什么是人工智能？快速概览

技术不断进步，作为一个社会，我们始终在寻找新方法，让生活更高效、更安全、更轻松。从车轮的发明到互联网的兴起，每一项进步都改变了我们的生活和工作方式。这一进程中的最新关键技术是人工智能（AI）。

我们正处于所谓的“AI 热潮”之中——这是一个 AI 技术在各行各业快速发展和普及的时期。不过，AI 并非第一次引发广泛关注。此前也曾出现过几轮热潮，最早可追溯到 20 世纪 50 年代，之后又在 20 世纪 80 年代再度兴起；而如今这轮热潮，则由强大的计算能力、大数据以及比以往更先进、更强大的机器学习模型推动。

图 1. 回顾 AI 的发展历程。

研究人员、初创公司和科技巨头每周都会推出新的发现与创新，不断拓展 AI 能力的边界。从改进医疗诊断到驱动智能助手，AI 正深度融入我们的日常生活。事实上，到 2033 年，全球 AI 市场价值预计将达到 4.8 万亿美元。

本文将深入探讨人工智能的真正含义，梳理其主要分支，并讨论它如何改变世界。

认识人工智能#

人工智能是当今最受关注的技术之一，但它究竟意味着什么？从本质上说，AI 指的是为执行通常需要人类智能的任务而构建的机器或计算机系统。这些任务可能包括理解语言、识别图像、做出决策，或从经验中学习。

思考型机器听起来或许很像未来科技，但 AI 已经在我们身边迅速普及。例如，推荐系统、语音助手和智能摄像头等应用的核心就是 AI。

如今我们使用的大多数 AI 解决方案都属于所谓的狭义 AI 或弱人工智能。这意味着它们专为执行一项任务而设计，并力求把这项任务做好。例如，一个 AI 系统可能只接受过识别照片中人脸的训练，另一个系统则专门根据你的观看历史推荐电影。这些系统并不会像人类一样真正思考或理解世界；它们只是根据数据中的模式完成特定任务。

AI 创新要实现这些功能，离不开一种称为模型的技术。你可以把 AI 模型想象成一个从大量数据中学习的数字大脑。这些模型通过算法（一套循序渐进的指令）进行训练，以发现模式、做出预测，甚至生成内容。模型拥有的数据越多、训练效果越好，表现就越准确、越有用。

图 2. 什么是人工智能？

AI 简史#

下面快速回顾 AI 数十年来的发展历程，从关于机器思维的早期理论，到我们今天使用的强大工具：

• 20 世纪 50 年代：Alan Turing 提出机器智能的概念，并提出图灵测试。1956 年，“AI”一词在达特茅斯会议上被创造出来，标志着 AI 成为一个研究领域。
• 20 世纪 70 至 80 年代：基于规则的系统在医学和工程等专业领域模拟人类决策。早期的热情之后，由于成本高昂和技术局限，AI 进入寒冬期。
• 1997 年：IBM 的 Deep Blue 击败国际象棋世界冠军 Garry Kasparov，首次证明计算机能够在高度讲究策略且复杂的游戏中战胜人类。
• 2010 年代：随着数据和计算能力增加，深度学习与神经网络在图像识别、语音处理和语言翻译领域取得重大突破。AI 开始普遍应用于消费类应用。
• 2020 年代：ChatGPT 和 DALL-E 等 AI 模型展现了生成式 AI 的强大能力。AI 研究不断加速，AI 也逐渐融入各种工具、工作场所和日常生活。

介绍 AI 的核心分支#

AI 可以看作一个涵盖多个不同领域或分支的总称，每个分支都专注于特定能力，例如从数据中学习、理解语言或解读视觉信息。这些分支通常协同工作，帮助 AI 系统完成有用的现实任务。

下面快速概览 AI 的一些核心分支：

• 机器学习（ML）：这是应用最广泛的分支之一。计算机不再遵循精确指令，而是从数据中学习并不断改进。机器学习应用于欺诈检测、个性化推荐和预测工具等领域。
• 计算机视觉：视觉 AI 让机器能够查看图像和视频并理解其内容。这项技术是人脸识别、自动驾驶汽车，以及 X 光和 MRI 等医学影像分析的基础。
• 自然语言处理（NLP）：它帮助机器理解人类语言并做出回应，包括口语和书面语。它应用于聊天机器人、Siri 或 Alexa 等语音助手、翻译工具，甚至垃圾邮件过滤器。
• 生成式 AI：AI 的这一分支有助于创作新内容，例如文本、图像、音乐，甚至计算机代码。ChatGPT、DALL-E 和 AI 写作助手等工具都依赖生成式 AI。
• 机器人技术：机器人技术将 AI 与实体机器结合起来。机器人可以移动、感知周围环境，并在现实世界中完成任务，例如在仓库分拣包裹、协助手术，或处理家务。

这些分支各自发挥不同作用，但它们协同起来，能够推动智能系统的发展，让这些系统逐渐融入我们的日常生活。

深入了解 AI 的主要分支#

介绍完 AI 的核心分支后，让我们进一步了解每个分支。我们将逐一介绍这些领域的工作原理，以及你可能会在哪里看到它们的实际应用。

机器学习概览#

数据科学常常与机器学习混为一谈，但两者并不相同。数据科学侧重于理解和分析数据，以寻找趋势、创建可视化内容，并帮助人们做出明智的决策。它的目标是解读信息，并用数据讲述故事。

而机器学习的核心是构建能够从数据中学习并做出预测或决策的系统，而无需明确编程。数据科学会问：“这些数据告诉了我们什么？”机器学习则会问：“系统如何利用这些数据，随着时间推移自动改进？”

图 3. 什么是机器学习？图片来源：Studyopedia。

Spotify 的“每周发现”歌单就是机器学习的一个典型应用。Spotify 是一家音频流媒体和媒体服务提供商，它不只是记录你播放了哪些歌曲，还会根据你喜欢、跳过或保存的歌曲进行学习，并将这些行为与数百万其他用户的行为进行比较。

接着，Spotify 会使用机器学习模型来预测并推荐你可能喜欢的歌曲。这种个性化体验之所以能够实现，是因为系统会不断学习和调整，帮助你发现自己甚至不知道正在寻找的音乐。

了解计算机视觉#

像 Ultralytics YOLO11 这样的计算机视觉模型，可以通过识别物体、人物和场景，帮助机器理解图像和视频。这些模型使用带标签的图片进行训练，从而学会不同事物的外观。

训练完成后，这些模型可用于目标检测（在图像中查找并定位事物）、图像分类（判断图像展示的内容）和运动跟踪等任务。这样，AI 系统便能观察周围世界并做出响应，无论是在自动驾驶汽车、医学扫描仪还是安防摄像头中。

例如，野生动物保护就是计算机视觉的一项有趣应用。配备摄像头和 Ultralytics YOLO11 等模型的无人机可用于监测偏远地区的濒危动物。无人机可以统计群体中的动物数量、跟踪它们的移动，甚至发现偷猎者等威胁，同时不会干扰环境。

这是一个很好的例子，说明计算机视觉不仅是高科技工具，也正切实助力保护地球。

图 4. 使用 Ultralytics YOLO11 检测动物的示例。

了解自然语言处理#

与计算机视觉类似，NLP 只专注于一种数据类型——语言。NLP 处理的不是图像或视频，而是帮助机器理解和处理人类的书面语和口语。它让计算机能够阅读文本、理解含义、识别语音，甚至以自然的方式做出回应。语音助手（Siri、Alexa）、聊天机器人、翻译应用和电子邮件过滤器等工具背后都有这项技术。

例如，广受欢迎的语言学习应用 Duolingo 会使用语言模型来模拟点餐或预订酒店等真实对话。AI 模型能够理解你的表达意图、纠正错误，并用简单易懂的方式解释语法，就像一位真人导师。这让语言学习变得更具互动性和趣味性，也展现了 NLP 如何借助 AI 帮助人们更有效地交流。

探索生成式 AI#

全球对 AI 的兴趣突然激增，要归功于生成式 AI。与分析或分类数据的传统 AI 系统不同，生成式 AI 会从海量数据集中学习模式，并利用所学知识创作原创内容。这些模型不只是遵循指令，还会根据所学内容生成新素材，往往能模仿人类的创造力和风格。

最受欢迎的例子之一是 ChatGPT，它可以写文章、回答问题并进行自然对话。最近，类似的先进工具也陆续问世，例如 xAI 的 Grok-3。

图 5. ChatGPT 对 AI 热潮产生了巨大影响。

此外，在娱乐和游戏等领域，生成式 AI 正在开辟新的创作可能。游戏开发者正在使用 AI 创作动态剧情、对话和角色，让它们能够实时响应玩家。

同样，在电影和媒体领域，生成式工具可以帮助设计视觉特效、编写剧本，甚至创作音乐。随着这些技术不断发展，它们不只是创作者的助手，还逐渐成为创作伙伴，共同打造沉浸式、个性化的体验。

机器人技术一瞥#

许多人会像电影 The Terminator 中那样，将 AI 创新与机器人联系起来，但现实是，AI 还远没有那么先进。科幻作品常常想象能够像人类一样思考和行动的完全自主机器，而当今的机器人则实用得多，也更专注于特定任务。

机器人技术作为 AI 的一个分支，将机械系统与智能软件结合起来，帮助机器在现实世界中移动、感知周围环境并采取行动。这些机器人通常还会运用 AI 的其他领域，例如通过计算机视觉进行观察、通过机器学习进行适应，从而安全高效地完成特定任务。

例如，Boston Dynamics 的机器人 Stretch 专为仓库自动化而设计。Stretch 可以扫描周围环境、识别箱子，并以极少的人为干预将箱子搬到卡车上或货架上。它利用 AI 实时决定如何移动以及将物体放在哪里，使其成为物流和供应链运营中的可靠工具。

图 6。认识 Stretch。

AI 创新引发的伦理担忧#

在近期对 AI 的热情与关注之外，围绕其伦理影响也出现了许多重要讨论。随着 AI 日益先进并深入融入日常生活，人们开始关注 AI 的使用方式、控制权归属，以及目前采取了哪些防护措施。

一个主要问题是 AI 系统中的偏见；由于这些技术从现实世界的数据中学习，它们可能会习得并强化人类已有的偏见。这可能导致结果不准确，尤其是在招聘或执法等敏感领域。

人们也担心缺乏透明度，因为许多 AI 系统就像“黑箱”，做出的决定甚至连开发者也无法完全解释。另一个日益突出的问题是生成式 AI 被滥用，它可以生成假新闻、深度伪造视频或误导性图像，而且这些内容很难与真实内容区分开来。

随着 AI 不断发展，我们需要进行负责任的开发，也就是构建公平、可问责并尊重隐私和人权的系统。政府、企业和研究人员目前正携手制定指导方针，确保 AI 造福所有人，同时尽量减少危害。

要点#

人工智能正在快速发展，并日益融入我们的日常生活。它能帮助完成图像识别、语言理解和实时智能决策等任务。从制造业到农业，AI 正让日常工作变得更轻松、更高效。

未来，随着通用人工智能（AGI）的兴起，我们或许会看到更大的变化，届时机器可能会以更接近人类的方式学习和思考。随着 AI 技术不断进步，它很可能会变得更加互联、更有用，也更加负责任。这是一个令人振奋的时代，随着 AI 不断发展，未来还有许多值得期待的事情。

加入我们活跃的社区！访问我们的 GitHub 仓库，深入了解计算机视觉。如果你对视觉 AI 感兴趣，可以查看我们的许可选项。欢迎在我们的解决方案页面了解物流领域的计算机视觉和医疗保健领域的 AI！