AI系列：AI时代必懂的基础概念扫盲

目录第一篇章核心概念三兄弟1. 人工智能AI让机器模仿人的智能2. 机器学习ML实现AI的一种方法3. 深度学习DL机器学习中非常强大的一种技术第二篇章当前AI的顶流明星1. 生成式 AI从“识别”到“创造”2. 大语言模型LLM生成式AI在语言领域的王牌应用3. 多模态模型打通五感的AI第三篇章AI是如何炼成的训练与推理1. 训练AI的“寒窗苦读”和“高考”2. 推理AI的“正式工作”第四篇章必须知道的关键问题1. 幻觉AI在“一本正经地胡说八道”2. 偏见AI也会“歧视”3. 涌现能力112的奇迹第五篇章如何与AI共舞提示词的艺术提示词Prompt与AI沟通的“咒语”如何写出好的提示词总结欢迎来到AI时代的基础概念扫盲在这个技术飞速发展的时代理解一些核心概念将帮助你更好地使用工具、做出决策甚至预见未来的变化。下面我将用最通俗易懂的方式为你详细说明那些必懂的基础概念。可以把整个AI领域想象成一个“魔法世界”我会用生活中的比喻帮你揭开这层神秘的面纱。第一篇章核心概念三兄弟要理解AI必须先认识这三个层层递进的核心概念人工智能AI、机器学习ML和深度学习DL。1. 人工智能AI让机器模仿人的智能通俗解释AI就像一个宏大而终极的梦想——“让机器能像人一样思考、学习和决策”。它是一个非常宽泛的领域目标是赋予机器听、说、看、理解、行动等能力。生活中的例子下棋程序如AlphaGo战胜人类冠军。游戏里的NPC非玩家角色能根据你的行动做出反应。早期的客服聊天机器人能根据你输入的关键词给出固定回复。2. 机器学习ML实现AI的一种方法通俗解释如果说AI是目标那么机器学习就是“实现这个目标的主流方法”。这个方法的核心思想不是“教”给机器所有的规则而是“让机器通过大量的例子自己学习和总结出规则”。更形象的比喻想象你在教一个小朋友认识猫。传统编程你会告诉他猫的严格规则“有尖耳朵、长胡子、会喵喵叫、有尾巴……”然后让他去对照这些规则判断。机器学习你直接给他看成千上万张猫的图片什么品种、什么姿势都有。小朋友看得多了自己就在脑子里总结出了“猫”的特征。下次再看到一只他没见过的猫他也能认出来。生活中的例子垃圾邮件过滤器给它看10万封已经被标记为“垃圾邮件”和“正常邮件”的例子它自己学习到“中奖”、“汇款”、“奇怪链接”等特征容易出现在垃圾邮件中然后就能自动过滤新邮件。电商推荐系统系统通过学习几百万个和你类似的用户的购买行为总结出“买了A商品的人也经常买B商品”的规律然后向你推荐。3. 深度学习DL机器学习中非常强大的一种技术通俗解释深度学习是机器学习的一个子集可以理解为“一种更复杂、更强大的机器学习方法”。它的灵感来源于人脑的神经网络结构通过构建一个巨大的、有很多层的“人工神经网络”来处理信息。更形象的比喻想象一下我们的大脑识别一个物体比如“苹果”的过程第一层神经元识别最基础的信息比如“红色”、“圆形”。第二层神经元把上一层的信息组合起来识别出“有一个红色的圆形物体”。第三层神经元结合更多细节比如“它上面有一个褐色的梗”。更深的层最终综合所有信息得出结论——“这是一个苹果”。深度学习就是模拟了这种“层层递进、逐步抽象”的信息处理方式。层数越多它能学习的概念就越复杂、越抽象。为什么它现在这么火因为它需要两个条件海量的数据和强大的计算能力比如GPU显卡。过去十几年互联网产生了海量数据同时游戏产业催生了强大的GPU这两个条件成熟后深度学习的威力便爆发了出来。你现在听到的大部分前沿AI应用如ChatGPT、人脸识别、自动驾驶背后都是深度学习。小结一下三者的关系人工智能是一个大宇宙。机器学习是宇宙中一个叫“银河系”的星系。深度学习是银河系里一颗最耀眼的恒星。第二篇章当前AI的顶流明星了解完基础我们来看看当下最热门的AI应用背后的概念。1. 生成式 AI从“识别”到“创造”通俗解释过去的AI主要是“识别型”的比如认出图片里是猫还是狗。而生成式AI顾名思义是“能够创造新内容”的AI。它学习了海量数据比如几百万张图片、几千万本书后掌握了其中的模式和规律然后就能根据你的要求创造出全新的、从未存在过的东西。生活中的例子文本生成你让AI写一首关于春天的诗它立刻就能写出来如ChatGPT、文心一言。图像生成你输入“一只穿着宇航服的熊猫在火星上吃竹子”AI就能为你画出这样一幅图如Midjourney、DALL-E。代码生成你告诉AI“用Python写一个计算器程序”它能立刻生成代码。视频/音乐生成输入一段文字或旋律AI能生成完整的视频片段或一首歌曲。2. 大语言模型LLM生成式AI在语言领域的王牌应用通俗解释大语言模型是生成式AI的一种专门处理语言文字。可以把它想象成一个“超级智能的鹦鹉预言家”。它在天文数字般的书籍、文章、网页上进行了训练学会的不仅是语法和单词更是“词语之间的逻辑、知识和上下文关系”。它工作的原理是根据你给的上一句话预测下一个最可能出现的词是什么。通过一次又一次的“预测下一个词”它就能生成连贯、合理、甚至有创意的长篇大论。为什么叫“大”因为它真的非常“大”。这个“大”体现在两个方面参数多模型内部的“神经元连接数”多到惊人动辄上千亿个存储了海量的“知识”。数据大训练它使用的文本数据量可能相当于整个维基百科几百上千倍的规模。3. 多模态模型打通五感的AI通俗解释人可以通过眼睛视觉、耳朵听觉等多种感官来理解世界。传统AI模型通常是“单模态”的比如只看文字的模型或只看图片的模型。而多模态模型就是“能同时理解和处理多种不同类型信息如文字、图片、音频、视频的AI”。它能实现不同信息之间的“翻译”和“融合”。生活中的例子看图说话你给AI一张图问它“图里的人在做什么”它能看懂并用文字告诉你。根据描述找图你说“帮我找一张夕阳下的海滩照片”它能从一堆图片里给你找出来。视频理解AI可以观看一段视频然后为你总结视频的主要内容。第三篇章AI是如何炼成的训练与推理所有的AI模型都要经历这两个关键阶段。1. 训练AI的“寒窗苦读”和“高考”通俗解释训练就是AI“学习知识”的过程。开发者把海量的数据“喂”给一个初始模型就像一个懵懂的孩子让它自己从数据中寻找规律。更形象的比喻想象你在训练一个“AI数学家”。你给了它几百万道数学题每道题都有题目和正确答案标签。做题AI先自己做一遍得出一个答案。对答案AI把自己的答案和正确答案对比发现错了。纠错通过一个复杂的算法AI会微调自己的“神经网络”就像调整大脑里的神经元连接目的是下次遇到类似的题目能做对。这个过程在几百万道题上反复进行无数遍AI的“大脑”被不断调整直到它做题的准确率非常高。这个过程需要消耗巨大的电力并且需要专门的、非常强大的计算机通常使用GPU运行几周甚至几个月。2. 推理AI的“正式工作”通俗解释推理就是训练完成后AI“运用所学知识”解决实际问题的过程。现在你打开ChatGPT问一个问题或者用Midjourney生成一张图都是在进行推理。这个过程相比训练速度快得多消耗的资源也少得多。总结训练是制造一个专家耗费巨资耗时漫长。推理是请这个专家来工作成本很低即时响应。第四篇章必须知道的关键问题AI很强大但它也有局限性和风险。1. 幻觉AI在“一本正经地胡说八道”通俗解释这是大语言模型最常见的问题。当AI遇到它不确定或知识库中没有的问题时它不会说“我不知道”而是“根据自己学到的语言模式强行编造一个听起来合理但实际上错误的答案”。生活中的例子你问AI“请介绍一下《三国演义》里的‘关羽骑猪大战曹操’这段情节。” 因为《三国演义》里根本没有这段但AI可能因为“关羽”、“曹操”、“大战”这些词自动生成一段绘声绘色、但完全虚构的故事甚至还会引用一些不存在的“原文”。它自己并不知道这是假的它只是在“创作”最符合语境的文字。如何应对对于重要的事实性问题一定要交叉验证不能盲目相信AI的输出。2. 偏见AI也会“歧视”通俗解释AI学习的数据是人类社会产生的。如果人类社会的数据本身就包含了偏见比如种族、性别歧视那么AI在学习时就会“继承”甚至放大这些偏见。生活中的例子如果一个公司的招聘AI是用过去10年所有的招聘数据训练的而这些数据中大多数工程师岗位最终都录用了男性。那么AI就可能学习到一个错误的规律男性更适合当工程师。于是它在筛选简历时可能会潜意识地“扣掉”女性简历的分数。3. 涌现能力112的奇迹通俗解释当AI模型变得非常非常大参数达到千亿级别时会出现一些在小模型上完全不存在的、无法预测的新能力。就像水在0度会结冰、100度会沸腾一样当模型规模跨过某个“阈值”它就突然会做一些事情了比如“思维链推理”让它做一道复杂的数学题它能把思考步骤一步步列出来。科学家们至今还在研究涌现能力为什么会产生。第五篇章如何与AI共舞提示词的艺术既然AI这么强大我们怎么才能用好它呢关键在于“提问”。提示词Prompt与AI沟通的“咒语”通俗解释提示词就是你向AI提出的“请求或指令”。一个好的提示词能让AI发挥出最佳水平一个模糊的提示词得到的答案也可能很模糊。如何写出好的提示词这里有一个简单的“RTF”框架供你参考角色 (Role)给AI设定一个身份让它进入特定状态。例子“你现在是一位资深的营养师...”任务 (Task)清晰明确地告诉AI你需要它做什么。例子“...请为我制定一份为期一周、热量控制在1500大卡的健康食谱。”格式 (Format)指定输出的格式和要求。例子“...请用表格的形式呈现并列出每道菜的主要食材。”从坏到好的提示词对比差的提示词帮我写个文案。太模糊不知道要写什么、给谁看好的提示词你是一位社交媒体运营专家请帮我为一款面向年轻人的新口味气泡水写一段用于小红书推广的文案要求活泼有趣包含3个热门话题标签。角色 任务 格式总结AI是宏大目标机器学习是实现方法深度学习是当前最强大的技术。生成式AI是在创造新内容大语言模型是其中的语言大师。训练是AI上学的过程推理是AI工作的过程。要警惕AI的“幻觉”和“偏见”。用好AI的秘诀在于写出清晰具体的“提示词”。希望这份扫盲指南能帮助你更好地理解这个充满魅力的AI时代。它不是一个魔法黑盒而是一个由数据、算法和算力驱动的新型工具。了解它才能更好地使用它让它成为你工作和生活的得力助手。PS插图来源于豆包AI