AI 与 AIGC 核心概念

第一章 · 从大模型到具身智能

主讲：何静（北京航空航天大学副教授）

📍 导读
普通人也能看懂的 AI 全景图：从 AI 的定义，到深度学习、AIGC、大模型、智能体，再到具身智能——用一个贯穿始终的「猫」故事和有趣的比喻讲透每个关键概念。

01 什么是 AI？让机器变聪明的技术

            给机器装上一个「大脑」，让它看懂、听懂、学习，并做出思考和决策。本质是对人类能力的模拟。
        

👀 感知 — 摄像头看懂照片、麦克风听懂语音

🧠 学习 — 从数据中获得知识（看十万张猫照片就认识猫）

⚡ 决策 — 地图App帮你选出不堵车的最快路线

02 AI 是如何学会的？

🎓 方法一：老师教学生（监督学习）

给机器看各种动物照片并标记猫的特征，看得够多自然就能识别。

📖 方法二：学生自学（深度学习）

只告诉猫的特征，让机器自己寻找猫与其他动物的区别，需要更多数据和计算量——这就是深度学习。

💡 深度学习 → 机器从海量数据中自己总结规律，而不是被工程师写死规则。

03 深度学习的两种模式

🔍 判别式 · 分类大师

区分与判断。人脸识别（张三/李四）、情感分析（正面/负面）。

🎨 生成式 · 创造大师

理解与创造。生成营销文案、诊断建议、写诗作画。

04 AIGC 如何生成内容？

学习（训练）：给机器海量猫的照片（投喂数据），它默默总结规律——尖耳朵、鼻子、眼睛、胡须、尾巴；耳朵有大有小，眼睛蓝或绿，毛长短不一，姿势千奇百怪。最终脑中形成「猫的灵魂概念」。

创造（生成）：让它画一只「躺在沙滩上打哈欠的猫」，它不照抄任何一张照片，根据灵魂概念自由组合五官、毛色、神态，创造出全球唯一的画。

AIGC = 人工智能生成内容（文本、图像、音频、视频等自动生成的方法和应用）。

05 大模型 = 厨房里的专属厨师

🍳 生成式AI = 整个厨房

能做各种菜系：川菜、蔬菜、粤菜、鲁菜 → 对应生成文字、图、音乐、视频。

川菜厨师（文字大厨） — DeepSeek、ChatGPT 擅长写文字

蔬菜厨师（绘画大厨） — Midjourney、Stable Diffusion 擅长画图

粤菜厨师（音乐大厨） — Suno AI、Audio AI 擅长谱曲

鲁菜厨师（视频大厨） — 即梦、可灵擅长做视频

大语言模型 = 生成式 AI 的子集。

06 大模型原理：三步成为超级学霸

海量读书（训练）：阅读互联网几乎所有的图书、文章、网页，找出语言模式与规律：「中国的首都是」后面大概率是「北京」；「猫喜欢吃什么」常接「鱼」或「老鼠」。最终形成庞大的概率网络（神经网络）。

接收问题：用户提问被拆解成小碎片（Token = 词或字），送入概率网络。

预测下一个词：像玩「疯狂填词」一字一字猜。回答「为什么天空是蓝色的」→「因为」「太阳光」「进入」「大气层」→「发生」「瑞利散射」。这就是为什么大模型会出错或编造——它追求合理而非完全正确。

🧠 核心：大模型 = 根据输入预测下一个最可能出现的词的超大机器。

07 智能体：有感知、决策、行动力的小助手

智能体 = 具有感知、决策和行动能力的实体，生活在电脑/手机/互联网中，能自主分析与执行任务。

🎬 完整实例：定电影票

任务：周五晚上《浪浪山小妖怪》最好位置的票，别太贵。

① 感知：自动打开猫眼/淘票票，搜索排期、余票、价格、座位图。
② 思考：「别太贵」→ 过滤高价位；「周五晚」→ 只看当日场次；「最好位置」→ 影厅正中央/偏后皇帝位。
③ 决策：选价格适中、时间合适、有连坐好位的场次 → 万达影城 19:30 第十排 45元/张。
④ 行动：自动点击购买、选择观影人、利用优惠券、调用支付宝/微信付款。
收到消息：已购妥，第10排10座和11座，取票码123456。

            🆚 对比普通订票 App：App 是死板工具，每个步骤靠你手动操作；智能体给一个目标就全自动执行——它有自己的判断力（知道什么是「好位置」），主动、自动、全链路完成。
        

08 智能体完成任务：四步循环

感知→ 思考→ 行动→ 奖励

🕹️ 用俄罗斯方块来理解

感知：看到屏幕上方块形状与下落方块（长条形）。
思考：长条横放补缺口 → 消四行拿高分。
行动：将方块移动到目标位置并旋转。
奖励：成功消除四行获得高分（奖励信号），知道这决策很棒。

总结：核心就是感知→思考→行动→奖励的循环，复杂度和技术水平可以不同，但逻辑一致。

09 具身智能：有身体的 AI

            具身智能 = 有身体的 AI = 通常被赋予物理身体（机器人）或虚拟身体（NPC）。
        

🤖 让具身智能玩俄罗斯方块

相当于给刚才的智能体装上「身体」：机器人坐在游戏机前。

② 学会用眼睛（摄像头）从嘈杂世界中提取有用信息。
② 协调身体（机械手指）精准执行大脑指令。
③ 应对不确定性：手柄反馈延迟、屏幕延迟、物理世界交互。

🆚 传统 AI = 博览群书但从不运动的学霸；
具身智能 = 喜欢动手实践、在运动中学习的高手。

🦵 具身智能动起来：感知 → 思考 → 行动循环。像小孩学走路不断摔跤、试错、进步。

🏖️ 案例：六足机器人走沙滩
① 感知：脚踩地→传感器反馈「好软，像沙滩」
② 决策：大脑分析「软地易陷，抬脚高一点、轻一点」
③ 行动：调整步伐，像踩在鸡蛋上一样轻手轻脚走过

10 五者关系：从 AI 到具身智能

            人工智能 = 宏大的总目标；

            大模型 = 实现总目标的超级大脑；

            AIGC = 这个大脑的创作能力；

            智能体 = 让大脑自主完成任务；

            具身智能 = 为智能大脑安装身体（机器人或虚拟角色）。

🌳 森林的故事
人类目标是培育一片伟大的 AI 森林。先培养出几棵名为「大模型」的参天巨树，成为森林的基础。这些树自然结出「AIGC」果实，让人类直接品尝到 AI 的甜头。随后森林中出现以巨树为大脑的「智能体生物」——它们能自主利用工具完成任务。其中那些拥有物理身体、能与真实世界互动的「具身智能生物」，则代表 AI 走出数字世界、进入物理世界的终极形态。

📌 一句话收藏：大模型是超级大脑，AIGC 是它创作的能力，智能体是它能自主做事，具身智能是它走出屏幕进入了物理世界。

生成式AI实战 · 概念总结