什么是人工智能？

人工智能，简称 AI，指的是让计算机完成过去通常需要人类智能才能完成的事情，例如识别图片、理解语言、规划路线、写代码、生成图片或辅助医生读片。

先用一个生活场景理解

假设你每天要从 200 封邮件里找出真正重要的 20 封。传统程序可以写规则：包含“发票”就归档，包含“紧急”就提醒。但规则很快会变得复杂：有人不用“紧急”这个词，却真的很重要；有些广告也会写“重要通知”。

AI 的思路是：让系统看大量历史邮件和你的处理结果，学习“什么样的邮件更可能重要”。它不再只靠固定规则，而是根据数据中的模式做判断。

AI 和普通程序有什么区别

普通程序更像“你告诉机器每一步怎么做”。AI 系统更像“你给机器样例和目标，让它自己学出判断方式”。

对比项	普通程序	AI 系统
规则来源	人手写规则	从数据中学习规律
适合任务	流程明确、规则稳定	模糊、复杂、变化多
错误处理	找代码逻辑问题	同时检查数据、模型和场景
典型例子	计算税费、表单校验	语音识别、图像分类、智能问答

AI 系统通常由哪些部分组成

一个完整 AI 应用通常不是“一个模型”那么简单，而是由五部分组成：

1. 数据：文字、图片、语音、表格、用户行为等。
2. 模型：负责从数据中学习规律或生成结果。
3. 推理服务：把用户输入交给模型，拿到输出。
4. 评估机制：判断结果是否准确、稳定、安全。
5. 应用界面：让用户真正使用，例如网页、App、插件或 API。

很多初学者只盯着模型，其实真实项目里，数据质量、产品流程和评估方法同样重要。

人工智能能做什么

• 感知类任务：识别图片中的物体、把语音转文字、检测异常。
• 理解类任务：文本分类、意图识别、信息抽取、问答。
• 生成类任务：写文章、生成图片、写代码、总结会议。
• 决策辅助：推荐商品、预测风险、辅助排班、优化路线。

注意是“辅助决策”，不是所有场景都应该让 AI 自动拍板。涉及法律、医疗、金融、隐私和安全时，必须有人审核。

AI 不能做什么

AI 不等于真正理解世界。它可能会：

• 编造看似合理但不存在的事实；
• 在训练数据不足时表现很差；
• 对边界情况判断不稳定；
• 继承数据中的偏见；
• 无法为所有结果给出可靠解释。

所以使用 AI 的正确态度是：把它当作能力强但需要监督的工具，而不是绝对正确的专家。

新手应该怎么开始学

建议按这条路线走：

1. 先理解 AI、机器学习、深度学习、大模型的关系。
2. 找一个真实小任务，例如“自动整理学习笔记”。
3. 尝试使用一个现成工具，看它能帮你到什么程度。
4. 记录它做错的地方，思考是提示不清、资料不足，还是模型能力不够。
5. 再学习背后的概念和编程实现。

小练习

请找一个你熟悉的日常任务，回答三个问题：

1. 这个任务的输入是什么？
2. 你希望 AI 输出什么？
3. 如果 AI 做错了，会造成什么影响？

能回答这三个问题，你就已经开始用工程思维理解人工智能了。