从生成式AI带来了概率计算这个角度来看，我们可以把产品分为三类：
第一类是受益于概率计算的平台，比如像Midjourney和Stable Diffusion，这些平台的核心就是依据大量数据计算出概率并进行决策，这种平台可以让人们更好地理解和利用数据，从而获得更好的效果。
第二类是可以容忍概率计算的平台，比如文章输出平台，在人类的语言表达中存在着一定的主观性和灵活性，因此对于这种平台来说，概率只是提供了一种参考，而不需要完全依赖。
第三类则是不能容忍概率计算的平台，比如财务预测、税收计算、行车路线等，这些平台需要的是准确性和稳定性，因此需要排除概率的干扰，采用更为精确的计算方式来保证结果的准确性。
为了更好地解释这个例子，我们可以将AI助手分为三个子系统，分别是人机界面子系统、上下文合成子系统和税收计算子系统。
人机界面子系统需要利用概率计算，可以通过LLM技术来支持，这样能够帮助用户更好地理解和使用数据，从而提高界面的友好性和实用性。
上下文合成子系统可以容忍概率输出，因为在语言表达中存在主观性和灵活性，因此概率只是提供了一个参考，而不需要完全依赖。
税收计算子系统需要排除概率的干扰，采用传统的计算引擎来保证结果的准确性。这意味着需要使用精确的计算方式来计算税收，不容许出现任何计算误差和不确定性。
综上所述，每个子系统对底层平台的期望是不同的，有些需要概率计算的支持，有些需要排除概率计算的干扰，这取决于每个子系统的具体要求和功能。
原文：
https://a16z.com/2023/05/23/generative-ai-probabilistic-products/
来源：https://mp.weixin.qq.com/s/Vry_NvLVkgyMCZQmHvZyog
https://seeing-theory.brown.edu/
这个是一个入门学习统计概率的网站，非常好。
本文地址：https://www.163264.com/3614