什么是人工智能？快速概览

技术一直在进步，作为一个社会，我们也在不断寻找让生活更高效、更安全、更轻松的新方法。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。这一努力中的最新关键技术是人工智能 (AI)。

我们目前正处于所谓的“AI 热潮”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，这并不是 AI 第一次受到广泛关注。此前也曾出现过几轮热潮，最早可以追溯到 20 世纪 50 年代，之后又在 20 世纪 80 年代出现过一次；但如今的热潮由强大的计算能力、大数据以及比以往更强大的先进机器学习模型所推动。

图 1 多年来 AI 的发展。

每周都有新的发现和创新由研究人员、初创公司和科技巨头纷纷推出，不断拓展 AI 的能力边界。从改善医疗诊断到驱动智能助手，AI 正日益深入地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，我们将深入了解人工智能究竟是什么，解析它的主要分支，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 是指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。

虽然会思考的机器听起来可能很未来，但 AI 已经在我们身边迅速普及。例如，AI 是推荐系统、语音助手和智能摄像头等应用的核心。

我们如今使用的大多数 AI 解决方案都属于所谓的狭义或弱人工智能。这意味着它们被设计来完成一项任务——并且把它完成得非常出色。例如，一个 AI 系统可能只接受过识别照片中人脸的训练，而另一个系统则用于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；它们只是遵循数据中的模式来完成特定工作。

为了实现这一切，AI 创新依赖于一种称为模型的技术。你可以把 AI 模型想象成一个从海量数据中学习的数字大脑。这些模型使用算法（一组分步骤执行的指令）进行训练，从而发现模式、做出预测，甚至生成内容。它们拥有的数据越多，训练效果越好，就会变得越准确、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，从早期关于机器思维的理论，到我们今天使用的各种重要工具：

• 20 世纪 50 年代：Alan Turing 提出机器智能的概念，并引入图灵测试。1956 年，“AI”一词在达特茅斯会议上被创造出来，标志着 AI 作为一个领域的诞生。
• 20 世纪 70—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。早期的热情过后，由于成本高昂和技术限制，AI 进入了寒冬期。
• 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战略性和复杂的棋类游戏中超越人类。
• 21 世纪 10 年代：随着数据和计算能力增加，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重大突破。AI 开始成为消费者应用中的主流技术。
• 21 世纪 20 年代：像ChatGPT和 DALL-E 这样的 AI 模型展现了生成式 AI 的强大能力。AI 研究加速发展，AI 也开始融入各种工具、工作场所和日常生活。

介绍 AI 的核心分支#

AI 这个术语可以被看作一个涵盖多个不同领域或分支的总称，每个分支都专注于某种特定能力，例如从数据中学习、理解语言或解读视觉信息。这些分支通常会协同工作，帮助 AI 系统执行有用的现实任务。

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随时间不断改进。机器学习被用于欺诈检测、个性化推荐和预测工具等场景。
• 计算机视觉：视觉 AI 赋予机器查看和理解图像与视频的能力。人脸识别、自动驾驶汽车以及 X 射线和 MRI 等医学图像分析背后都有这项技术。
• 自然语言处理 (NLP)：它帮助机器理解并回应人类语言，包括口语和书面语。它被用于聊天机器人、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：这一 AI 分支有助于创建文本、图像、音乐甚至计算机代码等新内容。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 与实体机器相结合。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、协助手术或处理家务。

这些分支各自发挥着不同作用，但它们共同推动了智能系统的发展，使其逐渐成为我们日常生活的一部分。

解析 AI 的主要分支#

现在我们已经介绍了 AI 的核心分支，接下来进一步了解每个分支。我们将逐一说明这些不同领域的工作方式，以及你可能在哪些实际应用中看到它们。

机器学习概览#

数据科学经常与机器学习混淆，但二者并不是一回事。数据科学侧重于理解和分析数据，以寻找趋势、创建可视化内容，并帮助人们做出明智决策。它的目标是解读信息，并通过数据讲述故事。

另一方面，机器学习专注于构建能够从数据中学习并做出预测或决策的系统，而无需进行明确编程。数据科学会问：“这些数据告诉我们什么？”而机器学习会问：“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”歌单是机器学习实际应用的一个好例子。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。它还会从你喜欢、跳过或保存的歌曲中学习，并将这些行为与数百万其他用户的行为进行比较。

随后，它使用机器学习模型来预测并推荐你可能喜欢的歌曲。这种个性化体验之所以能够实现，是因为系统会持续学习和适应，帮助你发现那些甚至不知道自己正在寻找的音乐。

了解计算机视觉#

Ultralytics YOLO11等计算机视觉模型通过识别物体、人员和场景，帮助机器理解图像和视频。这些模型使用带标注的图片进行训练，从而学习不同事物的外观。

训练完成后，它们可用于目标检测（在图像中查找和定位物体）、图像分类（判断图像展示的内容）以及运动跟踪等任务。这使 AI 系统能够观察并响应周围的世界，无论是在自动驾驶汽车、医学扫描仪还是安全摄像头中。

例如，计算机视觉的一个有趣应用是野生动物保护。配备摄像头和 Ultralytics YOLO11 等模型的无人机可以用来监测偏远地区的濒危动物。它们可以统计群体中的动物数量、跟踪动物的移动，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，还正在为保护地球产生切实影响。

图 4。使用 Ultralytics YOLO11 检测动物的示例。

理解自然语言处理#

与计算机视觉类似，NLP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与口语。它让计算机能够阅读文本、理解含义、识别语音，甚至以自然的方式回应。这正是语音助手（Siri、Alexa）、聊天机器人、翻译应用和电子邮件过滤器等工具背后的技术。

例如，热门语言学习应用 Duolingo 使用语言模型来模拟现实生活中的对话，例如点餐或预订酒店。AI 模型能够理解你想表达的内容，纠正你的错误，并用简单易懂的术语解释语法，就像真正的导师一样。这让语言学习更具互动性和吸引力，也展现了 NLP 如何借助 AI 帮助人们更有效地沟通。

探索生成式 AI#

全球对 AI 兴趣的突然高涨要归功于生成式 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创内容。这些模型不只是遵循指令；它们会根据所学内容生成新材料，常常模仿人类的创造力和风格。

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

图 5 ChatGPT 对 AI 热潮产生了巨大影响。

除此之外，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 创建动态剧情、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，它们不只是辅助创作者，还将成为塑造沉浸式、个性化体验的创意伙伴。

机器人技术一瞥#

许多人会像电影 《终结者》 中那样，将 AI 创新与机器人联系起来，但现实是，AI 目前还没有那么先进。科幻作品经常设想能够像人类一样思考和行动的完全自主机器，而今天的机器人则更加务实，专注于具体任务。

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，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，从而安全高效地完成特定任务。

以 Boston Dynamics 的机器人 Stretch 为例，它专为仓库自动化而设计。Stretch 可以扫描周围环境、识别箱子，并以极少的人工输入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置在哪里，因此成为物流和供应链运营中的可靠工具。

图 6 认识 Stretch。

AI 创新带来的伦理问题#

伴随着近期对 AI 的热情和关注，人们也围绕其伦理影响展开了许多重要讨论。随着 AI 变得更加先进，并深度融入日常生活，人们开始担忧它的使用方式、控制权归属以及现有的防护措施。

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，它们可能会吸收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。

人们还担心透明度不足，因为许多 AI 系统像“黑箱”一样运行，做出的决策甚至连其创建者也无法完全解释。另一个日益严重的问题是生成式 AI 的滥用，它可以制造假新闻、深度伪造视频或误导性图像，而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共同制定相关准则，确保 AI 惠及所有人，同时将危害降至最低。

要点总结#

人工智能正在快速发展，并日益成为我们日常生活中更重要的一部分。它正在帮助完成图像识别、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加轻松高效。

未来，随着通用人工智能 (AGI) 的兴起，我们可能会看到更大的变化，机器或许能够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。现在是一个令人兴奋的时代，随着 AI 持续发展，未来有许多值得期待的事情。

加入我们活跃的社区吧！探索我们的 GitHub 代码仓库，深入了解计算机视觉。如果你对视觉 AI 感兴趣，不妨查看我们的许可选项。通过我们的解决方案页面，了解物流领域的计算机视觉和医疗领域的 AI！