初步了解人工智能
学习目标
完成本单元后，您将能够：
- 解释人工智能基本概念。
- 了解人工智能定义困难的挑战。
- 描述人工智能能够执行的任务类型。
是时候熟练掌握 AI 了
多年来，人工智能 (AI) 一直是众多小说作者和科幻迷心中的梦。但大多数人都没有认真看待 AI，因为人们总觉得它只会出现在遥远的未来。研究人员和计算机科学家并没有在等待，他们一直在努力将人工智能变为现实。事实上，如您所知，我们已经进入了 AI 时代。
在 stability.ai 上使用 DreamStudio 通过 AI 生成的图像。第一幅画的提示：“一个人坐在打字机前的特写画面，采用有趣的 2D 矢量艺术风格绘制。” 第二幅画的提示：“场景：一所大学的教室，背景是一块黑板，上面画着一个神经网络的草图。” 画面的前景是一名大学生在电脑上打字，采用有趣的 2D 矢量艺术风格绘制。” ]
对许多人来说，AI 已经成为我们工作、学习以及个人生活的一部分，而随着 AI 功能的提升，这一部分将会越来越大。为了使我们能够与 AI 进行有意义的对话，我们需要一个共享词汇表并构建一个坚实的核心概念基础。目前，如果您找 10 个人来定义人工智能，根据人工智能对受访者生活的影响，您可能会得到 10 种不同的答案。在本徽章中，我们将探索 AI 当前的部分功能和应用场景。
定义 AI 时存在的难点
定义 AI 的第一步是认识到我们当前对 AI 的概念可能存在误解。在科幻小说和电影中，AI 一直被塑造成一个一心想征服世界的邪恶体，但这并没有什么效果。
不光只有科幻小说会让我们对 AI 产生复杂想法。一般而言，我们人类往往对自己评价很高；将自身视作衡量其他一切的基准。因此，当我们谈及人工智能时，总会不自觉地将其与人类自身的学习能力和情报运用能力相比较。问题在于，人类并不是唯一有智慧的存在体。各种动物，从乌鸦到章鱼，都使用工具和方法来执行复杂的任务。如果时间足够，哪怕是黏菌也能解决难题。
随着我们开始弄清动物群体智力水平的广泛性，我们也开始认识到人类智力巨大的多样性。也许您曾认识这样一个人，他非常善于在公众面前进行演讲，但却无法用数学计算来拯救自己。或者，您还认识这样一个人，他总是能察觉到您处于焦虑中，但常常会被足球绊倒。重点是人类的智力是以多种专门的形式表现出来的。我们需要以同样的方式看待人工智能。特定类型的 AI 善于执行特定种类的任务。因此，让我们先仔细研究我们所说的人工智能在现如今能做些什么，再来定义它。
AI 能力的主要类型
目前，并不存在擅长所有领域的单一 AI。通用型 AI 的概念仍存在于未来的某个时刻。相反，经过多年努力，我们开发了几个专门用于执行特定任务的 AI 系统。他们所执行的任务通常属于少数几个更广泛的类别。
语言处理
2022 年 11 月 30 日，《韦氏词典》的每日一词是本质。那些学会了这个词的人在沟通这一可能是最重要的技能上略有改善。同一天，ChatGPT 问世，这是一种展示通信技能的人工智能。GPT 代表生成式预训转换器，自 ChatGPT 发布以来，众多衍生 GPT 模型相继追随，有些专注于特定语言处理领域，如日志记录、编程或财务分析。GPT 的设计初衷是理解日常语言并做出有意义的响应，例如回答问题、创作故事或论文、总结信息，或执行复杂计算。这在业界被称为自然语言处理，或者简称为 NLP。
NLP 依赖于对单词如何组合使用的理解，以便 AI 能够提取出单词背后的含义。例如，您想将一份文档从英文翻译成德文。或者您希望简要概述长篇科学论文。AI 都能完成。
NLP 正在颠覆几乎所有行业的工作方式。例如，具备自然语言理解能力和推理技能的 AI 智能体正快速取代客户支持设置中的聊天机器人和 Copilot。自然语言提示常被用于生成代码，为公司节省无数软件或应用开发时间。销售人员运用 NLP 请求客户概要、生成销售电子邮件，甚至为客户创建演示文稿草稿。
NLP 是生成式 AI 发展最快的领域之一，这是 AI 的一个子类别，可将单词转化为独特的图像、声音、代码，当然也可以是其他单词。NLP 与生成式 AI 是极具颠覆性的技术，为此我们专门设计了整套徽章课程，涵盖自然语言处理基础知识与生成式 AI 基础知识两大主题。完成这里的内容后您可以前往了解相关内容。
数值预测
您最近看天气预报了吗？您会根据预报的是雨天还是晴天来决定是否带伞出门。尽管天气预报已有数千年的历史，但 AI 模型的预报效果要优于以往任何一种方法。
有效的预测可以帮助您解答各种各样的问题。该客户是否会续订？您的身体有问题？今晚的用电需求会很高吗？本季最流行的运动鞋款式会是哪款？
AI 通常采用 0（不会发生）到 1（肯定会发生）之间的值的形式进行预测。数值预测不仅包括百分比值，AI 还可以预测任何数值，例如美元。也许您的公司想预测下一季度的销售额，或者想为您提供的最新服务找到最优定价：Widget+。作为消费者，您可能已经被这些数值预测所影响，甚至超过您的想象。想象一下您计划的一次海外旅行：机票、酒店房间、拼车和旅行平安保险都可能由 AI 定价，它使供需平衡达到最佳。
[在 stability.ai 上使用 DreamStudio 通过 AI 生成的图像，并配有提示：“一个友善的机器人驾驶出租车的特写画面，采用平面 2D 线条艺术风格绘制。” ]
分类
热狗是三明治吗？这个问题引发了长时间的氛围友好的哲学辩论，旨在探讨我们如何对事物进行分类。但在现实世界中，面临的风险可能要高得多。这是什么植物？这种植物是可食用的还是有毒的？那封电子邮件是合法的还是一种网络诈骗手段？分类通常是采取某种行动的第一步，是一项极其宝贵的技能。
因此，计算机科学家努力打造擅长对数据进行分类的 AI 并不奇怪。辨别植物和钓鱼电子邮件只是冰山一角。金融机构需要标记欺诈性交易。医疗专家必须诊断疾病。社交媒体平台希望识别恶意评论。所有这些都是分类问题的例子。AI 可以有效地进行初步分类，然后由专业人士接手。
通常，AI 分类器可以做得和人类一样好，甚至更好。话虽如此，大部分分类器只擅长一类细分任务。因此，擅长检测钓鱼电子邮件的 AI 并不能很好地识别出真鱼的图片。
机器人导航
一些 AI 擅长在不断变化的环境中导航，包括可在自动驾驶（免提）模式下进行真实导航。由 AI 驱动的汽车已经能够在车道上保持居中，并在高速公路上保持安全距离。它们能够应对城市交通模式、道路上的弯道、半挂式卡车带来的阵风以及突然停车。
能够适应不断变化的环境条件的 AI 在现实世界中应用极其广泛。例如，企业每天都需要生产产品并将产品交付给客户。这项工作的完成速度取决于许多市场因素：材料可获性、制造能力、现有库存、运输成本，甚至实时交通状况。即使条件发生变化，AI 也能够优化供应链。
别忘了机器人！即使是普通的扫地机器人也可以避开楼梯和椅子。在更大的范围内，很多装配线配备了机器人，随着时间的推移，其变得更快、更高效。这些机器人能够适应生产方式的变化，而无需斥巨资重新编程。研究人员正在制造能够穿越受灾区域的救援机器人，比如倒塌的建筑物。一种能够挤过微小裂缝的履带式机器人可以为受困的人提供援助并带来希望。
AI 模型与神经网络
AI 离不开 AI 模型与神经网络。AI 模型如同通过示例学习的超级智能电脑程序。例如，假设您开始以观鸟为爱好。接触的真实鸟类、鸟类图片、鸟鸣声、鸟名、位置及习性越多，您识别各类鸟类及其出没地点的准确率就越高。与您的新爱好类似，AI 模型通过分析海量数据来学习规律，做出决策和预测。经过训练后，它能基于所学及持续学习的内容执行任务。
神经网络是训练 AI 模型的工具。神经网络是节点、层、权重、偏差和一堆数学函数的混合体。它们联合起来模仿人体的神经网络。每个神经网络都针对特定任务进行了细致的调整。也许它能很好地预测降雨，也许它能对那些鸟进行分类，或者它能让在高速公路上行驶的车辆保持在车道中心。无论要完成何种任务，神经网络都在让 AI 看起来很神奇方面发挥了重要作用。现在，现在您对 AI 的奥妙有了一些了解。
神经网络的初衷是让机器像人类一样解决问题，它使 AI 能够识别输入数据和输出分类之间的复杂关系。换句话说，它们可以让计算机了解，当人们试图实现某个目标时，哪些变量和价值对他们很重要。这在 AI 技术中至关重要，因为它是将人类需求——更快的工作、更少的错误或更轻松的一天——与数据驱动的解决方案（如响应自然语言提示的智能体）联系起来的基础。例如，即使客户在交互过程中没有使用特定的关键词或短语，神经网络也能让复杂的 AI 模型知道客户正试图重设密码。
总结
人工智能是计算机执行通常与人类直觉、推断和推理相关的技能的能力。这些技能大多可归为数值预测、语言处理等广泛领域，它们正通过 AI 技术渗透到我们的生活中，为商业用例、教育需求和工业场景提供支持。