ARTICLE · 1190417
AI 是什么
AI 是什么一句话区分：
① 按能力分（三个层级） ② 按技术分（主流几大块） ③ 按"能不能自己进化"分
AI ≠ 机器人。机器人是身体（机械、传感器、执行器），AI 是大脑。AI 也可以完全没有实体，比如手机里的语音助手、后台的推荐算法。 另外，"大模型"只是 AI 的一种实现方式（基于 Transformer 架构、参数规模巨大的深度学习模型），不是 AI 的全部。 四张图，从"整体→区别→技术→原理"递进着看： 图1｜AI 的世界地图——AI 是总称，三个角度拆解：按能力分（弱/强/超）、按技术分（机器学习/深度学习…）、按做什么分（判别式判断 vs 生成式创造）。 
图2｜AI 和传统程序的区别——左边"人写规则、机器执行"，右边"给数据+目标、机器自己找规则"。这是理解 AI 最关键的一张。 
图3｜技术家谱——机器学习 ⊃ 深度学习，再往下分出 NLP、计算机视觉、语音、推荐、强化学习、生成式 AI 六大方向。 
图4｜大模型是怎么"炼"出来的——语料→清洗→喂数据→预训练（最烧钱）→人类反馈微调→能用。你提问时，它就是一个词一个词"生成"答案。
AI（Artificial Intelligence，人工智能）：让计算机/机器具备类似人类的感知、理解、推理、决策、创造能力——不用一步步写死规则，而是从大量数据里"学"出规律，再拿来用。
传统程序：你写规则，机器执行（ if 体温>38 → 发烧）AI：你给数据和目标，机器自己找规则（看 millions 张病历后，自己总结出"发烧"的判断方式）
AI 包括哪些？
ANI 弱人工智能：只会一件事，且做得比人好。今天所有 AI 都在这层——下棋、识别人脸、翻译、画图、聊天。 AGI 强人工智能：和人类一样，啥都能学、能举一反三。目前还没实现，是研发目标。 ASI 超人工智能：全面碾压人类。纯理论设想。
机器学习 ML：AI 的主体。数据喂进去，模型自己调参数。 深度学习 DL：ML 的一个分支，用"神经网络"（多层堆叠，结构模仿大脑神经元），擅长图像、语音、文字这类非结构化数据。 自然语言处理 NLP：让机器读懂和生成人类语言。翻译、摘要、你正在用的聊天，都靠它。 计算机视觉 CV：让机器"看懂"图像和视频——人脸识别、医学影像、自动驾驶感知。 语音技术：ASR（语音转文字）+ TTS（文字转语音）。 生成式 AI / AIGC：最近几年最火的方向，能创造内容——文本（大模型）、图片、音乐、视频、代码。 其他专项：推荐系统（抖音/淘宝的"猜你喜欢"）、知识图谱、机器人、强化学习（AlphaGo 那种"自己跟自己练"）。
判别式 AI：判断和预测。垃圾邮件/是否患病/明天下不下雨。 生成式 AI：凭空产出新内容。
一个常见误区
