使用 RESTful API 探索藝術世界
然而，在AI 的認定上，目前主要以機器學習或認知方面的學習模型為主，透過學習模型可以推論或是預測未發生的事件。
AI和BI 各有所長，各擅其場，目的不同，應用場域也各有分別，必須視你的問題需求，應用方式，資料來源，甚至資料種類、資料型態等，多方面的考量，才能夠選擇適合你自己的智慧化應用服務架構，千萬不要一開始就說我要視覺化圖表，我要即時監控看板，我們要機器學習模型，還要人工智慧，這樣你不但會不知道從何開始，更不知道要做什么，也不知道可以拿來干嘛，最后一定是無疾而終，白忙一場。
基本上，我們從大方向來分，BI 偏向于處理結構化的資料，AI 偏向于處理非結構化的資料，但這不是絕對，另一方面，若以智能化服務來分，BI 偏向于做資料的洞察、資料分析、即時監控，AI 則偏向于做資料探索、預測應用、以及輔助的服務，但是這些分類方法都不是絕對的，你應該要從了解自己的資料開始，清楚定義自己的問題需求，再依照自己的狀況、成本、人力、架構等考量，選擇適合自己的智能化服務開發建置方法，這才是有用且聰明的選擇。
不論是BI 還是AI 都是從資料為基礎開始，雖然BI 和AI 所需要的資料來源、資料種類、資料型態會有差異，而且資料萃取、資料處理、資料整合的需求也不一樣，但是，基礎都是「資料」，都會需要資料服務平臺來支援各種資料處理和儲存的方式，
| BI | AI | |
| 它是什么？ | 傳統分析使數據分析變得更容易，但決策權卻掌握在人類手中 | 高級分析功能使計算機能夠自行做出關鍵的業務決策 |
| 目標 | 簡化數據收集和分析流程，為企業提供有用的信息和分析，幫助企業做出決策 | 模仿人類的智能、行為和思維過程，幫助企業做出理性決策 |
| 為何以及何時使用它？ | 根據已收集的數據形成洞察力；它用于回答過去發生的事情 | 分析大量大數據，用于回答未來會發生什么 |
| 它是如何工作的？ | 它基于統計分析原理 | 它使用復雜的機器學習和深度學習算法 |
| 它對企業有何幫助？ | 它分析過去的數據，使企業能夠做出更好的數據驅動決策，以改善業務流程、客戶服務和員工滿意度 | 它在機器中創造類似人類的智能，使企業能夠預測客戶需求、競爭對手的地位和市場變化 |
| 應用位置 | BI 在分析層次中位居首位 | 在分析層次中，AI 排在 BI 之后 |
| 應用 | 主要用于報告、數據挖掘、數據倉庫，并以現代、直觀的儀表板形式突出顯示歷史數據中的關鍵矩陣和視覺效果 | 主要用于預測分析、游戲、預測、自然語言處理、機器人、圖像識別和自動駕駛汽車 |
| 目標和最終結果 | 它從收集和分析來自各種數據源的數據點開始，到以可視化報告和儀表板結束 | 它首先訓練計算機系統像人類一樣思考和工作，最后獲得對未來的預測洞察 |
| 用處 | BI 有助于描述分析 | 人工智能是規范分析的關鍵參與者 |
AI和BI各自在數據分析領域發揮著重要作用。AI通過機器學習、自然語言處理等技術，可以從海量數據中提取模式、趨勢，實現數據的智能化處理；而BI則更側重于數據的可視化呈現，幫助用戶更直觀地理解數據。可以在以下幾個方面做出改變：
AI+BI如何更好地結合，可以閱讀《AI+BI：結合大語言模型實現對話式的智能報表系統》。
AI大模型有兩種分發模式，企業本地化部署或使用在線開放API接口，本文重點推薦在線API接口，企業可以快速用于研究和試用，在商業使用時，在考慮是本地化部署。
開放模式的大模型API推薦：
Mass部署的大模型API推薦：
1、https://ithelp.ithome.com.tw/m/articles/10217651
