“AI”这一术语已经流行了一段时间。人工智能这一概念存在多年，许多技术依赖 AI 才能运作。随着 ChatGPT 和 Google Bard 等工具频频登上头条，我们仿佛正迎来人工智能的新时代。那么，AI 究竟是什么？它是如何工作的？
本文将简要介绍 AI 的定义、重要性以及您如何进一步学习这个引人入胜的领域。除列举人工智能的应用示例外，我们还引用了专家观点，并提供了延伸阅读资源。
什么是 AI？
人工智能是计算机科学的一个分支，旨在创建能够执行通常需要人类智能水平的任务的智能体。这些任务包括问题求解、语音识别和决策等。
AI 是一门跨学科的科学，方法多样；它既可以是基于规则、在预定义条件下运行的系统，也可以使用机器学习算法来适应其环境。后者尤为强大，因为它使 AI 系统能够从数据中学习，从而更具通用性，并能处理意料之外的情境。
AI 与数据科学及其他关键概念之间的关系
常见误解
同样值得说明的是，AI 不是什么。关于人工智能有许多误解，以下是一些常见的不正确看法：
- AI 等同于机器人。AI 并不限于机器人；它是一个更广泛的领域，涵盖搜索算法、自然语言处理等多种技术。
- AI 很快就会超越人类智能。认为 AI 即将智胜人类的观点被夸大了；通用人工智能（AGI）仍停留在理论阶段，离实现还有很远。
- AI 能像人类一样理解内容。AI 并不会以人类的方式“理解”文本或语音；它基于模式处理数据，缺乏真正的理解力。
- AI 是没有偏见的。与一些看法相反，AI 可能从训练数据或设计者那里继承偏见，因此并非天生公正。查阅我们的生成式 AI 伦理指南以了解更多。
- AI 能取代所有人类工作。虽然 AI 能自动化某些任务，但无法取代需要情感智能、创造力以及其他人类特有技能的工作。
您可以分别阅读我们的指南，了解AI 与机器学习的区别，以及机器学习与深度学习的差异。
AI 术语表
在探讨人工智能时，我们将使用一系列术语，其中一些可能不太熟悉。以下是关键 AI 术语及其含义：
算法
计算机为执行特定任务而遵循的一套规则或指令。算法是所有 AI 系统的基石。
通用人工智能（AGI）
一种目前仍属理论的 AI 形态，能够在不同领域理解、学习并应用知识，进行推理，具备意识，甚至具备情感理解力。这与为特定任务而设计和训练的弱人工智能（Narrow AI）相对。
深度学习
一种特殊的机器学习方法，模仿人脑的工作方式，使计算机能够从经验中学习，并以概念层级来理解世界。简单来说，深度学习就像一个虚拟大脑，帮助计算机从数据中学习，从而能够自主做出决策。
机器学习
让计算机具备从数据中学习、无需明确编程即可进行决策的方式。可将其类比为教会计算机从经验中学习，类似人类的方式。本质上，机器学习是 AI 获得“智能”之名的途径。您可在我们的Understanding Machine Learning课程中进一步了解该主题。
自然语言处理（NLP）
AI 的一个领域，聚焦计算机与人类通过自然语言进行交互。其最终目标是让计算机以既有意义又有用的方式来理解、解释并生成自然语言。
神经网络
受人脑中神经元结构启发的计算模型。神经网络广泛用于涉及模式识别的应用，如图像和语音识别。我们有一篇完整文章探讨什么是神经网络。
人工智能的类型
可以根据 AI 的能力与功能进行分类。
在能力层面，我们可以从以下方面区分不同类型的 AI：
弱人工智能（Narrow AI）
也称为弱 AI，旨在执行特定任务。它在有限的预定义条件下运行，不具有人类那样广泛的能力。当前大多数 AI 系统（包括反应型机器和有限记忆机器，见下文）都属于此类。
通用人工智能（AGI）
也称为强 AI，这类 AI 将能够在不同领域理解、学习并应用知识，具备自我意识、推理能力和情感理解力。通用 AI 目前仍主要停留在理论层面。
超级人工智能
这是一种更为先进的 AI 形态，将在几乎所有方面超越人类智能，从创造力、社会智能到问题求解能力。超级 AI 更多存在于科幻与未来设想之中，而非现实。
我们也可以基于功能来考察人工智能的类型：
反应型机器
这是最基础的 AI 形式，旨在执行特定任务。例如，IBM 的“深蓝”（Deep Blue）国际象棋超级计算机就属于此类。反应型机器无法存储记忆或利用过去经验来指导当前决策。
有限记忆
有限记忆型 AI 能够存储过往数据并据此做出更好的预测或决策。这类 AI 常见于推荐系统，如 Netflix 或 Amazon 使用的系统。
心智理论
这是一个理论概念，指 AI 系统可能理解人类的情绪、信念和想法。尽管引人入胜，但我们尚未达到这一水平的 AI 复杂度。
自我意识
AI 发展的顶峰将是具备自我意识的机器，能够理解自身存在，并基于自身利益做出决策。这仍是持续研究与伦理讨论的主题。
AI 的应用与示例
AI 的影响远超学术界和专业行业。以下是当今世界中人工智能的部分用法：
日常科技
AI 深度融入我们的日常技术中。从 Google 地图基于实时路况优化路线，到 Siri 和 Alexa 为您设定闹钟、回答问题，AI 几乎无处不在。这些应用通常使用弱 AI 来高效完成特定任务。
商业与产业
商业领域已在拥抱 AI。根据一项IBM 调查，2022 年有三分之一以上的公司（35%）报告在业务中使用了 AI。各行各业都在发现人工智能的用武之地，包括：
- 医疗。AI 算法可分析医学影像，识别癌症等疾病的早期迹象。它还能通过预测不同化合物的疗效来辅助药物研发。
- 金融。人工智能用于欺诈检测，机器学习算法可分析交易模式以标记异常活动。它还在算法交易、投资组合优化和个性化银行服务中发挥作用。
- 零售。在线购物平台的推荐系统多由 AI 驱动，帮助企业提升加购与交叉销售。它也可协助库存管理与需求预测。
“AI”这一术语已经流行了一段时间。人工智能这一概念存在多年，许多技术依赖 AI 才能运作。随着 ChatGPT 和 Google Bard 等工具频频登上头条，我们仿佛正迎来人工智能的新时代。那么，AI 究竟是什么？它是如何工作的？
本文将简要介绍 AI 的定义、重要性以及您如何进一步学习这个引人入胜的领域。除列举人工智能的应用示例外，我们还引用了专家观点，并提供了延伸阅读资源。
什么是 AI？
人工智能是计算机科学的一个分支，旨在创建能够执行通常需要人类智能水平的任务的智能体。这些任务包括问题求解、语音识别和决策等。
AI 是一门跨学科的科学，方法多样；它既可以是基于规则、在预定义条件下运行的系统，也可以使用机器学习算法来适应其环境。后者尤为强大，因为它使 AI 系统能够从数据中学习，从而更具通用性，并能处理意料之外的情境。
AI 与数据科学及其他关键概念之间的关系
常见误解
同样值得说明的是，AI 不是什么。关于人工智能有许多误解，以下是一些常见的不正确看法：
您可以分别阅读我们的指南，了解AI 与机器学习的区别，以及机器学习与深度学习的差异。
AI 术语表
在探讨人工智能时，我们将使用一系列术语，其中一些可能不太熟悉。以下是关键 AI 术语及其含义：
算法
计算机为执行特定任务而遵循的一套规则或指令。算法是所有 AI 系统的基石。
通用人工智能（AGI）
一种目前仍属理论的 AI 形态，能够在不同领域理解、学习并应用知识，进行推理，具备意识，甚至具备情感理解力。这与为特定任务而设计和训练的弱人工智能（Narrow AI）相对。
深度学习
一种特殊的机器学习方法，模仿人脑的工作方式，使计算机能够从经验中学习，并以概念层级来理解世界。简单来说，深度学习就像一个虚拟大脑，帮助计算机从数据中学习，从而能够自主做出决策。
机器学习
让计算机具备从数据中学习、无需明确编程即可进行决策的方式。可将其类比为教会计算机从经验中学习，类似人类的方式。本质上，机器学习是 AI 获得“智能”之名的途径。您可在我们的Understanding Machine Learning课程中进一步了解该主题。
自然语言处理（NLP）
AI 的一个领域，聚焦计算机与人类通过自然语言进行交互。其最终目标是让计算机以既有意义又有用的方式来理解、解释并生成自然语言。
神经网络
受人脑中神经元结构启发的计算模型。神经网络广泛用于涉及模式识别的应用，如图像和语音识别。我们有一篇完整文章探讨什么是神经网络。
人工智能的类型
可以根据 AI 的能力与功能进行分类。
在能力层面，我们可以从以下方面区分不同类型的 AI：
弱人工智能（Narrow AI）
也称为弱 AI，旨在执行特定任务。它在有限的预定义条件下运行，不具有人类那样广泛的能力。当前大多数 AI 系统（包括反应型机器和有限记忆机器，见下文）都属于此类。
通用人工智能（AGI）
也称为强 AI，这类 AI 将能够在不同领域理解、学习并应用知识，具备自我意识、推理能力和情感理解力。通用 AI 目前仍主要停留在理论层面。
超级人工智能
这是一种更为先进的 AI 形态，将在几乎所有方面超越人类智能，从创造力、社会智能到问题求解能力。超级 AI 更多存在于科幻与未来设想之中，而非现实。
我们也可以基于功能来考察人工智能的类型：
反应型机器
这是最基础的 AI 形式，旨在执行特定任务。例如，IBM 的“深蓝”（Deep Blue）国际象棋超级计算机就属于此类。反应型机器无法存储记忆或利用过去经验来指导当前决策。
有限记忆
有限记忆型 AI 能够存储过往数据并据此做出更好的预测或决策。这类 AI 常见于推荐系统，如 Netflix 或 Amazon 使用的系统。
心智理论
这是一个理论概念，指 AI 系统可能理解人类的情绪、信念和想法。尽管引人入胜，但我们尚未达到这一水平的 AI 复杂度。
自我意识
AI 发展的顶峰将是具备自我意识的机器，能够理解自身存在，并基于自身利益做出决策。这仍是持续研究与伦理讨论的主题。
AI 的应用与示例
AI 的影响远超学术界和专业行业。以下是当今世界中人工智能的部分用法：
日常科技
AI 深度融入我们的日常技术中。从 Google 地图基于实时路况优化路线，到 Siri 和 Alexa 为您设定闹钟、回答问题，AI 几乎无处不在。这些应用通常使用弱 AI 来高效完成特定任务。
商业与产业
商业领域已在拥抱 AI。根据一项IBM 调查，2022 年有三分之一以上的公司（35%）报告在业务中使用了 AI。各行各业都在发现人工智能的用武之地，包括：