你已经在用 AI 了

今天早上你解锁手机的时候，一个神经网络在几十毫秒里比对了你的脸。你打开地图，一个模型根据几百万条行程预测了这段路要走多久。你在输入法里打了三个字，另一个模型猜出了你要写的整句话。也许你还问了某个聊天助手一个问题，它回答得像一位耐心的、偶尔一本正经胡说的老师。

这些事情彼此很不一样。有的在「认」，有的在「猜」，有的在「造」。但我们把它们统统叫作「人工智能」。这门课的第一件事，就是把这个笼统的词拆开，让你在读完这一章之后，看到任何一个号称「AI」的东西，都能问出三个具体的问题：它在做什么任务？它靠什么做到？它在哪里会出错？

这一章不需要任何前置知识，也没有数学。它是整本书的地图，后面每一章都会回到这里标出自己的位置。

一个可以操作的定义

「人工智能」这个词是 1956 年夏天在美国达特茅斯学院的一场研讨会上定下来的。提出它的约翰·麦卡锡当时的说法是：让机器去做那些「如果由人来做，我们会说需要智能」的事。七十年过去，这个定义仍然是最好用的一个，因为它诚实地承认了一件事：我们并不真正知道智能是什么，我们只是知道哪些事需要它。

所以本书采用的定义是：

人工智能，是让机器完成那些通常需要人类智能才能完成的任务。任务是核心，方法可以有很多种。

请注意这个定义里没有的东西。它没有说机器要「像人一样思考」，没有说要有意识，也没有说要用某种特定的技术。一台 1997 年靠穷举搜索击败国际象棋世界冠军的电脑，和一个 2026 年能陪你聊哲学的语言模型，走的是完全不同的技术路线，但按这个定义它们都是 AI，因为下棋和聊天在以前都只有人能做。

这个定义还解释了一个有趣的现象。计算器做算术比任何人都快，但没有人说计算器是 AI。因为算术一旦被机器做成了常规，我们就不再觉得它「需要智能」。同样的事发生在光学字符识别、语音输入、拼写检查和路线规划上：它们在刚出现时都是 AI 研究的明星课题，普及之后就变成了「普通软件」。研究者把这叫作 AI 效应：一旦 AI 做到了某件事，那件事就不再被算作 AI。这个词的边界总在往后退，永远指向机器还做不太好的那一片。

六个套在一起的圈

新闻里的词太多了：AI、机器学习、深度学习、神经网络、大模型、生成式 AI、智能体。它们不是并列关系，而是一层套一层的包含关系。把这六个圈画清楚，是后面十一章的坐标系。

从外往里读一遍：

人工智能是最大的伞。它包含了所有让机器做「聪明事」的办法。1960 年代的定理证明程序、1980 年代靠几千条 if-then 规则诊断疾病的专家系统、导航软件里的寻路算法，都在伞下，而且它们都不是靠「学习」得到的，是人一条一条写出来的。第三章会专门讲这一类「不是神经网络的 AI」，因为它们今天仍然在大量使用，而且是理解后来发展的必要背景。

机器学习是一种特定的做法：不再由人写规则，而是给机器大量的例子，让它自己从例子里找出规律。这是一个真正的范式转变，第四章的全部内容就是解释它。今天绝大多数被叫作 AI 的东西都是机器学习。

深度学习是机器学习里的一个子集，特点是用「很多层」的神经网络。它的厉害之处不只是层数多，而是连「该看数据的哪些方面」这件事也交给机器去学。2012 年之前，教电脑认猫需要专家手工设计特征；2012 年之后，只需要给它足够多的猫。第六章讲这件事。

大语言模型是深度学习的一种极端形态：一个模型，几百亿到上万亿个参数，在几乎整个互联网的文本上训练，学到的东西可以迁移到写作、翻译、编程、答题等几乎所有和语言相关的任务上。「基础模型」是更宽的说法，把处理图像、音频的同类模型也算进来。第七到九章讲它是怎么造出来的。

生成式 AI强调的是用途：这些模型不只是分类和预测，而是能「造」出新东西。一张从未存在过的图片，一段从未有人写过的文字。这是 2022 年底以来公众感受最强烈的变化。

智能体是最新的一层：把模型放进一个循环里，让它自己决定下一步做什么，调用搜索、代码执行、文件操作这些工具，直到完成一个多步骤的目标。第十一章讲它。

一个常见的误解值得现在就纠正：AI 不等于大模型。大模型是当下最耀眼的一层，但地图上另外五层都还活着，而且在很多场景里比大模型更合适。用一个查表就能解决的问题去调用大模型，就像用一台推土机撬开一罐罐头。

五组容易混的词

地图画好了，还有几组词在日常对话里经常被混用。把它们分开，能省掉很多无谓的争论。

AI 和自动化。自动洗衣机会按程序完成一整套动作，但没有人说它是 AI，因为它的每一步都是预先写死的。自动化是「按既定流程执行」，AI 是「在没有既定流程的情况下判断」。很多号称 AI 的产品其实是自动化，很多真正的 AI 藏在不起眼的自动化里，比如银行后台的欺诈检测。

算法和模型。算法是一套步骤，比如「梯度下降」；模型是算法在某份数据上跑完之后得到的那个东西，比如「一个训练好的猫识别器」。同一个算法在不同数据上会得到不同的模型。新闻里说「某公司发布了新模型」，指的是后者。

训练和推理。训练是让模型从数据里学的过程，发生一次，极贵，耗时几周到几个月。推理是用训练好的模型回答一个问题，每次都发生，很便宜，耗时几毫秒到几分钟。你和聊天助手的每一次对话都是推理；模型本身在对话中不会改变，也不会「记住」你，第十章会讲这件事的后果。

参数和超参数。参数是模型内部由训练决定的数字（第四章会叫它们「旋钮」），大模型有几千亿个。超参数是人在训练前设定的数字：学习率、层数、训练多少轮。「调参」这个词通常指调超参数，参数是模型自己学的。

开源和开放权重。传统意义的开源是代码可读、可改、可再分发。很多「开源模型」开放的只是训练完的权重文件（那几千亿个参数），训练数据和训练代码并不公开，你能运行和微调它，但不能复现它。更准确的说法是「开放权重」。这个区别在讨论安全、可审计性时很重要。

四种能力：判断任何 AI 产品的框架

按技术分层是一种看法；按「它在做什么」分，对使用者更实用。几乎所有 AI 应用都可以归入四种能力之一，或者是它们的组合。

识别。输入一个东西，判断它是什么。人脸解锁是识别，相册里搜「猫」是识别，语音转文字是识别（把声波识别成字），垃圾邮件过滤是识别。这是深度学习最早、最成熟的战场，准确率在很多任务上已经超过人类。

预测。根据过去，估计未来或未知。地图预测到达时间，电商预测你会买什么，医院预测哪个病人有再入院风险，学校预测哪个学生可能跟不上。预测的质量完全取决于历史数据是否包含了未来的规律，这一点第五章会反复强调。

生成。造出原本不存在的内容。写一段文字、画一张图、合成一段语音、生成一段代码。这是 2022 年之后最抢眼的能力，也是最容易出错的能力，因为「造得像」和「造得对」是两回事。

决策。在一个环境里选择行动。下棋的每一步、机器人的每一次移动、自动驾驶的每一次转向、智能体的每一次工具调用。决策与前三种的区别在于它有后果，后果会改变环境，环境又会影响下一步。

一个真实产品往往把它们串起来。你对着手机说「帮我订明天去北京的高铁」：语音识别把声音变成文字（识别），语言模型理解意图并规划步骤（决策），查询系统预测哪趟车更可能有票（预测），最后生成一段确认信息（生成）。当你看到一个 AI 产品，试着把它拆成这四种能力，你会立刻知道它的强项在哪、它的哪一环最可能出错。

它能做什么，不能做什么

写于 2026 年，这个问题的答案比任何时候都难说得准，因为边界每隔几个月就在动。但有一些结构性的判断，比具体能力列表更耐用。

AI 擅长的，是有大量例子、答案相对明确、错了代价不高或可以被检查的任务。翻译、总结、初稿、代码补全、图像分类、语音转写，都在这一类。在这些事上，它已经不是「助手」，而是把成本降低了一到两个数量级的基础设施。

AI 不擅长的，是例子稀少、答案没有共识、或者错了没人能立刻发现的任务。判断一篇学术论文是否真正有创见，理解一个孩子为什么突然不想上学，在一个从未出现过的局面里做出负责任的决定。这些事需要的不是「见过很多」，而是「在没见过的时候也能站住」。

还有一类是它根本不做的事：承担责任。AI 可以给出诊断建议，但签字的是医生；可以起草判决理由，但宣判的是法官；可以批改作文，但决定这个学生需要什么的是老师。这不是技术限制，而是我们作为一个社会（至少目前）的选择。这门课的最后一章会回到这个话题。

这门课怎么读

后面十三章分成三个部分。第二、三章补完地图：AI 走过的七十年，以及神经网络以外的那些方法。第四到六章讲「学习」：机器怎样从数据里找出规律，为什么会学过头，神经网络又为什么能把这件事做得这么好。第七到九章讲语言：文字怎样变成数字，注意力机制怎样让每个词看见其他词，一台只会续写的机器怎样被训练成助手。第十到十四章回到世界：它为什么会编造，它怎样长出眼睛和手，一个任务交给智能体之后发生了什么，它怎样开始做科学，以及我们该怎样与它共事。

每一章都有折叠起来的「深入」段落，就像上面那两段。它们是给想多走一步的人准备的，跳过它们不会丢失主线。每一章末尾有几道自测题，先自己想，再看答案。有些章节旁边挂着实验，那些实验是真的算法，在你的浏览器里运行，做过一遍，比读三遍都管用。

最后，关于这本书自己。你正在读的每一个字，都是一个大语言模型写的。这在几年前是不可能的，在今天是可以被检验的。读的时候不妨保持一点警觉：哪里讲得清楚、哪里绕开了难点、哪里的自信显得可疑。这种警觉，正是这门课最想教给你的东西。