2025 08 09 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 鑑別式AI(Discriminative Al) 與 生成式AI(Generative Al) 製造業AI/GAI應用發展重點 製造業實務面臨的問題種類多元,包含 1.分類(瑕疵檢測、垃圾郵件過濾) 2.分群(市場區隔、客戶群體細分) 3.序列預測 (市場需求預測、物料庫存管理、設備預測性維護),以及 4.生成 (數據生成、產品設計)等

 

2025 08 09 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 鑑別式AI(Discriminative Al) 與 生成式AI(Generative Al) 製造業AI/GAI應用發展重點 製造業實務面臨的問題種類多元,包含 1.分類(瑕疵檢測、垃圾郵件過濾) 2.分群(市場區隔、客戶群體細分) 3.序列預測 (市場需求預測、物料庫存管理、設備預測性維護),以及 4.生成 (數據生成、產品設計)等,

製造業AI/GAI應用發展重點

製造業實務面臨的問題種類多元,包含

       1.分類   (瑕疵檢測、垃圾郵件過濾)

       2.分群   (市場區隔、客戶群體細分)

       3.序列預測

          (市場需求預測、物料庫存管理、設備預測性維護),以及

       4.生成  (數據生成、產品設計)等,

這些問題  適用的AI演算法

按  主要功能 與  應用目的,

可以將其分為

鑑別式AI(Discriminative Al)   與  生成式AI(Generative Al)

鑑別式AI(Discriminative Al)

擅長  分類  和歸納數據,根據   數據特徴差異 分析數據類別,

常用於   語音辨識、圖片  與  影像辨識等應用;

生成式AI(Generative Al)

則  擅長創造數據,能生成  類似訓練數據  的文字、圖片、影像、程式碼等。

由上述可知,鑑別式AI和生成式AI各有專長,並不互相替代,

而是根據不同應用場景,選用合適的Al技術滿足需求。

由於技術特性差異,兩類型AI用於製造業時方案開發的著重點也不同。

以下將透過建構AI方案流程,說明兩類AI技術

在 數據收集、模型選擇、模型訓練、模型部署 與  優化作業流程中

的  重點差異。

(1)數據收集方面,鑑別式AI  更重視   數據品質,

    依賴  數據標記  與高度準確性、一致性的數據   掌握數據特徴,

    然而   數據  處理過程  費時。

    而生成式Al通常需要先進行   領域知識數據  的微調(Fine-tuning),

    再向客戶  收集內部數據

    進行檢索增強生成(Retrieval-AugmentedGeneration,RAG),

    以便生成更精確内容。

(2)模型選擇上,

鑑別式AI方案業者

可能採用  社群  或  研究機構   公開的  開源  且 高效  的模型,

或是自行開發模型。

且由於鑑別式AI   應用   對應   特定問題,因此業者傾向選用  

結構  較簡單  且  易於解釋的   模型,如

    1.決策樹、

    2.支援向量機器(Support Vector Machine, SVM)和

    3.類神經網絡、

    4.群集分析(K-means Clustering)

等用於準確  分類 或 預測    的模型;

生成式AI方案商

則多是選擇現有的大型語言模型,如

GPT、Llama、BLOOM、Falcon、BERT等,

並在此基礎上  進行    應用開發。