Машинное обучение подразумевает прямое решение задачи по заложенному шаблону на основании полученных данных. Для внедрения решений на основе машинного обучения может быть достаточно обычного персонального компьютера.

Пример: Работа доменной печи может автоматически корректироваться в зависимости от показаний датчиков по определенному сценарию. Если упала температура на 2%, необходимо увеличить подачу угля на 2,3%.

Генеративные нейросети предлагают решение, которое изначально не было заложено или запрограммировано. Ответ формируется на основе колоссального объема информации загруженного в нейросеть. Все началось с компьютерных игр. Движения персонажа в игре должны были быть гармоничными. Описать каждое положение персонажа помогал графический процессор, или видеокарта. В 2016 году основатели компании Open AI задумались, что будет, если вместо обработки изображений обрабатывать массивы текстовых данных? Так появилась ChatGPT. Нейросети делятся на две основные группы. Рекуррентные – работают с текстом и данными. Сверточные – обрабатывают изображения. Генеративная нейросеть – математическая формула определенным образом организующая работу графического процессора. Существуют десятки таких моделей или формул позволяющих решать различные задачи. Для работы нейросети требуется дорогостоящая инфраструктура и обучение на большом объеме данных.

Пример: Зная характеристики мартеновской печи и назначение будущего сплава, нейросеть может предложить улучшенную рецептуру.