AI (人工智能)

人工智能（AI）是一门计算机科学分支，旨在使机器模拟人类的感知、学习、推理、决策和解决问题能力。它涵盖机器学习、深度学习和生成式AI等技术，广泛应用于图像识别、自然语言处理、自动驾驶和商业数据分析，旨在执行通常需要人类智能的任务。

核心组成与关键技术：

机器学习 (ML)： 机器通过分析数据、识别模式并从经验中学习，而无需显式编程。

深度学习 (DL)： 基于人工神经网络，特别适用于理解复杂的图像和语言。

生成式AI (Generative AI)： 能够创造新的原创文本、图片、视频和音频内容。

自然语言处理 (NLP)： 使机器理解、解读和生成人类语言。

应用领域：

金融与零售： 智能客服、交易风险预测。

制造与医疗： 自动化装配、图像辅助诊断。

日常应用： 自动驾驶、个性化推荐、语音助手（如Siri, ChatGPT）。

发展与挑战：

人工智能的概念在1956年达特茅斯会议上被提出。如今，AI致力于通过优化计算、数据和算法，实现更高的系统智能。然而，AI发展也伴随着数据偏见、伦理、安全以及知识产权等方面的挑战。

要点总结

让我们以一种每个人都能理解的方式来拆解 AI。

定义：

AI 是计算机科学的一个领域，旨在创建智能机器来执行通常需要人类智能才能完成的任务，例如学习、推理和解决问题。

工作原理：

AI 系统从大量数据中学习，发现规律，从而做出预测或决策，而无需针对每一个场景进行明确编程。这就好比通过向计算机展示一百万个样本来教会它，而不是编写一百万条规则。

AI 的应用场景：

您每天都在使用 AI，例如 Google 地图等导航应用、购物网站上的个性化推荐、邮箱中的垃圾邮件过滤器，以及 Gemini Live 等虚拟助理。

AI 的重要性：

AI 帮助我们解决了一些世界上最棘手的难题，例如加速医学研究、打造更高效的供应链和应对气候变化。

什么是人工智能 (AI)？

人工智能 (AI) 是一组技术，使计算机能够学习、推理并执行各种高级任务，而这些任务以前需要人类智能才能完成，例如理解语言、分析数据，甚至提供有用的建议。这是一项变革性技术，可以为人类、社会乃至整个世界带来有意义的积极变化。

AI 涵盖许多不同的学科，包括计算机科学、数据分析和统计、硬件和软件工程、语言学、神经学，甚至哲学和心理学。

AI 的核心在于教会计算机去做那些原本只有人类大脑才能完成的奇妙任务，从理解周围的世界到学习新事物，甚至产生新的想法。例如，光学字符识别 (OCR) 中就使用了 AI 来从各种图片和文档中提取文本和数据。此过程会将非结构化内容转换为可供企业直接使用的结构化数据，帮助挖掘有价值的数据洞见。

AI 如何运作？

人工智能技术虽然多种多样，但从根本上来说都依赖于数据、算法和算力。AI 系统会通过接触大量数据来学习和改进，以识别人类可能会忽视的模式和关系。这些数据是 AI 的训练材料，其质量和数量对 AI 的性能至关重要。

如前所述，AI 不是单一的技术，而是一个包含多项关键技术的广泛领域：

机器学习 (ML)：这类 AI 系统通过数据学习来识别模式，并在没有直接编程的情况下做出预测或决策。不妨这样设想，您通过向计算机展示数千张鸟类图片教会它识别鸟类；计算机会自行学习鸟类的样子。

深度学习 (DL)：深度学习是机器学习的一个子领域，使用多层（因此称为“深度”）人工神经网络从数据中学习。这些网络的灵感来源于人脑的结构，尤其擅长处理图像识别和语音识别等复杂任务。

自然语言处理 (NLP)：NLP 使计算机能够理解、解读和生成人类语言。Siri 和 Alexa 等语音助理、翻译服务和聊天机器人都离不开这项技术。

计算机视觉：这一技术让计算机能够“看见”并解读这个世界的视觉信息，例如图片和视频。从人脸识别到自动驾驶型汽车，处处都有它的身影。

人工智能的类型

人工智能可以采用多种方式进行组织，具体取决于开发阶段或正在执行的操作。

按能力水平划分的 AI 类型

这种分类方法根据 AI 模型的智能水平和解决问题的能力来定义 AI 模型。

弱人工智能 (ANI)：这是目前唯一存在的人工智能形式。ANI 模型旨在执行单一的特定任务，例如识别图片、进行聊天或过滤邮件。例子包括语音助理、人脸识别技术、Gemini 等生成式 AI 模型，以及其他大语言模型 (LLM)。尽管如此命名，ANI 并不具备推理能力或自我意识，而是将数据与算法相结合，在预定义的参数范围内做出预测。虽然 ANI 有很多好处，但也存在风险，因为质量不佳的训练数据可能会导致输出结果有偏见或不准确，这在贷款审批、招聘决策和预测性警务等应用中可能会造成严重后果。网络犯罪分子还可能利用 ANI 来设计复杂的 AI 诈骗。

通用人工智能 (AGI)：这是 AI 技术假想的未来发展阶段。理论上，AGI 能够执行广泛的任务，并利用类似人类的推理能力进行学习、适应和改进。AGI 尚不存在。与 ANI 不同，AGI 将具有适应性、自主性，并能够从其行动中学习。虚构的例子包括电影《星球大战》中的机器人。但是，AGI 可能会引发严重的安全和道德问题，因为恶意方可能会带着有害意图对 AGI 进行编程，如果不加以监管，可能会导致无限的破坏力。

超人工智能 (ASI)：这是理论上最先进的 AI 形式。ASI 将是一种具有自我意识的实体，其运行不受人类控制，在推理、创造力甚至情商方面都将大大超过人类智能。与其他形式的 AI 一样，人们担心 ASI 可能会对人类的生存构成威胁，一些 AI 研究人员认为，ASI 极有可能带来非常糟糕的结果，包括人类灭绝。

按运行方式划分的 AI 类型

这种分类方法根据 AI 在特定环境中的运行和交互方式对 AI 进行分类。

反应式机器：有限的 AI，仅根据预编程规则对不同类型的刺激做出反应。它缺少记忆，因此无法从新数据中学习。一个著名的例子是 IBM 的超级计算机“深蓝”，它在 1997 年击败了国际象棋冠军加里·卡斯帕罗夫。

有限记忆：大多数现代 AI 都拥有有限的记忆。它可以使用新数据（通常是通过人工神经网络或其他训练模型）进行训练，从而依靠记忆不断改进。这种记忆是短期的；一旦会话结束，记忆通常会重置。例如，自动驾驶型汽车观察其他车辆，以及 Gemini 等聊天机器人记住对话中之前的消息。

心智理论：心智理论 AI 目前还不存在，但随着研究的持续进行，未来存在实现的可能性。它描述了可以模拟人类心智并具有与人类相同的决策能力的 AI，包括识别和记忆情感以及在社交场合中像人类一样做出反应的能力。

AI 的优势

自动化

AI 可以自动执行工作流和流程，也可以不依靠人工团队来独立自主地开展工作。例如，AI 可以通过持续监控和分析网络流量来帮助自动执行网络安全的各个方面。同样，智能工厂可能使用许多种不同类型的 AI，例如机器人使用计算机视觉在工厂车间移动或检查产品是否存在缺陷、创建数字孪生体，或使用实时分析来衡量效率和产量。

减少人为错误

AI 可以通过每次都遵循相同流程的自动化功能和算法来尽量减少数据处理、分析、制造装配和其他任务中的人为错误。

消除重复任务

AI 可用于执行重复任务，从而让人力资源能够空出手来解决更复杂的问题。无论是分析数据、验证文档、转写通话、审核内容，还是回答“你们在哪里？”之类简单的客户问题，AI 都能胜任。AI 擅长自动执行这些重复性或繁琐的工作职能。

快速准确

AI 可以比人类更快地处理更多信息，从而寻找规律和发现人类可能忽视的数据关系。

无限可用性

AI 不受时段、休息需求或其他人类需求的限制。在云端运行时，AI 和机器学习可以“始终开启”，从而持续处理分配的任务。

更快的研发速度

快速分析大量数据的能力可以加快获得研发突破的速度。例如，AI 可以帮助预测潜在的新药物疗法，或量化人类基因组。

AI 的实际应用：改变我们的世界

AI 的影响十分广泛且不断扩大，几乎触及日常生活和各行各业的方方面面。以下是它发挥作用的一些领域：

• 日常生活：智能手机的虚拟助理、在线媒体服务的个性化推荐、邮箱中的垃圾邮件过滤器以及 Google 地图等导航应用，都依赖 AI 来运行。
• 医疗保健：AI 正在彻底改变医疗领域，它帮助医生通过分析医学影像更早地诊断疾病、制定个性化治疗方案，并大幅加快药物研发速度。
• 交通运输：自动驾驶汽车使用 AI 进行导航、物体检测和实时决策，以确保安全驾驶。
• 运营活动：企业将 AI 应用于各个方面，例如客户服务聊天机器人、金融行业的欺诈检测、优化供应链和个性化营销活动。
• 娱乐：在电子游戏中，AI 可以创建更逼真、更具挑战性的角色。在内容创作方面，生成式 AI 现在可以作曲、写剧本和创作惊艳的视觉艺术。

AI 的发展历程