AI 就是人工智能，是让计算机完成识别、预测、生成内容等任务的一类技术。 比如从照片中识别物体、判断一封邮件是不是垃圾邮件，或根据你的要求起草一段文字，都可能用到 AI。

“智能”这个名字容易让人联想到一个有思想的机器人。理解入门知识时，可以先把 AI 看成一种从数据和规则中寻找办法、帮助完成特定任务的工具。它能做什么、做得多好，取决于具体系统。

从分水果开始，理解人工智能怎么工作

假设你想让电脑分辨苹果和橙子。

一种办法是自己列规则：“颜色偏橙、表面有细小凹点，就可能是橙子。”但很快会碰到麻烦：青苹果不是红色的，光线会改变颜色，水果也可能只露出一半。

另一种办法，是给系统看许多标注好的苹果和橙子图片，让它在训练中调整内部参数，学习哪些特征更有助于区分两者。之后给它一张没见过的照片，再看它判断得怎么样。

这就是理解机器学习的一个简单入口：人提供数据、目标和训练方法，系统通过训练学出一种处理问题的方式。它并不需要像人一样尝过水果，才能给图片分类。

不过，训练数据如果只有摆在白桌上的完整水果，系统碰到树上、袋子里或切开的水果时，表现就可能变差。评估 AI，不能只看它做对了熟悉的例子，还要看新情况。Google 的过拟合说明解释了为什么训练表现好，不等于面对新数据也可靠。

AI、机器学习、深度学习，分别是什么意思？

第一次接触这些词，不用背公式，可以先记住它们各自强调什么。

名词 通俗理解 可以联想到的任务
人工智能（AI） 一大类让机器完成智能任务的方法 识别、规划、预测、生成
机器学习（ML） AI 中通过数据训练模型的一类方法 学习区分垃圾邮件
深度学习 使用多层神经网络的机器学习方法 处理图像、声音和语言
生成式 AI 以生成内容为主要能力的 AI 写草稿、生成图片
大语言模型（LLM） 在大量语言数据上训练的模型 处理和生成文字

这些概念不全是同一个层面的分类。AI 是大范围，机器学习是其中一类方法，深度学习属于机器学习；“生成式”强调输出内容的能力。大语言模型常用来支持生成式 AI 的文本功能。

完整定义可以参考 IBM 的人工智能概念介绍。日常使用时，先分清“识别一张图里有什么”和“生成一张新图”，通常比记住所有缩写更有帮助。

生成式 AI 是什么？为什么它能和人聊天？

传统的分类任务可能输出“这是垃圾邮件”；生成式 AI 则可以根据要求写出一封邮件。

大语言模型生成文字时，会利用输入内容和已经生成的内容，逐步计算后续词元的可能性。词元可以简单理解为模型处理文字的小块，可能是一个字、一个词，也可能是词的一部分。实际聊天产品还可能加入搜索、计算器、文件读取等能力。

这也是为什么你提供不同背景，答案会变。只说“帮我写通知”，它缺少信息；补上“给家长的周五春游通知，提醒带水，语气亲切，100 字以内”，它就有了更明确的任务。

这里是在解释生成机制，不是在说模型每次都能正确理解你的真实意图。想进一步了解，可以看 Google 的大语言模型入门。

AI 和普通软件、搜索引擎有什么区别？

拿做一份活动通知来说：

  • 普通表单软件可以按预设模板把时间、地点填进去。输入符合规则，处理过程通常比较明确。
  • AI 写作工具可以按要求组织表达，同一个任务可能产生不同版本，也可能加上你没有提供的细节。
  • 搜索引擎主要帮你发现已有网页，方便你找到活动规定、场地介绍等原始信息。

实际产品常把这些能力组合起来。带搜索功能的 AI 可以先查网页，再写回答，但“能联网”仍不等于每句话都核对正确。一个网页被引用，也不代表它支持回答里的所有说法。

如果你还想理解搜索引擎怎样发现和展示网页，可以继续读SEO 是什么？Google SEO 零基础入门。

零基础可以怎样用 AI？先试一个小任务

先选一个容易检查结果、也方便修改的任务，例如整理你自己的活动笔记。不要一开始就让它替你决定重要事项。

假设你想把一段零散信息整理成群通知，可以这样提问：

请把下面的信息整理成一段发到读书会群里的通知。读者是第一次参加的成员，语气自然，150 字以内。必须包含时间、地点、需要带的东西和报名方式。只使用我提供的信息，缺少内容就标注“待确认”，不要自行补充。原始信息：周六下午三点开始，带一本最近读的书，回复群消息报名。

这里把任务、读者、要求、材料交代清楚了。地点没有提供，理想的结果就应该标注“待确认”，而不是编一个咖啡馆地址。

收到答案后，按这三个问题检查：

  1. 时间、数量和专有名称有没有改错？
  2. 有没有添加原始材料里不存在的事实？
  3. 这段话真的适合你要发给的人吗？

如果太正式，继续说“改成平时群里聊天的口吻”；如果漏了报名方式，直接指出遗漏。把它当成可以反复修改的草稿，会更容易上手。

AI 为什么会一本正经地说错？

生成得通顺，与事实正确，是两回事。模型可能生成不存在的书名、引用或操作步骤。这类看似合理、实际错误的输出，常被称为 AI 幻觉。IBM 的AI 幻觉说明介绍了这一问题。

日常使用时，给重要信息留一道核查：找到原始页面，确认它确实支持那句话；涉及数字就重新计算；引用文档时逐条对照原文。提示词写得再严谨，也不能保证彻底消除错误。

输入材料也需要选择。用虚构数据练习就够了，不必上传密码、身份证号或他人的私人记录。准备使用真实工作材料前，先看清具体产品的数据处理设置和你的工作要求。

人工智能入门常见问题

AI 是不是机器人？

不是一回事。AI 是技术能力，机器人是能在现实环境中动作的机器。机器人可以使用 AI，AI 也可以只运行在网页或手机应用里，没有实体外形。

用 AI 需要学编程吗？

使用很多现成工具并不需要编程。先学会把任务说清楚、提供足够背景、判断输出是否正确，就已经可以开始。开发 AI 应用或训练模型，才会涉及更多技术知识。

AI 每聊一次就会自动学会我教的内容吗？

不能这样理解。它能利用当前对话里的信息继续回答，与重新训练模型是不同的事。是否保存记忆、是否使用聊天数据改进服务，要看具体产品的功能和设置。

AI 会完全代替人吗？

不能从“某个任务能自动完成”，直接推导出“所有工作都能被替代”。把工作拆开更容易判断：哪些步骤重复、哪些结果好核查、哪些决定需要你承担责任。先用一个小任务验证价值，比只讨论抽象的替代更实际。

你今天就可以拿一段自己的非敏感笔记，让 AI 整理成清单，再逐项检查有没有遗漏和编造。能提出清楚要求，也能识别错误，才是真正开始会用 AI。

接下来可以学什么？