【概念地基-1】AI 的定义、分类与发展：从"图灵测试"到 ChatGPT

· 分类：概念地基

这一节点回答最基础的一个问题：到底什么是人工智能

【小目标】

这一节点回答最基础的一个问题：到底什么是人工智能？AI 和机器学习、深度学习、大模型是什么关系？AI 发展到今天经历了哪些阶段？

关键判断：AI 不是一个东西，而是一个大家族——里面有很多不同的技术、不同的方法、不同的能力层级。 搞清楚分类，就不会被各种名词绕晕。

【方法论】

一句话结论：AI = 让机器表现出人类智能的能力。 它是一个最大的伞概念，下面包含机器学习，机器学习下面包含深度学习，深度学习下面包含大模型。

① AI 的定义：什么算是"智能"？

  • 图灵测试：最早的判断标准——如果一个人通过文字聊天，分不清对面是人还是机器，那机器就算有智能了
    • 局限性：只看"像不像"，不看"真的懂不懂"
  • 现代定义：AI 是让机器完成"通常需要人类智能才能完成的任务"的技术
    • 比如：识别图片、理解语言、下棋、开车、写文章
    • 注意：AI 不是"像人一样思考"，而是"能完成人能做的任务"——实现方式可以和人完全不一样

② AI 家族树：从大到小搞清楚关系

AI（人工智能）
│  最大的概念——让机器表现出智能的所有技术
│
└── 机器学习（Machine Learning）
    │  AI 的一个分支——不靠人写规则，靠数据学规律
    │
    └── 深度学习（Deep Learning）
        │  机器学习的一个分支——用多层神经网络来学习
        │
        ├── 卷积神经网络（CNN）——专门处理图像
        ├── 循环神经网络（RNN/LSTM）——以前处理序列用的
        └── Transformer / 大语言模型（LLM）——现在的主流

一句话记住：AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 大模型——一层包含一层，越往里越具体。

③ AI 的两大流派：符号主义 vs 连接主义

流派 核心思想 怎么做 代表 优点 缺点
符号主义 智能 = 规则 + 推理 人把知识写成规则 专家系统 准确、可控、可解释 规则写不完、学不会新东西
连接主义 智能 = 神经元连接 用数据训练神经网络 深度学习、大模型 能学习、能泛化 黑箱、不可控、需要大量数据
  • AI 发展的历史就是这两派轮流坐庄的历史
    • 早期（1950s~1980s）：符号主义为主，"专家系统"火过一阵
    • 冬天（1990s~2000s）：两派都遇到瓶颈，AI 进入"寒冬"
    • 复兴（2012 年起）：深度学习崛起，连接主义大胜
    • 现在（2022 年起）：大模型爆发，AI 走入大众视野

④ AI 的三种类型：弱 AI / 强 AI / 超 AI

  • 弱 AI（窄 AI）：只能做一件或一类事
    • 比如：人脸识别、语音识别、下棋、推荐算法、ChatGPT
    • 我们现在所有的 AI 都是弱 AI——看起来很厉害，但都是"专才"不是"通才"
  • 强 AI（通用人工智能 / AGI）：能像人一样做任何智力任务
    • 能学习新技能、能推理、能理解抽象概念、能举一反三
    • 目前还不存在，是研究方向
  • 超 AI（ASI）：在所有方面都超过人类智能
    • 科幻概念，目前完全不用考虑

⚠️ 重要认知：现在的 AI 都是"弱 AI"。 它在某些方面比人强很多（比如计算、记忆），但在很多方面还不如一个小孩（比如常识、情感、真正的理解）。不要把 AI 神化，也不要把它想得太简单。

⑤ AI 能做什么（按能力分类）

能力类别 能干什么 典型应用
感知能力 看、听、读 人脸识别、语音识别、OCR 文字识别
理解能力 理解语言、理解内容 翻译、问答、文本分类、情感分析
生成能力 创造新内容 写文章、画画、作曲、写代码
决策能力 判断、选择、预测 推荐、风控、下棋、自动驾驶
交互能力 对话、协作 聊天机器人、智能客服、AI 助手

⑥ 为什么现在 AI 突然这么火？

三个条件同时成熟：

  1. 数据多了：互联网积累了海量数据
  2. 算力够了：GPU 让神经网络训练速度提升了成千上万倍
  3. 算法突破了：Transformer 架构的出现（2017 年）让大模型成为可能

这不是"突然出现"的，而是几十年积累 + 三个条件同时到位的结果。

【知识点】

  • AI 是个大家族：AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 大模型——一层比一层小，一层比一层具体。
  • AI 不是"像人一样思考"，而是"能完成人能做的任务"——实现方式可以和人完全不同。
  • 两大流派：符号主义（写规则）和连接主义（神经网络）——现在是连接主义的天下。
  • 现在的 AI 都是弱 AI：专才不是通才，不要神化，也不要低估。
  • AI 的五种能力：感知、理解、生成、决策、交互——不同的 AI 产品用不同的能力组合。
  • AI 爆发不是偶然：数据 + 算力 + 算法三个条件同时成熟的结果。

【名词卡】

名词 一句话解释
AI / 人工智能 让机器表现出人类智能的技术，是最大的伞概念
ML / 机器学习 AI 的一个分支，让机器从数据中学习规律，而不是人写规则
DL / 深度学习 机器学习的一个分支，用多层神经网络来学习
LLM / 大语言模型 用 Transformer 架构、在海量文本上训练的大型语言模型
AGI / 通用人工智能 能像人一样完成各种智力任务的 AI，目前还不存在
图灵测试 图灵提出的判断机器是否有智能的测试——人能不能分清对面是人还是机器
符号主义 AI 的一个流派，认为智能 = 规则 + 逻辑推理
连接主义 AI 的一个流派，认为智能 = 大量神经元的连接与学习
AI 寒冬 AI 发展历史上几次因为期望过高、结果失望而导致的研究经费削减期
Transformer 2017 年提出的神经网络架构，是当前大模型的核心引擎

易混对比： AI vs 机器学习 vs 深度学习（一层包含一层，别搞混）；弱 AI vs 强 AI（我们现在用的全是弱 AI）

【练一练】

目标： 给 8 个 AI 产品"找位置"——判断它们分别属于哪种能力类型、是弱 AI 还是强 AI、用了哪些技术。

实验： 以下 8 个 AI 产品，请你填写表格：

  1. Siri / 小爱同学（语音助手）
  2. 抖音推荐算法
  3. 人脸识别解锁
  4. AlphaGo（下棋 AI）
  5. ChatGPT
  6. 自动驾驶汽车
  7. AI 绘画（Midjourney / 文心一格）
  8. 机器翻译（谷歌翻译）
产品 能力类型（感知/理解/生成/决策/交互） 弱 AI / 强 AI 主要技术（规则 / ML / 深度学习 / 大模型）
1
2
...

思考题：

  • 这里面有没有"强 AI"？为什么？
  • 哪个产品最接近你理解中的"人工智能"？为什么？
  • 如果让你给十年后的 AI 画个像，你觉得会是什么样？

相关文章