什么是 AI？为何它在当下如此重要？

人工智能是一种技术，使计算机能够执行通常需要人类智能才能完成的任务。

这些任务包括：

• 理解和生成语言

• 识别图像和人脸

• 根据数据做出决策

• 从经验中学习

• 解决复杂问题

可以将人工智能想象成教导计算机“思考”——虽然不像人类一样，但能产生看似智能的结果。

当大多数人听到“AI”时，他们会想象机器人占领世界、有情感的智能机器、HAL 9000，或是Terminator。

现实检验：今天的人工智能与这些完全不同。

当前的人工智能非常擅长特定的、狭窄的任务。它无法真正“理解”或感受。它是一个强大的工具，而不是一个自主实体——并且它完全依赖于人类的设计和数据。

现代人工智能更像是一个非常复杂的计算器，而不是一个有思想的生物——而且它仍然需要人类的输入。

以下是简化版本：

1. 数据输入。人工智能系统从海量数据中学习——文本、图像、数字。
2. 模式发现。它们识别数据中的模式。
3. 预测。它们利用这些模式进行预测或生成输出。
4. 改进。它们通过更多数据和反馈变得更好。

一个有用的例子：一个在照片中识别猫的人工智能已经“看过”数百万张猫的图像。它学会了哪些模式使图像可能包含猫——但它实际上并不知道猫是什么。同样的原理也适用于自动驾驶——自动驾驶汽车的人工智能已经处理了数百万小时的道路录像，以识别行人、交通灯和车道标记。它对检测到的事物做出反应，但它不理解为什么红灯意味着停车。

2022 年 11 月，OpenAI 发布了 ChatGPT。这是人类首次能够与 AI 进行自然对话。它在两个月内达到了 1 亿用户，成为历史上增长最快的应用程序。这不仅仅是一个科技产品，它预示着一种与计算机互动的新方式。

但 AI 并不是新事物——这个术语早在 1956 年就已创造。那么，究竟发生了什么变化？多个因素同时汇聚，使其最终能够大规模运作：

• 计算能力。现代计算机比 1990 年代的快数百万倍。
• 数据可用性。互联网创造了大量的训练数据。
• 算法突破。研究人员发现了训练 AI 系统的更好方法。
• 投资。数十亿美元涌入 AI 研究。

您已经在使用 AI，可能自己都没有意识到：

• 邮箱：Gmail 的垃圾邮件过滤器和智能回复
• 购物：Amazon 的“顾客也购买了”推荐
• 流媒体：Netflix 和 Spotify 的建议
• 导航：Google Maps 预测交通状况
• 照片：您的手机按面部整理照片
• 搜索：Google 理解您的查询
• 社交媒体：您的个性化动态消息

多年来，AI 一直默默地让您的数字生活更顺畅。

隐形AI在后台默默运行。你从不需要向它输入消息或提问，它只会观察模式并根据这些模式采取行动。当Gmail在你看到垃圾邮件之前将其过滤掉、当Netflix建议你接下来观看什么、或者当你的银行标记可疑交易时，这就是隐形AI在发挥作用。它已经是你生活的一部分多年了，你只是没有察觉到。

交互式AI是你实际会与之对话的类型。你输入或说话，它会回应。它可以回答问题、撰写内容、解释概念、帮助你规划——而且你与它沟通得越清晰，它就越有用。ChatGPT、Claude、Gemini、Siri和Alexa都属于这一类。这就是突然间在新闻中无处不在的AI，而且理由充分：这是大多数人第一次能够直接将AI作为工具使用，以简单的语言，而无需任何技术技能。

这种区分之所以重要：隐形AI是发生在你身上的事情，而交互式AI是你使用的东西。你越了解如何使用它，就能从中获得越多的价值。这正是本课程旨在帮助你的地方。

AI 感觉像魔法一样——它能以几乎像人类的方式写作、推理和回应。但在每个 AI 工具的背后，是数十年间数千名研究人员的试验、失败和逐步进展。

了解这段历史很重要，因为它揭开了魔法的面纱。当你知道 AI 经历了多个炒作和失望的循环时，你就不太可能被下一波令人喘不过气的新闻头条所席卷，并且能更好地发现真正有用的东西。

机器学习的兴起

研究人员不再编程规则，而是问：如果我们让计算机从数据中学习会怎样？关键的见解是：与其告诉 AI 该知道什么，不如向它展示大量示例，让它找出模式。

深度学习革命

2012 年，一个深度学习系统在图像识别竞赛中大获全胜，将之前的错误率几乎减半。这不是逐步的进展——而是一场革命。

三个因素使其成为可能：互联网提供了数十亿个训练示例，图形处理器可以将神经网络的训练速度提高 100 倍，以及研究人员开发了更好的技术。

此后，AI 成就迅速涌现：

• 2014 — 生成对抗网络 (GANs) 创造出逼真的假图像

• 2016 — AlphaGo 击败世界围棋冠军，这项壮举曾被认为需要数十年才能实现

• 2017 — Transformer 架构彻底改变了语言处理

• 2018 — BERT 和 GPT 模型展示了真正的语言理解能力

• 2020 — GPT-3 生成了非常连贯的文本

• 2021 — DALL·E 从文本描述中创建图像

• 2022 — ChatGPT 将 AI 功能带给大众

当前时代

我们现在正处于快速部署的时期——AI 工具出现在各行各业，主要科技公司之间竞争激烈，公众广泛参与，以及关于工作、真相、隐私和未来的严峻问题。

人工智能的历史给我们清晰的教训：

• 炒作周期是真实存在的。兴奋导致失望，失望导致默默进步，进步又再次引发兴奋。
• 突破是不可预测的。重大的进展往往来自意想不到的方向。
• 进步并非线性。人工智能经历了两个寒冬。未来可能还会有更多。
• 实际应用很重要。人工智能的成功在于解决实际问题，而非仅仅是让学者印象深刻。
• 我们对时间线的判断常常出错。乐观主义者和悲观主义者都持续错误判断能力何时会实现。

• AI 是一种工具，而非有感知能力的生命体 — 它模拟智能，但并非真正拥有智能
• AI 通过寻找模式和进行预测，从数据中学习
• AI 之所以变得强大，是因为计算能力、数据和研究同时汇聚
• 你已经在许多日常应用中使用了 AI
• 像 ChatGPT 这样的交互式 AI 现在人人都可以使用
• 自 1950 年代以来，AI 经历了繁荣与萧条的周期
• 2012 年的深度学习开启了当前的革命，而 2022 年的 ChatGPT 将其带入了主流
• 历史表明我们应该感到兴奋 — 但对预测要保持谨慎

了解 AI 是什么只是第一步。更重要的问题是：我们应该信任它吗？下一个课程将探讨 AI 的伦理和安全 — 涵盖偏见、错误信息、隐私以及现今存在的防护措施。