本章小结

本章带领读者走进了人工智能的世界，从基础概念到发展历程，从分类体系到应用场景，建立了对 AI 的整体认知框架。

核心要点回顾

什么是人工智能

• AI 是使机器能够模拟人类认知功能的技术，包括学习、推理、问题解决、感知等能力

• 与传统软件不同，AI 从数据中学习规则，而非由程序员预先定义

• 当前的 AI 系统具备感知、学习、推理、决策和生成等核心能力

AI 的发展历程

• 1956 年达特茅斯会议标志着 AI 作为独立学科的诞生

• AI 发展经历了多次繁荣与寒冬的交替循环

• 2012 年深度学习革命开启了 AI 发展的新纪元

• 2022 年起，生成式 AI 进入公众视野，标志着新时代的到来

AI 的分类体系

• 按能力水平：弱人工智能（当前所有 AI）→ 强人工智能（未实现）→ 超级人工智能（假设）

• 按学习方式：基于规则、机器学习、深度学习

• 按功能领域：计算机视觉、自然语言处理、语音技术、推荐系统、决策智能

• 按任务类型：判别式 AI（分类和预测）vs 生成式 AI（创造内容）

AI 的应用领域

• 日常生活：智能手机、语音助手、智能家居、个性化推荐

• 专业领域：医疗诊断、金融风控、自动驾驶、智能制造

• 创意产业：文本生成、图像创作、音乐制作、视频生成

关键术语

术语	解释
人工智能 (AI)	使机器模拟人类智能行为的技术总称
机器学习 (ML)	AI 的子领域，让计算机从数据中自动学习
深度学习 (DL)	机器学习的子领域，使用多层神经网络
弱人工智能	只能在特定任务上表现智能的 AI 系统
强人工智能	具备人类水平通用智能的 AI（尚未实现）
生成式 AI	能够创造新内容的 AI 模型
图灵测试	评估机器是否展现智能的思想实验

延伸思考

1. 当前的 AI 系统是否真正“理解”它们处理的内容？还是只是在做复杂的模式匹配？

2. 如果强人工智能（AGI）真的实现，人类社会将发生怎样的变化？

3. 在 AI 日益普及的背景下，哪些人类能力将变得更加重要？

下章预告

在了解 AI 的基本概念和应用场景后，下一章将深入探讨 AI 的核心概念，帮助读者理解人工智能、机器学习、深度学习之间的关系，以及支撑 AI 运行的数据、算法和训练等关键要素。