AI入门 · 智能的本质

📖导读

很多同学对人工智能感兴趣，但一看概念和数学公式就被劝退。

这节课试图用最简单清晰的方式，结合真实案例，搭建对AI的完整认知框架。

核心问题：什么是智能？机器的智能从何而来？

PART 01

💡什么是智能？

制造会思考的机器，是人类最古老的梦想之一。从两千多年前希腊神话到中国的《列子》，都有相关记载，但早期都停留在空想阶段。

关键观察：

一个小孩子被热水烫过一次后，不仅能避开那个杯子，还会警惕所有冒热气的物体——不需要把全世界的东西都试一遍。

人类能从有限经验中抽取规律，并在陌生环境中做出正确判断——这种能力叫「泛化能力」。

定义：智能 = 学习能力 + 迁移能力（举一反三）

专用人工智能

可以击败围棋冠军的AlphaGo，不会下五子棋或军棋。只能在特定任务上表现出色，跨任务迁移能力弱。

通用人工智能（AGI）

具备人类的理解、推理和学习能力，能在不同领域中解决各种问题的智能系统。

PART 02

��从仿生学看AI

我们能一眼认出一颗苹果，但说不出精准的几何参数、颜色代码或纹理规则。原因是见的次数足够多——大脑自动从海量样本中提取特征，形成模糊但精准的概念。

即使看到从未见过的品种，甚至抽象的简笔画，我们仍能认出来。

                仿生的启示：只要给计算机的数据量足够大，它也能「模糊地」学出规律来。这就是现代AI的学习路径。
            

PART 03

🛤️AI的演进历程

1956

人工智能概念正式提出，主要围绕计算机展开。

早期路线

走了40多年弯路——专家系统路线（工程师写死规则来定义世界）。在客服系统、医院影像识别等领域取得一定成果，但规则永远写不完：被咬了一口的苹果、坏了一半的苹果、光影变化的苹果，都难以尽举。注定无法实现AGI。

1959

科学家亚瑟·塞缪尔提出机器学习定义：让电脑不用精准编程就能获得学习能力的技术领域。

1997

IBM「深蓝」学会国际象棋，击败人类世界冠军。相对而言，国际象棋的策略比较简单。

2016

DeepMind「AlphaGo」通过策略网络和强化学习学会围棋，击败人类围棋冠军，震惊世界。

2020左右

AI广泛应用于人脸识别、智能驾驶等领域，看起来已非常聪明，但仍是专用智能。

两条路线对比：

符号主义

规则驱动，工程师站在上帝视角写代码穷举世界。规则永远写不完，注定实现不了AGI。

连接主义

学习驱动，让机器像人一样去「看」去「学」，不再做清晰明确的编程定义，自主从海量数据中归纳特征。

PART 04

🔍为什么最近才爆发？

人脑功耗仅约20瓦，就能完成复杂认知任务。而机器模拟智能靠的是「大力出奇迹」的暴力计算，需要两大前提：

海量数据：互联网把人类知识数字化——维基百科、社交网络、数字化典籍，为AI提供了规模空前的训练集。没有数据，机器「看得太少」就学不会。

超强算力：训练深度神经网络涉及十亿、百亿甚至万亿级参数优化，每次权重更新都需海量矩阵运算。GPU和TPU的突破，让计算成为可能。

结论：数据 + 算力 + 算法，三者齐备，AI 才迎来突破曙光。

PART 05

📐模型是什么？

数学中，在坐标系上分布一些点，我们会找一个函数 y = f(x) 来模拟这些数据点的规律，用来预测下一个点。机器学习本质上就是在拟合一个超级复杂的函数。

给一张图片 X → 输出分类「苹果」

给一段语音 X → 输出对应文字

给一句话前半句 → 输出后半句

训练AI模型，本质上是在海量参数空间里，通过不断试错与优化，搜索那个最能解释数据背后规律的超级函数。

拉马努金的 π 计算公式（看似无厘头，却能精准求出π）

1/π = (2√2 / 9801) · Σ (4k)! · (1103 + 26390k) / ((k!)^4 · 396^(4k))

同时代的数学家不明白他如何写出这个公式，但算出的π却极其精准。世界背后隐藏着深层的规律，人脑算力与记忆有限，难以穷尽。机器学习的核心任务，就是将「找规律」规模化、可重复，突破人脑极限。

PART 06

📈AI发展的三个显著阶段

阶段 01

通用机器学习

不依赖预设规则，让机器从数据中学习概率。典型应用：垃圾邮件分类——机器并不知道什么是垃圾邮件，但它统计词频组合，当出现「恭喜」「中奖」时就变得敏感。局限：依赖人工设计的特征，本质上是在人画的框架里优化。

阶段 02

深度学习

模拟人脑神经网络，最典型的是深度神经网络 DNN。对运算要求更高，能完成更复杂的任务。典型案例：结合强化学习的AlphaGo，还有人脸识别、智能驾驶。这些看起来已经非常聪明，但仍缺乏泛化迁移能力，不能跨任务使用。

阶段 03

大语言模型（生成式AI）

之前都是让AI做「选择题」：是不是垃圾邮件 / 该往南还是往北走。大语言模型能让你写作文——有推理和创造能力。核心机制来自 Google 的 Transformer 论文（"Attention is All You Need"），通过不断预测下一个Token来实现各种生成式任务。这是人类离AGI最近的一次。

PART 07

🗣️为什么是语言模型实现了突破？

最早大家认为「图像识别 CV」最可能实现通用人工智能，但最终语言模型（NLP）率先突破。

「我的语言的界限，就是我世界的界限。」

—— 维特根斯坦

语言是对世界的压缩。人类几千年的文字记录，编码了对世界的全量认知：

「因为」「所以」编码了因果律

「但是」「然而」编码了逻辑转折

一个故事里编码了时间、空间、情感、社会规范

大语言模型的机制：任务看似简单——根据已有输入预测下一个Token。但为了精准预测下一句，它被迫理解各种深层逻辑：

预测物理题的答案 → 得学会物理规律

预测写代码的下一行 → 得学会编程

预测故事的结局 → 得理解人物动机

                通过学习人类所有文字，大语言模型学习了人类对世界的全量认知，进而涌现出理解逻辑因果、掌握常识、推理创作、模仿情感等惊人能力。
            

PART 08

🌌语言智能 vs 空间智能

但并非所有人都认可语言模型能通向AGI。知名学者持有不同观点：

李飞飞（斯坦福）

语言只是最近50万年才诞生的事物，是世界的镜子，但并非世界本身。大语言模型仍困在像素与符号的统计规律。

杨立昆（图灵奖得主）

认为空间智能才是通向AGI的最优路径。语言并非实现通用人工智能的最佳途径。

                空间智能论据：从寒武纪开始，生物看见世界已有5亿年。看见世界驱动了大脑爆发——捕食或逃生都需要感知距离、相对速度、重力、预测轨迹。如果AI不理解「球推下桌子就会掉落」，就谈不上理解真正的世界。
            

李飞飞创办了 World Labs，致力于构建具有物理一致性的世界模型。当然，语言智能与空间智能可能都不可或缺，实现AGI我们拭目以待。

PART 09

✨开启机器学习之旅

在正式开始学习机器学习之前，先明确核心认知：

智能 = 学习能力 + 迁移能力

当数据与经验可以被大规模获取（互联网发展），算力也有（摩尔定律 + GPU），关键就变成了：如何把这些数据变成可学习的任务，让机器在反复试错中总结出对世界认知的函数——也就是模型。

接下来从机器学习到深度学习，再到NLP与大语言模型，一步步建立完整的AI认知体系。

🎯学习行动建议

不要被数学公式吓退：先建立直观的认知框架，理解「大量样本 → 提取特征 → 形成模型」的底层逻辑。

从经典案例入门：垃圾邮件分类（机器学习）→ AlphaGo（深度学习）→ 大语言模型（生成式AI），一步一个阶段理解进化路径。

思考「智能」本身：真正的智能不是记住答案，而是从经验中抽取规律，并在陌生场景中做出正确判断。