AI科普 | 什么是人工智能的本质?

我们将以科普的角度深入探讨AI的本质,揭示其内在的基本逻辑。

我希望能够为读者提供一个简单清晰的认识,所以我摒弃晦涩的专用名词,用大白话的方式让小白也能轻松看懂,让大家更加了解这位改变世界的"魔法师"。

通过这篇文章,你将学习到如下内容:传统软件的本质是什么?人工智能的本质是什么?两者有什么优缺点?

目录

传统软件

  • 传统软件的本质
  • 传统软件的优点
  • 传统软件的缺点

人工智能

  • 人工智能的本质

  • 人工智能的优点

  • 人工智能的缺点

PART/ 01

传统软件

传统软件的本质

传统软件就是「if-then」的强逻辑,人类通过自己的生活、工作经验总结出一些有效的规则,然后让计算机自动运行这些规则。传统软件永远不可能超越人类的知识边界,因为所有规则都是人类制定的。

简单说:传统软件就是基于「规则」的强逻辑,需要人去总结规则,设定条件,然后告诉计算机怎么执行,这个过程中程序员就是上帝视角。

说了半天可能有些人还是不太理解,什么是基于规则的强逻辑,有点抽象,接下来我举个例子,下面这段就是一个基于规则的购买火车票的实例,没有考虑军人、残疾人等特殊情况:

上面这个例子程序员朋友都比较熟悉,但我相信没有编程经验的朋友也应该能看懂了。

传统软件的优点:

基于「if-then」的强逻辑,处理简单问题时,因为规则明确,结果可预期

传统软件的缺点:

无法解决复杂问题,我们人类的生活工作中充满了复杂问题,这些问题几乎不可能通过规则来解决,比如人脸识别,通过规则来识别就无法到达很好的效果。

PART/ 02

人工智能

如果要我给人工智能下一个定义,我的答案是下面这句话。

人工智能:利用计算机的算力,结合统计学、概率论、高数基础知识形成的算法,从大量数据中找出规律、归纳出特性,最后用于解决实际问题的工具。

再简单点就是:利用算力从大量数据中归纳知识、解决问题的工具。

当然人工智能出现了很多分支,比如:机器学习、深度学习、NLP、CV、大模型、多模态、自动驾驶、机器人,但这里我要以深度学习为例说一下,因为深度学习相对典型和应用普遍。

深度学习:机器从「特定的」大量数据中总结规律,归纳出某些「特定的知识」,然后将这种「知识」应用到现实场景中去解决实际问题。

人工智能总结出来的知识并不是像传统软件一样,可以直观精确地表达出来。它更像人类学习到的知识一样,比较抽象,很难表达。

好了,以上就是人工智能的本质逻辑,是不是说了一大堆,还是有少数人不理解记不住。

没关系,你就记住一句话,AI就是个"锤子",怎么理解?

大家思考一下锤子这个工具很可能是怎么发明出来的?

古代的石锤

我猜答案大致如下:某个人或某群人在生活中遇到某个东西(比如钉子)难砸或难拔的问题,基于自己的大脑智慧,结合大量反复的尝试,发明出来的一个工具。

本质上AI和锤子一样都是人类发明出来解决问题的工具。

人工智能这种工具之所以成为全世界的热门话题,是因为它大大扩展了传统软件的能力边界。

之前有很多事情计算机是做不了的,但是现在人工智能可以做了,并且大大提高了人类的生产力。

比如使用AI写作、绘画、生成音乐、创作视频,基本在几分钟之内就完成了,如果这些工作要人亲自做的话,将会付出成倍的时间,且不一定有现在的AI创作的好。

但是不管怎么变,传统软件和人工智能都是工具,是为了解决实际问题而存在的。这点并没有变化。

人工智能的优点:

1、提高效率和生产力:AI可以自动化执行重复性和繁琐的任务,从而提高生产效率。AI的应用大大减轻了人类的工作负担,使企业能够更快速地响应市场变化。

2、优化决策过程:AI能够处理大量数据,通过机器学习和数据分析,提供更精确的预测和决策支持。这使得决策者能够基于更全面的信息做出更优的决策,降低风险并提高成功率。

3、促进创新和科研发展:AI具有强大的计算和学习能力,可以应用于科学研究、技术创新等领域。例如,在药物研发、基因编辑等方面,AI可以帮助科学家更快地找到新的突破点,推动科技进步。

人工智能的缺点:

1、目前人工智能只解决特定问题

很多科幻电影里都出现了逆天的机器人,这种电影让大家有一种感觉:人工智能好像是无所不能的。

实际情况是:现在的人工智还处在单一任务的阶段,比如:扫地用扫地机器人、开车用自动驾驶。

2、知其然,但不知所以然

目前的AI是从大量数据中归纳总结的知识,这种方式导致AI并不知道"为什么",只关心现象或结果,不关心为什么。

比如现在火热的大模型,你问它问题的时候,其实它生成的内容都是基于上下文概率性生成下一个字,其实它并不是真正理解了你的问题和它生成的答案。

3、算法偏见:AI系统的决策往往基于训练数据和算法,如果这些数据和算法存在偏见,那么AI的决策结果也可能带有偏见。这可能导致不公平的决策,影响社会的公正性。

4、道德和伦理问题:AI的决策过程可能缺乏道德和伦理考量,导致不公平或歧视性的结果。例如,在招聘、信贷等领域,如果AI系统基于历史数据做出决策,可能会放大社会偏见和歧视。

总结

传统软件就是「if-then」的强逻辑,人类通过自己的生活、工作经验总结出一些有效的规则,然后让计算机自动运行这些规则。传统软件永远不可能超越人类的知识边界,因为所有规则都是人类制定的。

人工智能的基本原理:机器从「特定的」大量数据中总结规律,形成某些「特定的知识」,然后将这种「知识」应用到现实场景中去解决实际问题。人工智能本质上是一种工具,只能解决特定的问题,而不是什么都能做。

如何学习AI大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

相关推荐
余衫马21 小时前
llama.cpp:本地大模型推理的高性能 C++ 框架
c++·人工智能·llm·llama·大模型部署
deephub21 小时前
Google开源Tunix:JAX生态的LLM微调方案来了
人工智能·深度学习·google·微调·大语言模型·jax
数据与人工智能律师1 天前
数字人民币钱包抉择:匿名自由与实名安全的法律风险评估
大数据·人工智能·python·云计算·区块链
LONGZETECH1 天前
【龙泽科技】智能网联汽车视觉传感器仿真教学软件
科技·汽车
云安全联盟大中华区1 天前
以美为鉴:构建现代化的核能行业网络安全合规体系--为人工智能革命提供动力
人工智能·安全·web安全
沉默媛1 天前
扩散模型-图像编辑【An Edit Friendly DDPM Noise Space: Inversion and Manipulations】
人工智能·计算机视觉·cvpr·扩散模型·图像编辑·ddpm
好家伙VCC1 天前
**全息显示技术的发散创新与深度探索**一、引言随着科技的飞速发展,全息显示技术已成为显示领域的一大研究热点。本文将带你
java·图像处理·python·科技·计算机视觉
nju_spy1 天前
2023 美赛C Predicting Wordle Results(上)
人工智能·机器学习·数学建模·数据挖掘·arima·时间序列预测·相关性分析
用户5191495848451 天前
网络安全工具与社区讨论月报
人工智能·aigc
utmhikari1 天前
【测试人生】LLM赋能游戏自动化测试的一些想法
自动化测试·游戏·ai·大模型·llm·游戏测试