1.1 什么是人工智能？

定义

人工智能（Artificial Intelligence, AI）是研究如何让机器模拟人类智能行为的科学与技术。其核心目标是使机器能够像人类一样感知环境、学习知识、推理决策，甚至具备创造性。

关键概念解析

  1. 图灵测试（Turing Test）

    • 由阿兰·图灵提出，测试机器能否在对话中让人类误以为它是真人。
    • 示例：若机器在文字聊天中让30%的人类评委无法分辨其身份，则视为通过测试。

  2. 中文房间思想实验

    • 哲学家约翰·塞尔提出，反驳“机器能真正理解语言”的观点。
    • 比喻：房间里的人不懂中文，但通过规则手册处理中文问题，看似“懂中文”实则机械执行指令，说明机器缺乏真正的理解能力。

  3. 强AI vs 弱AI

    • 强AI（通用人工智能）：具备与人类相当的通用智能，能自主学习并适应任何任务（如科幻电影中的机器人）。
    • 弱AI（专用人工智能）：专为特定任务设计的系统，如人脸识别、语音助手（Siri、AlphaGo）。
    • 现状：当前所有AI均为弱AI，强AI仍是理论设想。

1.2 人工智能发展简史

三个阶段与两次寒冬

  1. 符号主义时代（1950s-1970s）

    • 起点：1956年达特茅斯会议首次提出“人工智能”术语。
    • 核心思想：用逻辑符号和规则表示知识（如专家系统）。
    • 局限性：无法处理复杂、模糊问题。

  2. 第一次寒冬（1970s-1980s）

    • 原因：符号主义在自然语言理解等任务上表现糟糕，政府资助减少。

  3. 连接主义崛起（1980s-1990s）

    • 突破：神经网络（模仿人脑神经元）被重新关注。
    • 代表性技术：反向传播算法训练多层神经网络。
    • 局限性：算力和数据不足，模型难以实用化。

  4. 第二次寒冬（1990s-2000s）

    • 原因：神经网络训练成本高，效果不如传统统计方法（如支持向量机）。

  5. 深度学习革命（2012年至今）

    • 转折点：2012年AlexNet在ImageNet比赛上将错误率从26%降至15%。
    • 驱动力：大数据、GPU算力、深度学习框架的结合。

关键人物与事件

  • 艾伦·图灵：提出图灵测试，奠定理论基础。
  • 杰弗里·辛顿：推动神经网络复兴，被誉为“深度学习之父”。
  • AlphaGo（2016）：击败李世石，引发全球AI热潮。

1.3 人工智能的核心领域

五大核心技术领域

  1. 机器学习（Machine Learning）

    • 定义：从数据中自动学习规律，而非依赖显式编程。
    • 示例：垃圾邮件分类器通过历史数据学习识别规则。

  2. 计算机视觉（Computer Vision）

    • 任务：图像分类、目标检测、人脸识别。
    • 应用：医学影像分析（如肺癌筛查）、自动驾驶感知系统。

  3. 自然语言处理（NLP）

    • 任务：机器翻译、情感分析、聊天机器人。
    • 突破：Transformer模型（如ChatGPT）实现上下文理解。

  4. 机器人学（Robotics）

    • 目标：让机器人自主完成物理世界任务。
    • 案例：波士顿动力Atlas机器人、工业机械臂。

  5. 知识表示与推理

    • 目标：将人类知识编码为机器可处理的形式。
    • 示例：用逻辑规则表示“如果下雨，则地面湿”并推理出“下雨→带伞”。

如DeepSeek、ChatGPT等大模型属于交叉领域，但其核心是NLP和机器学习。

典型应用场景

  • 医疗：IBM Watson辅助癌症诊断。
  • 交通：特斯拉Autopilot实现部分自动驾驶。
  • 金融：高频交易算法预测股市波动。
  • 生活：智能音箱（如Amazon Echo）控制家居设备。

1.4 为什么人工智能重要？

  1. 技术革命

    • 第四次工业革命核心驱动力（继蒸汽机、电力、互联网后）。

  2. 经济价值

    • 麦肯锡预测：2030年AI为全球经济贡献13万亿美元。

  3. 社会影响

    • 积极面：提升生产效率（工厂自动化）、解决复杂问题（气候建模）。
    • 争议：就业冲击（客服、司机）、伦理问题（算法偏见、隐私泄露）。

1.5 本章小结

关键收获

  • AI通过模拟人类智能解决特定任务，现阶段以弱AI为主。
  • 发展历经符号主义、连接主义到深度学习的演变，依赖数据、算法、算力进步。
  • 核心领域覆盖感知（视觉、语言）、决策（机器学习）、行动（机器人）三大层次。

思考题

  1. 强AI是否可能实现？若实现，人类应如何应对？
  2. 你日常接触的AI应用属于哪些技术领域？