什么是人工智能？从机器会做什么开始理解 AI

刚开始学 AI，最容易发生的一件事，是还没弄清楚 AI 是什么，就直接钻进神经网络、参数和代码。

我们先退一步，只问一个问题：人们为什么会把某个程序叫作人工智能？

先用一句话理解 AI

人工智能是一类让机器完成原本需要人类认知能力才能完成的任务的方法与系统。

这里的“认知能力”包括：

• 看懂图片里有什么；
• 听懂一段语音；
• 判断一条短信是不是诈骗；
• 根据历史数据预测结果；
• 生成文字、图片、音乐或代码；
• 在环境中选择下一步行动。

所以 AI 不是某一个软件，也不是某一种算法。它更像一个很大的目标和领域，里面包含机器学习、深度学习、自然语言处理、计算机视觉等不同方向。

普通程序和 AI 程序有什么不同

传统程序通常由开发者明确写出规则。例如判断成绩是否及格：

if score >= 60:
    result = "及格"
else:
    result = "不及格"

规则非常清楚，机器只负责执行。

但垃圾短信识别很难靠几条固定规则做好。垃圾短信可能没有“中奖”两个字，正常短信也可能出现“免费”。这时可以给机器大量已经标注好的短信，让它从例子中寻找规律。

这种“从数据中学习规律”的方法，就是机器学习。

AI 的三个重要条件

现代 AI 的发展通常离不开三个条件：

1. 数据：提供可以学习的例子。
2. 算法：规定机器怎样从数据中寻找规律。
3. 算力：完成大量计算和模型训练。

只有数据而没有合适的方法，模型学不到有效规律；只有算法而没有数据，也没有东西可以学习。

AI 会理解世界吗

AI 可以在某些任务上表现得很聪明，但这不等于它像人一样理解世界。

一个图片分类模型可能很擅长区分猫和狗，却不知道宠物为什么会让人感到陪伴。一个大语言模型可以生成通顺的答案，也可能自信地给出错误信息。

学习 AI 时需要同时记住两件事：

• 它能从大量数据里发现复杂规律；
• 它的结果仍然受到训练数据、任务定义和使用方式的限制。

这一课先记住什么

AI 是一个大领域，目标是让机器完成感知、判断、生成和行动等任务。机器学习是实现 AI 的重要方法，而不是 AI 的全部。

下一课，我们会把 AI、机器学习、深度学习和生成式 AI 放进同一张地图里。