AI 入门启航：了解什么 AI

自从 ChatGPT 横空出世以来，AI 正在深刻的改变着我们的工作和生活方式。无论是在工作中，还是在社交媒体上，我们听到的，看到的都有大量关于 Ai 的讨论。AI 确实带来了生产力的提升，但是也存在着很多不必要的炒作，充斥着一种大干快上，生怕落为人后的氛围。

作为一名普通开发者，我认为正确的态度是去学习 AI，而非迷信或者焦虑 AI。探究 AI 背后的原理，享受 AI 带来的乐趣。后续笔者会开启一系列的文章，期待和大家一起学习，一起进步。

本文会按照以下章节展开：

• AI 的发展历史
• AI 的核心技术
• AI 的能与不能

要了解一门技术，就要先从它的发展历史开始说起。AI 已经发展了相当长的历史，ChatGPT 的成功并发偶然，而是长期以来 AI 技术，特别是深度学习和自然语言处理等领域，厚积薄发的结果。

AI 的发展历史

提到 AI 的发展历史，我们不打算长篇大论的去给 AI 写个编年史。我们从一个经典的小例子"教计算机认识猫"开始，一步步深入 AI 的发展历史。

想象一下你要教一个从外星来的朋友认识地球上的猫：

• 手工教学阶段：你像老师一样，逐条告诉他"猫有尖耳朵、胡须、会喵叫..."
• 特征教学阶段：你教他用"测量工具"，测耳朵尖度、胡须长度等数值
• 深度学习阶段：你直接给他看一万张猫的照片，让他自己悟出什么是猫
• 超级智能阶段：他不仅认识猫，还能画出各种风格的猫咪艺术作品！

"教计算机认识猫"的技术演进史 --- 人类人工智能波澜壮阔的发展史

第一阶段：规则时代（1980-1990年代）

技术特点：基于规则的专家系统

程序员的工作：

if (有尖耳朵 && 有胡须 && 有四条腿 && 会喵叫) {
    输出："这是猫"
} else if (有垂耳朵 && 有尾巴 && 会汪汪叫) {
    输出："这是狗"  
}

现实场景：

• 程序员角色：像编写百科全书的学者
• 工作方式：总结所有关于猫的特征规则
• 遇到的问题：

• • "无毛猫怎么办？没胡须的猫算猫吗？"
  • "侧面看不到耳朵怎么判断？"
  • "小猫咪不会叫怎么办？"

结果：规则越写越多，但总有例外情况处理不了

第二阶段：传统机器学习时代（1990-2010年代）

技术特点：特征工程 + 统计学习

程序员变身"特征工程师"：

1. 手工设计特征：

• • 耳朵尖锐度 = 耳朵顶角度 ÷ 90°
  • 眼睛圆度 = 眼睛长轴 ÷ 短轴
  • 胡须密度 = 胡须根数 ÷ 脸部面积

2. 收集训练数据：

• • 准备 1000 张猫的照片
  • 人工测量每张照片的各种特征数值
  • 标记："这是猫" 或 "这不是猫"

3. 训练算法：

支持向量机 (SVM)：找一条最优线把猫和非猫分开
决策树：像医生诊断一样，问一系列问题
随机森林：让多个"专家"投票决定

实际工作场景：

• 数据准备阶段：雇佣一堆人拿着尺子测量照片中猫的各种尺寸
• 特征工程阶段：数学家和程序员讨论"什么特征最能区分猫"
• 模型训练阶段：调参调到半夜，准确率从 60% 提升到 80%

遇到的挑战：

• 角度问题：侧面的猫和正面的猫特征完全不同
• 品种问题：波斯猫和暹罗猫差别太大
• 环境问题：黑夜中的黑猫几乎看不见
• 遮挡问题：只露半个脸的猫无法测量完整特征

第三阶段：深度学习革命（2010年代开始）

技术突破： 卷积神经网络(CNN)

2012年的历史性时刻 - ImageNet竞赛：

• 传统方法：准确率停留在75%左右
• AlexNet深度学习：一举突破到85%
• 震撼效果：就像从马车时代直接跳到汽车时代！

深度学习的工作方式：

第1层神经元：

"我发现了边缘！"
- 这里有条横线
- 这里有条竖线  
- 这里有条斜线

第2层神经元：

"我发现了形状！"
- 横线+竖线 = 角落
- 弧线组合 = 圆形
- 直线组合 = 三角形

第3层神经元：

"我发现了部件！"  
- 圆形+黑点 = 眼睛
- 三角形+毛茸 = 耳朵
- 长条+细丝 = 胡须

第4层神经元：

"我发现了完整对象！"
- 尖耳朵+圆眼睛+胡须 = 猫脸
- 长身体+四条腿+尾巴 = 猫身

最终输出：

"这是猫的概率：95.7%"

革命性变化：

• 程序员解放了：不需要手工设计特征，机器自己学会看什么
• 数据科学家诞生：重点转向收集更多更好的训练数据
• 算力工程师出现：需要 GPU、TPU 等专门硬件支持

真实场景对比：

传统方法的程序员：

// 熬夜写代码
float ear_sharpness = calculate_ear_angle(image);
float whisker_count = count_whiskers(image);
if (ear_sharpness > 0.8 && whisker_count > 6) {
    return "cat";
}

深度学习的数据科学家：

# 喝着咖啡调参数
model = CNN(layers=50, neurons=1024)
model.train(cat_images=1000000, epochs=100)
result = model.predict(new_image)  # 自动识别

第四阶段：生成式AI时代（2020年代）

从识别到创作的飞跃

不仅认识猫，还能"画"猫！

Midjourney/DALL-E的能力：

• 输入：「一只穿着西装的橘猫在办公室里开会」
• 输出：生成逼真的猫咪商务照片

技术原理简化理解：

传统深度学习：看图片 → 说"这是猫"
生成式AI：听描述 → 画出猫的图片

从识别到创作的技术跨越：

• GAN（生成对抗网络） ：两个AI互相较劲，一个画猫，一个辨别真假
• Diffusion模型：从噪点开始，逐步"雕刻"出完美的猫
• 大语言模型：理解"可爱的小橘猫"这种抽象描述

从"教计算机认识猫"到"让计算机创造猫"，这个看似简单的任务见证了 AI 技术的巨大飞跃。就像从手工作坊到智能工厂的变迁，每一次技术革新都让机器变得更加"聪明"，最终达到了能够理解和创造的高度.

更多发展历史和事件可以参考人工智能发展简史，如下所示：

图片引用自人工智能发展简史

通过上面的讲述，我们从一个形象的例子"让计算机认识猫"系统的了解了 AI 的发展历史。接下来我们来聊聊到底什么是 AI，它有哪些核心技术。

AI 的核心技术

在上文讨论 AI 发展历史的过程中，我们提到了 AI 和 生成式 AI、机器学习、深度学习、强化学习，其中机器学习、深度学习、强化学习都是 AI 发展过程的核心技术，它们之间的关系是什么呢。

• AI（人工智能） 就像是"理科"这个大类别，包含所有让机器模拟人类智能的技术
• 机器学习就像是理科下面的"数学系"，是实现AI的主要方法
• 深度学习就像是数学系下面的"高等数学专业"，是机器学习中最强大的分支
• 强化学习就像是数学系下面的"应用数学专业"，专门研究通过试错来学习
• 生成式AI就像是"艺术创作社团"，它可以招收各个专业的学生，但主要依靠高等数学专业（深度学习）的技术来创作内容

它们的关系如下：

AI（人工智能）
├── 机器学习
│   ├── 深度学习 ←─── 生成式AI主要依赖这里
│   ├── 强化学习
│   └── 其他传统机器学习方法
└── 其他AI技术（专家系统、符号推理等）

接下来，我们来聊一聊 AI 擅长做哪些事情，不擅长做哪些事情。这样在我们在工作中可以对 AI 技术的应用做到有的放矢，

AI 的能与不能

AI 就像一个超级聪明但有局限的助手，它记忆无限，擅长识别，会多种语言，像一个超级专家，但是它也有自己的局限，它不具备人类的高级思维和情感，像一个聪明的孩子。

应用场景

AI 的应用场景主要受以下几个方面因素的影响。

• 数据质量和数量：成熟应用通常有大量高质量训练数据
• 技术标准化程度：成熟应用已有相对统一的技术标准
• 商业化程度：从探索性到成熟应用，商业化程度逐步提高
• 监管和伦理考量：越成熟的应用，相关法规和伦理标准越完善
• 用户接受度：成熟应用的用户接受度和信任度更高

我们按照成熟度对 AI 主要的应用场景进行了梳理：

不足与限制

在应用 AI 技术的同时，我们需要清楚的了解现在还有哪些限制：

• 数据依赖：就像一个只能通过教科书学习的学生，如果教科书内容有偏差或不完整，学生的认知也会出现偏差。AI 完全依赖训练数据，数据质量直接影响 AI 的表现。
• 缺乏真正理解：就像一个能够完美背诵诗歌但不理解其含义的学生，AI 可以处理语言和模式，但不具备真正的理解和意识。
• 无法处理未知情况：就像一个只学过教科书例题的学生，遇到全新类型的问题时会感到困惑，AI 在面对训练数据中没有见过的情况时表现会大幅下降。
• 能耗和资源需求：就像需要大量电力才能运行的超级计算机，AI 系统通常需要巨大的计算资源和能源消耗。

AI 正在从"工具"向"伙伴"演进，未来将在保持技术优势的同时，努力克服理解深度、创造性和社会性的限制，成为人类更好的协作伙伴。

好了，文章到这里就结束了，本文是 AI 入门启航系列的第一篇文章，后面我们来实际的玩一玩 AI，开发一个 Agent，训练一个小尺寸模型，我们下一篇文章见。

参考资料

• AI for Everyone
• 人工智能发展简史