机器学习与深度学习 / 系统课时

人工智能是什么

人工智能是什么

人工智能并不是“会思考的程序”的简单别称。理解它的关键,是看系统如何利用数据、规则或学习机制完成感知、预测、决策和生成任务,以及任务中哪些步骤是明确规则、搜索推理、学习模型或它们的组合。

学习目标

  • 说清人工智能的基本含义与核心目标
  • 区分人工智能系统与传统规则软件的主要差异
  • 判断一个实际功能是否真正使用了人工智能能力

从任务能力理解人工智能

可以从系统怎样产生输出理解人工智能。OECD 的定义关注系统如何根据输入推断预测、内容、建议或决策,以及这些输出怎样影响现实或虚拟环境。自主程度与部署后的适应性可因系统而异。它强调的是表现出来的能力,并不要求机器拥有与人类相同的意识、情感或思考方式。

因此,判断一个系统是否属于人工智能,更实用的问题不是“它像不像人”,而是“它怎样根据输入、目标和约束得到结果,哪些步骤是学习、推理或搜索”。人脸识别、垃圾邮件分类、语音转文字和大语言模型都符合这一特征。

人工智能系统在解决什么问题

许多人工智能任务可以归纳为三个连续环节:先获取输入,再建立输入与目标之间的关系,最后给出结果。输入可能是文字、图片、声音、传感器数据或业务记录,结果则可能是类别、数值、排序、动作或新生成的内容。

例如,邮件分类系统接收邮件文本,分析其中的语言特征,再输出“垃圾邮件”或“正常邮件”;商品推荐系统读取用户行为和商品信息,再估计哪些商品更可能被点击。不同应用表面差异很大,但都在解决“如何根据已有信息得到有用结果”的问题。

人工智能的目标也不是永远追求完全正确。实际系统通常需要在准确率、响应速度、计算成本、可解释性和风险之间取舍。医疗辅助诊断与短视频推荐都可能使用机器学习,但前者对错误的容忍度显然更低。

与传统软件的关键区别

传统软件通常由开发者明确写出处理规则:满足条件 A 就执行动作 B。只要输入和规则不变,行为通常容易预测。机器学习系统常从样本估计模型参数,也有知识规则、搜索和规划系统无需训练。同一个模型的推断可以是确定的。固定代码本身无法划分系统边界,应看它运行时采用的任务机制。

对比维度 传统规则软件 人工智能系统
核心依据 人工编写的确定规则 规则、数据或训练得到的模型
适合问题 逻辑明确、边界稳定 模式复杂、难以逐条编码
面对新输入 按明确规则处理 按规则推理、搜索或使用已学规律;是否泛化要实测
结果特点 通常确定且容易追踪 可能带有概率和不确定性
改进方式 修改程序逻辑 调整数据、模型、训练方法或提示

两者并不是互相替代。成熟的软件系统通常把它们组合使用:订单金额计算由确定规则完成,欺诈风险判断可以交给模型,再由业务规则决定是否拦截交易。

人工智能不等于机器学习

人工智能是更大的目标集合,机器学习是实现人工智能的一类重要方法。机器学习让系统通过数据学习规律,而深度学习又是机器学习中的一类方法,主要使用多层神经网络处理复杂模式。

因此,可以把关系理解为:人工智能描述“希望机器具备什么能力”,机器学习回答“能否通过数据学出这种能力”,深度学习则进一步提供了一套特别适合图像、语音和自然语言等复杂数据的技术方法。

判断一个功能是否属于人工智能

遇到一个新产品时,可以连续问三个问题:它是否需要理解复杂或不确定的输入;核心判断是否难以用少量固定规则完整表达;系统是否依赖模型、训练数据或推理过程产生结果。这些是分析线索,不能用满足条件数判定。搜索、推理、机器学习和普通数据处理经常在同一产品里相邻。

例如,计算器执行四则运算虽然很快,却只是确定算法;根据照片判断植物种类则需要识别视觉模式,更符合人工智能任务。固定税率计算直接代入公式。路线规划可以按门是否开放搜索不同路线,即使没有训练样本。下面用小地图展示一种常见搜索机制。每条边等成本,规划目标是经过最少的门;若实际道路耗时不同,需要按总成本另选算法。

python
from collections import deque

def shortest_path(graph, start, goal, blocked=frozenset()):
    if start not in graph or goal not in graph or start in blocked or goal in blocked:
        return None
    queue = deque([(start,)])
    seen = {start}
    while queue:
        route = queue.popleft()
        current = route[-1]
        if current == goal:
            return route
        for next_room in graph[current]:
            if next_room in graph and next_room not in seen and next_room not in blocked:
                seen.add(next_room)
                queue.append((*route, next_room))
    return None

rooms = {
    "入口": ["走廊", "库房"],
    "走廊": ["入口", "出口"],
    "库房": ["入口"],
    "出口": [],
}
print(" → ".join(shortest_path(rooms, "入口", "出口")))
print(shortest_path(rooms, "入口", "出口", {"走廊"}))

第一行输出“入口 → 走廊 → 出口”。走廊关闭后没有可行路线,第二行输出 None。是否把简单搜索产品称作 AI 取决于具体语境,此例用于说明规划与学习是两类可独立使用的机制。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

人工智能是什么

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通