法处理小数据集成本更低。

而GenAI也有其用武之地，可用于集思广益、快速起草代码制作ML管道原型、创建面向用户的内容传达见解等创造性任务。

数据专业人士面临使用GenAI压力时，应思考要解决的问题类型、可用数据、可解释性需求等。像吴恩达指出，监督学习等技术仍有发展潜力，未来可能比生成式人工智能创造更多价值。总之，为特定任务选对工具，结合两者优势，才能更好解决问题。