什么是 AI？从人工智能、机器学习到大语言模型和 Agent

AI 并不是某一种具体技术，而是一个很大的技术领域。机器学习、深度学习、大语言模型和 Agent，都可以看作这个领域中的不同层次或应用方式。

过去几年，我们经常听到 AI、机器学习、深度学习、大模型和 Agent 等名词。它们看起来很相似，有时甚至会被混用，但实际上并不处于同一个层级。

这篇文章不讨论复杂的数学公式，而是从最基本的问题开始：AI 到底是什么？计算机又是怎样从数据中"学习"的？

1. 什么是人工智能

人工智能（Artificial Intelligence，简称 AI）是一个研究和工程领域，目标是让计算机完成一些通常需要人类智能才能完成的任务，例如：

识别图片中的物体；
理解和生成语言；
根据路况控制汽车；
推荐商品、广告或视频；
制订计划并调用工具完成任务。

需要注意的是，AI 的"智能"并不一定和人脑的工作方式相同。很多 AI 系统只是针对特定目标，从大量数据中找出规律，再根据这些规律进行预测或生成结果。

1.1 弱人工智能：ANI

ANI 是 Artificial Narrow Intelligence 的缩写，通常译为狭义人工智能 或弱人工智能。

这类 AI 擅长解决一个特定领域的问题。例如：

搜索引擎对网页进行排序；
自动驾驶系统识别车辆、行人和道路；
农业系统识别病虫害；
工厂视觉系统检测产品缺陷；
语音识别系统把声音转换成文字；
大语言模型回答问题或生成文章。

这些系统可能在某项任务上超过人类，但它们的能力通常有明确边界。一个能够识别农作物病害的模型，并不会因此自动学会驾驶汽车。

目前我们实际使用的 AI，基本都属于 ANI。即使大语言模型看起来可以完成很多不同任务，它仍可能产生错误、缺乏稳定的现实理解，也不能像人一样在所有环境中自主学习和行动。

1.2 通用人工智能：AGI

AGI 是 Artificial General Intelligence 的缩写，通常译为通用人工智能。

它指的是一种能够像人类一样，在不同领域理解问题、学习新知识、迁移经验并完成多种任务的智能系统。理想中的 AGI 不只是执行训练过的任务，还能面对陌生问题，自主学习并灵活解决。

AGI 目前仍然没有获得公认的实现，其准确标准也存在争议。至于"全面超过人类、甚至完成所有人类无法完成的智力任务"，通常更接近超级人工智能（ASI，Artificial Superintelligence） 的概念，而不是 AGI 本身。

类型	核心特点	当前状态
ANI（狭义人工智能）	在一个或若干特定任务上表现出智能	已广泛应用
AGI（通用人工智能）	能跨领域学习、理解和解决一般性问题	尚无公认实现
ASI（超级人工智能）	在大多数重要智力任务上全面超过人类	假设性概念

2. AI、机器学习和深度学习是什么关系

AI 是最大的概念。机器学习是实现 AI 的一种重要方法，而深度学习又是机器学习的一个分支。

flowchart TB AI["人工智能 AI 让机器表现出智能"] ML["机器学习 ML 让机器从数据中学习规律"] DL["深度学习 DL 使用多层神经网络学习"] LLM["大语言模型 LLM 深度学习的重要应用"] AI --> ML ML --> DL DL --> LLM

这个关系可以简单理解为：

大语言模型属于深度学习，深度学习属于机器学习，而机器学习是实现人工智能的一种方式。

但 AI 并不等于机器学习。早期的专家系统、搜索算法和基于规则的程序，也属于人工智能领域，只是它们不一定通过数据进行学习。

3. 什么是机器学习

传统编程通常是人先写出明确规则，再让计算机按照规则处理数据：

text 复制代码

数据 + 人编写的规则 → 结果

机器学习则是把大量示例交给计算机，让算法从示例中找出规律，形成一个模型：

text 复制代码

数据 + 已知结果 → 学习得到模型
新数据 + 模型 → 预测结果

因此，可以用一句话概括机器学习：

机器学习是让计算机从数据中寻找规律，并利用这些规律进行预测或决策的研究领域，而不是为每一种情况手工编写完整规则。

机器学习并不是完全"没有编程"。工程师仍然需要设计数据处理流程、选择算法、定义目标并评估结果。计算机学习的是数据中的模式，而不是凭空获得知识。

3.1 模型、训练与推理

我们经常说"训练模型"或"调用模型"，但模型到底是什么？

可以把算法理解为一种学习方法，把数据理解为教材。算法读取大量数据并不断调整内部参数，最终得到的结果就是模型。

这个学习过程称为训练（Training） 。训练通常需要大量数据、计算资源和时间。模型训练完成后，我们可以向它提供新的输入，让它生成答案或预测结果，这个过程称为推理（Inference）。

flowchart LR A["训练数据"] --> B["学习算法"] B --> C["训练完成的模型"] D["新的输入"] --> C C --> E["预测或生成结果"]

简单来说：训练是在学习规律，推理是在使用规律。

3.2 监督学习

监督学习的数据中同时包含输入和对应的正确输出（标签）。模型通过大量示例，学习如何把输入映射为输出。

flowchart LR A["训练数据 输入 + 正确答案"] --> B["学习算法"] B --> C["训练完成的模型"] D["新的输入"] --> C C --> E["预测结果"]

常见例子包括：

输入音频，输出对应文字；
输入邮件内容，输出"垃圾邮件"或"正常邮件"；
输入房屋信息，输出预测价格；
输入用户与广告特征，输出用户点击广告的概率。

监督学习通常可以分为两类：

分类：预测一个类别，例如图片中是猫还是狗；
回归：预测一个连续数值，例如房价或销量。

3.3 无监督学习

无监督学习只有输入数据，没有人工提供的标准答案。算法需要自己发现数据中的结构或相似性。

例如，一家电商平台可能根据用户的购买行为，把用户自动划分成不同群体；系统事先并不知道应该有哪些群体，而是从数据中寻找相似模式。

常见任务包括聚类、降维和异常检测。

3.4 强化学习

强化学习不是直接告诉模型每一步的正确答案，而是让一个"智能体"在环境中采取行动，再通过奖励或惩罚判断行动效果。

flowchart LR A["智能体"] -->|采取行动| B["环境"] B -->|新状态| A B -->|奖励或惩罚| A

例如，训练一个游戏 AI 时，系统不必告诉它每一步应该怎样走，而可以在获胜时给予正向奖励，在失败时给予负向奖励。经过大量尝试后，它会逐渐学会更有效的策略。

监督学习、无监督学习和强化学习并不是互相排斥的。一个复杂 AI 系统可能同时使用多种学习方法。

4. 数据：计算机理解世界的基础

4.1 什么是数据

数据可以理解为：现实世界中的事物，在计算机中的可记录表示。

计算机底层使用二进制，也就是 0 和 1。但文字、图片、声音和视频都可以按照特定规则被编码为数字，再以二进制形式存储。

现实中的内容	在计算机中的表示方式
文字	字符编码，例如 Unicode、UTF-8
图片	由像素组成，每个像素记录颜色数值
音频	按时间采样得到的一系列数值
视频	连续图像帧与音频数据

例如，在 ASCII 编码中，大写英文字母 A 到 Z 对应十进制数值 65 到 90，小写字母 a 到 z 对应 97 到 122，数字字符 0 到 9 对应 48 到 57。

不过，ASCII 只能表示有限的字符。现代系统通常使用 Unicode 字符集，并通过 UTF-8 等编码方式存储中文、英文和其他语言。

4.2 什么是数据集

大量具有相同结构的数据放在一起，就形成了数据集。

例如，一份房屋价格数据集可能包含以下字段：

面积	房间数	地段	房龄	成交价格
80 ㎡	2	市中心	8 年	320 万元
120 ㎡	3	近郊	3 年	280 万元
65 ㎡	1	市中心	15 年	240 万元

其中，面积、房间数、地段和房龄可以作为输入特征，成交价格可以作为模型需要学习的目标。

数据量很重要，但数据质量同样重要。如果数据存在错误、偏差、重复或缺失，即使模型非常复杂，也可能得到不可靠的结果。这就是常说的"垃圾进，垃圾出"。

5. 神经网络如何学习

神经网络是一类受生物神经系统启发的数学模型。它由许多相互连接的计算单元组成，通过调整内部参数，学习输入和输出之间的关系。

假设我们想建立一个预测房价的 AI 系统。最简单的情况是：输入房屋面积，输出预测价格。

但现实中的房价不会只由面积决定。房间数、地段、房龄和交通条件等因素都可能产生影响。因此，我们可以让模型同时接收多个输入特征。

flowchart LR A1["房屋面积"] --> H["神经网络 学习不同因素的影响"] A2["房间数量"] --> H A3["所在区域"] --> H A4["房屋年龄"] --> H H --> B["预测房价"]

训练开始时，模型内部参数通常还不能给出准确结果。它会先进行预测，再把预测结果与真实成交价格进行比较，计算误差，并调整参数。这个过程反复进行，模型的预测通常会逐渐改善。

flowchart TB A["输入房屋数据"] --> B["模型预测价格"] B --> C["与真实价格比较"] C --> D["计算误差"] D --> E["调整模型参数"] E --> B

这里所说的"学习"，本质上就是：通过数据和误差反馈，不断调整模型参数。

6. 什么是深度学习

深度学习是机器学习的一个分支，核心是使用包含多个处理层的神经网络，因此也被称为"深度神经网络"。

传统机器学习往往需要工程师先人工设计特征。例如，为了识别照片中的猫，工程师可能需要先提取边缘、轮廓或纹理。深度学习则可以从大量数据中逐层学习更复杂的特征。

以图像识别为例，模型的不同层可能逐渐学到：

flowchart LR A["原始像素"] --> B["边缘与颜色"] B --> C["纹理和局部形状"] C --> D["耳朵、眼睛等部位"] D --> E["完整物体：猫"]

"深度"并不意味着模型真的像人一样深入思考，而是指神经网络具有较多层级。深度学习推动了计算机视觉、语音识别、自然语言处理和生成式 AI 的快速发展。

7. 生成式 AI、大语言模型和 Agent

7.1 生成式 AI

传统预测模型往往输出类别、概率或数值；生成式 AI 则能够根据输入生成新的内容，例如文字、图片、声音、视频或代码。

需要注意的是，"生成"并不等于从数据库中原样取出答案。模型通常根据训练中学到的统计规律，一步步生成符合上下文的新结果。因此，它也可能生成看似合理但实际错误的内容。

7.2 大语言模型

大语言模型（Large Language Model，LLM）是一类通过大量文本和其他数据训练的深度学习模型。它的核心任务可以简化为：根据已有上下文，预测接下来最可能出现的内容。

通过大规模训练和进一步优化，LLM 可以表现出问答、总结、翻译、写作、编程和一定程度的推理能力。

不过，大语言模型并不是"存有所有正确答案的知识库"。它生成的是概率上合适的内容，所以仍然需要事实核查，尤其是在医疗、法律、金融和最新资讯等场景中。

7.3 Agent

Agent 通常译为"智能体"。它不是简单的另一个大模型，而是一种围绕模型搭建的系统形态。

一个典型 Agent 可能包含：

一个负责理解和决策的大语言模型；
可调用的工具，例如搜索、数据库、代码执行或邮件；
保存上下文的记忆；
将复杂目标拆解为步骤的规划机制；
检查结果并继续执行的反馈循环。

flowchart TB U["用户目标"] --> P["Agent 规划与决策"] P --> M["大语言模型"] P --> T["外部工具"] P --> R["记忆与上下文"] M --> P T --> P R --> P P --> O["执行结果"]

因此，机器学习是一类技术方法，而 Agent 是一种应用架构。当前大多数 Agent 仍然建立在狭义人工智能之上，并不等于 AGI。

8. 机器学习和数据科学有什么区别

机器学习和数据科学都会使用数据，但关注点不同。

对比维度	机器学习	数据科学
核心目标	让系统从数据中学习，并进行预测或决策	从数据中获得洞察，支持业务判断
常见产出	推荐模型、识别模型、预测服务	分析报告、指标体系、实验结论
常用方法	训练、验证、部署和监控模型	数据清洗、统计分析、可视化和实验
典型问题	"这个用户最可能购买什么？"	"上个月销量下降的原因是什么？"

两者有很大的交集。数据科学项目可能使用机器学习，机器学习项目也离不开数据分析，但它们并不完全相同。

9. 总结

理解 AI，不需要一开始就钻进复杂的算法和公式。先记住下面几层关系：

人工智能是让机器表现出智能的整个领域；
机器学习让计算机从数据中寻找规律，是实现 AI 的重要方法；
深度学习是机器学习的分支，主要使用多层神经网络；
大语言模型是深度学习在语言和多模态任务中的重要应用；
Agent把模型、工具、记忆和执行流程组织在一起，使 AI 能够完成多步骤任务；
我们目前使用的系统基本仍属于 ANI，AGI 尚无公认实现。

AI 看起来像是在"思考"，但从技术角度看，它的基础仍然是数据、算法、计算资源和反馈机制。理解这些基本概念，才能更准确地判断 AI 能做什么、不能做什么，以及应该怎样把它应用到真实产品中。