什么是人工智能？快速概览
探索人工智能的定义，了解机器学习、计算机视觉等支撑当代智能系统的主要分支。
技术一直在进步，作为社会的一员，我们不断探索让生活更高效、更安全、更便捷的新方法。从轮子的发明到互联网的兴起，每一次进步都改变了我们的生活和工作方式。这一努力中最新的关键技术就是 人工智能 (AI)。
我们目前正处于所谓的“AI 热潮”之中——这是一个 AI 技术在各行各业迅速发展和普及的时期。然而，这并非 AI 首次受到如此高度的关注。追溯到 20 世纪 50 年代和 80 年代，AI 也曾经历过几波浪潮，但今天这波热潮是由更强大的算力、大数据以及比以往任何时候都更强大的机器学习模型所驱动的。
图 1. 多年来的 AI 回顾。
每周，研究人员、初创公司和科技巨头都会带来新的发现和创新，不断突破 AI 的能力边界。从改善医疗诊断到驱动智能助手，AI 正在深深融入我们的日常生活。事实上，预计到 2033 年，全球 AI 市场价值将达到 4.8 万亿美元。
在本文中，我们将深入探讨人工智能的本质，剖析其核心分支，并讨论它如何改变世界。
Link to this section了解人工智能#
人工智能是当今谈论最多的技术之一，但它到底意味着什么？其核心在于，AI 指的是被构建用于执行通常需要人类智能的任务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。
虽然会思考的机器这个想法听起来很科幻，但 AI 已经在我们周围迅速普及。例如，AI 是推荐系统、语音助手和智能摄像头等应用程序的核心。
我们今天使用的大多数 AI 解决方案都属于所谓的窄 AI 或 弱人工智能。这意味着它旨在执行某一项任务，并且能做得非常好。例如，一个 AI 系统可能仅被训练用于识别照片中的人脸，而另一个则旨在根据你的观看历史推荐电影。这些系统实际上并不像人类那样思考或理解世界，它们只是简单地遵循数据中的模式来完成特定的工作。
为了实现这一切，AI 创新依赖于所谓的模型。你可以将 AI 模型视为一种从海量数据中学习的数字大脑。这些模型使用算法（一套逐步指令）进行 训练，以发现模式、做出预测甚至生成内容。它们拥有的数据越多，训练得越好，它们就变得越准确和实用。
图 2. 什么是人工智能？
Link to this sectionAI 简史#
以下快速回顾了 AI 几十年的发展历程，从关于机器思维的早期理论到我们今天使用的具有影响力的工具：
- 20 世纪 50 年代：Alan Turing 提出了机器智能的概念并引入了 Turing Test。1956 年，在 Dartmouth Conference 上正式提出了 AI 一词，标志着 AI 作为一个领域开始形成。
- 20 世纪 70 年代至 80 年代：基于规则的系统在医学和工程等专业领域模仿人类的决策。早期的兴奋之后，由于高昂的成本和技术局限性，AI 遭遇了 AI winter。
- 1997 年：IBM 的 Deep Blue 击败了世界象棋冠军 Garry Kasparov，首次证明了计算机在高度战略性和复杂的游戏中可以超越人类。
- 2010 年代：随着更多数据和算力的出现，深度学习和神经网络在图像识别、语音处理和语言翻译方面取得了重大突破。AI 成为消费类应用的主流。
- 2020 年代：像 ChatGPT 和 DALL-E 这样的 AI 模型展示了生成式 AI 的力量。AI 研究加速发展，AI 开始集成到工具、工作场所和日常生活中。
Link to this section介绍 AI 的核心分支#
可以将 AI 这个词视为一个涵盖多个不同领域或分支的伞状概念，每个领域都专注于一种特定的能力，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 系统执行有用的现实世界任务。
以下是 AI 一些核心分支的快速概览：
- 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的指令，而是从数据中学习并随着时间的推移不断进步。机器学习被用于欺诈检测、个性化推荐和预测工具等方面。
- 计算机视觉：视觉 AI 使机器具备了查看和理解图像及视频的能力。它是人脸识别、自动驾驶汽车以及 X 光和 MRI 等医学图像分析背后的技术。
- 自然语言处理 (NLP)：它帮助机器理解和回应人类语言（包括口头和书面）。它被用于聊天机器人、Siri 或 Alexa 等语音助手、翻译工具，甚至是垃圾邮件过滤器中。
- 生成式 AI：这一 AI 分支有助于创作新内容，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于生成式 AI。
- 机器人技术：机器人技术将 AI 与物理机器集成。机器人可以移动、感知周围环境并在现实世界中完成任务，例如在仓库中分拣包裹、协助外科手术或帮助做家务。
这些分支中的每一个都扮演着不同的角色，但它们共同促进了智能系统的发展，而这些系统正逐渐成为我们日常生活的一部分。
Link to this section剖析 AI 的关键分支#
既然我们已经介绍了 AI 的核心分支，让我们更仔细地看看每一个分支。我们将讲解这些不同领域是如何运作的，以及你可能在何处看到它们的应用。
Link to this section机器学习概览#
数据科学常与机器学习混淆，但它们并非同一回事。数据科学侧重于理解和分析数据以寻找趋势、创建可视化效果并帮助人们做出明智的决策。其目标是解释信息并通过数据讲述故事。
另一方面，机器学习的核心在于构建能够从数据中学习并在无需明确编程的情况下做出预测或决策的系统。虽然数据科学问的是“这些数据告诉我们什么？”，但机器学习问的是“系统如何利用这些数据随着时间自动改进？”
图 3. 什么是机器学习？图片来源：Studyopedia。
机器学习实际应用的一个好例子是 Spotify 的“每周发现 (Discover Weekly)”播放列表。Spotify 是一家音频流媒体和服务提供商，它不仅仅是跟踪你播放的歌曲。它通过学习你喜欢、跳过或保存的内容，并将这种行为与数百万其他用户进行比较。
然后，它使用 机器学习模型 来预测并推荐你可能喜欢的歌曲。这种个性化的体验之所以能够实现，是因为系统在不断学习和适应，帮助你发现你甚至不知道自己正在寻找的音乐。
Link to this section了解计算机视觉#
像 Ultralytics YOLO11 这样的计算机视觉模型通过识别物体、人和场景来帮助机器理解图像和视频。这些模型使用标注过的图片进行训练，以便它们能够学习不同事物看起来是什么样子的。
一旦训练完成，它们就可以用于目标检测（在图像中查找和定位物体）、图像分类（弄清楚图像显示的是什么）以及运动跟踪等任务。这使得 AI 系统能够看见并响应周围的世界——无论是在自动驾驶汽车、医疗扫描仪还是监控摄像头中。
例如，计算机视觉的一个有趣用途是在 野生动物保护 领域。配备摄像头和像 YOLO11 这样模型的无人机可用于监测偏远地区的濒危动物。它们可以清点群体中有多少只动物、跟踪它们的行踪，甚至发现偷猎者等威胁，而无需干扰环境。
这是一个很好的例子，说明了计算机视觉不仅仅是一种高科技工具，它还在保护地球方面产生了真正的影响。
图 4. 使用 YOLO11 检测动物的示例。
Link to this section了解自然语言处理#
与计算机视觉类似，NLP 仅关注一种类型的数据——语言。NLP 不是处理图像或视频，而是帮助机器以书面和口头形式理解并处理人类语言。它允许计算机阅读文本、理解含义、识别语音，甚至以一种感觉自然的方式进行回应。这就是语音助手（Siri、Alexa）、聊天机器人、翻译应用程序和电子邮件过滤器等工具背后的技术。
例如，流行的语言学习应用 Duolingo 使用语言模型来模拟现实生活中的对话——比如点餐或预订酒店。AI 模型能够理解你想表达的意思、纠正你的错误，并以简单易懂的术语解释语法，就像真正的导师一样。这使得语言学习更具交互性和吸引力，展示了 NLP 如何在 AI 的支持下帮助人们更有效地沟通。
Link to this section探索生成式 AI#
全球范围内对 AI 兴趣的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 从海量数据集中学习模式，并利用这些知识生成原始内容。这些模型不仅遵循指令，它们还根据所学内容生成新素材，通常模仿人类的创造力和风格。
最受欢迎的例子之一是 ChatGPT，它可以撰写文章、回答问题并进行自然对话。最近，又推出了像 xAI 的 Grok-3 这样先进的类似工具。
图 5. ChatGPT 对 AI 热潮产生了巨大的影响。
除此之外，在娱乐和游戏领域，生成式 AI 正在开启新的创作可能性。游戏开发者 正利用 AI 来创建动态的故事情节、对话和角色，这些都能实时响应玩家的操作。
同样，在电影和媒体行业，生成式工具帮助设计视觉特效、编写剧本甚至作曲。随着这些技术的不断演变，它们不仅是在辅助创作者，更是在塑造沉浸式、个性化体验方面成为了创造性的合作伙伴。
Link to this section机器人技术的一瞥#
许多人将 AI 创新与电影《终结者》中的机器人进行比较，但事实是 AI 还远未达到那种程度。虽然科幻小说经常想象像人类一样思考和行动的完全自主的机器，但今天的机器人更为实用且任务导向。
作为 AI 的一个分支，机器人技术将机械系统与智能软件相结合，以帮助机器在现实世界中移动、感知周围环境并采取行动。这些机器人通常会使用 AI 的其他领域，例如利用计算机视觉进行观察，利用机器学习进行适应，从而能够安全且高效地完成特定任务。
以波士顿动力的机器人 Stretch 为例，它是专为仓库自动化而设计的。Stretch 可以扫描周围环境、识别包装箱，并在极少的人工干预下将它们移动到卡车或货架上。它利用 AI 对如何移动以及将物品放置在何处做出实时决策，使其成为物流和供应链运营中的可靠工具。
图 6. 认识 Stretch。
Link to this section围绕 AI 创新的伦理担忧#
伴随着近期人们对 AI 的热情和关注，围绕其伦理影响的许多重要讨论也在进行中。随着 AI 变得越来越先进并深深融入日常生活，人们对其使用方式、控制者是谁以及采取了哪些保障措施提出了担忧。
一个主要问题是 AI 系统中的 偏差；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现有的人类偏见。这可能导致结果不准确，特别是在招聘或执法等敏感领域。
人们还担心缺乏透明度，因为许多 AI 系统像“黑匣子”一样运行，做出的决策甚至连它们的创造者都无法完全解释。另一个日益严重的问题是生成式 AI 的滥用，它可能会制造难以辨别真伪的假新闻、深度伪造视频或误导性图像。
随着 AI 的不断演变，我们需要 负责任的开发，这意味着构建公平、负责任且尊重隐私和人权的系统。政府、公司和研究人员现在正共同努力制定准则，以确保 AI 在造福每个人的同时最大限度地减少危害。
Link to this section关键要点#
人工智能正在飞速发展，并成为我们日常生活的重要组成部分。它正在帮助实现图像识别、语言理解和实时智能决策等任务。从制造业到农业，AI 正在让日常任务变得更简单、更高效。
在未来，随着人工通用智能 (AGI) 的兴起，我们可能会看到更大的变革，届时机器可以像人类一样学习和思考。随着 AI 技术的进步，它很可能会变得更加互联、实用和负责任。这是一个令人兴奋的时代，随着 AI 的持续演变，有很多值得期待的地方。
加入我们活跃的 社区！探索我们的 GitHub 仓库 以深入了解计算机视觉。如果你对视觉 AI 感兴趣，请查看我们的 许可选项。在我们的解决方案页面上了解 物流中的计算机视觉 和 医疗保健中的 AI！
