《人工智能学习笔记》系列第 2 篇，共 9 篇。

本章导读　这是全书的“地图册”：先给 AI 下一个可操作的定义，再把它拆成学派、层次、要素、产业与赛道。

读完你应该能回答：① 三大学派各自相信什么？② 这一轮 AI 浪潮为什么能起来，三要素里哪一个是短板？

本章骨架

小节	一句话核心
1.1 概述	AI 是让机器表现出智能的交叉学科；AI ⊃ 机器学习 ⊃ 深度学习
1.2 技术领域	感知侧是 CV，语言侧是 NLP，两条主线撑起大部分应用
1.3 DeepSeek	一次"低成本 + 开源"的路线验证，改变了产业对算力堆叠的预期
1.4 应用	按行业铺开，判断标准是"有没有把领域知识变成数据和约束"
1.5 争议	失业、深度伪造、伦理、隐私——技术之外的四个必答题

1.1 人工智能概述

定义

• 麦卡锡（John McCarthy）的定义：人工智能是制造智能机器、尤其是智能计算机程序的科学与工程，不要求模仿人类行为。「Artificial Intelligence」已见于 1955 年达特茅斯项目提案；1956 年会议通常被视为学科诞生标志，所以 1956 年被称为 AI 元年。
• 今天的定义：研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门交叉学科。目标仍是让机器像人一样思考、拥有智能。
• 拆开看，「人工智能」=「人工」（由人设计、为人创造）+「智能」（人具备的能力），所以问题的根在「什么是智能」。

智能：多元智能理论

加德纳的多元智能理论认为智能体现在八种能力上：语言、逻辑-数学、空间、身体-动觉、音乐、人际、内省、自然观察。

• 在加德纳这八维里，当前 AI 只在语言一维明显超过人类（图像分类、棋类这类单项任务早有超人类的表现，但那属于任务层面，不是这八维的能力）；
• 要同时在多个维度达到人类水平，还差得很远——这正是「强人工智能」尚未实现的直观说明。

为什么说 AI 是交叉学科

要让机器实现人类智能，至少牵动这几门学科：

学科	在 AI 里的角色
计算机科学	把智能抽象成符号，用机器语言实现
脑科学	理解智能在大脑中如何产生；深度学习本质是对大脑的简单模拟
语言学	自然语言处理的对象就是人类语言
逻辑学	让机器按人类逻辑推理、并进一步提升
哲学 / 心理学 / 数学 / 认知科学	提供概念、认知模型与工具

三个概念：AI ⊃ 机器学习 ⊃ 深度学习

概念	定义	关系
人工智能 AI	让机器模拟人类智能的学科总称	最大
机器学习 ML	让机器像人一样从历史数据中归纳规律，再用于新数据/新场景	AI 的主要实现途径
深度学习 DL	在机器学习之上，用人工神经网络模拟人脑，增强学习与特征提取能力	机器学习的一个分支，当前主流

补充：除机器学习外，早期还有靠人为规则、数学公式实现「简单智能」的路子（如专家系统）。它在复杂场景下上限太低，已基本退出主流——这就是为什么今天谈 AI 基本等于谈深度学习。

三大学派（学习要点）

学派	核心主张	拿「苹果」举例会怎么做	今天对应什么
符号主义	智能 = 对符号的操作。先把对象抽象成符号与规则，再让计算机处理	把苹果拆成颜色、形状、重量等特征，组织成树状结构存进计算机	专家系统、知识图谱
连接主义	智能 = 神经网络。模拟大脑的神经元与突触连接	提取特征 → 给每个特征加权 → 加权计算得出「是苹果」的概率 0.9	深度学习、大模型（当前主流）
行为主义	智能 = 智能体与环境的交互。不需要知识、表示和推理，靠反馈不断进化	让智能体反复试错，根据环境反馈自我提升	强化学习、机器人

要点：人脑有几百亿到上千亿神经元，靠突触传递信息。今天的「人工神经网络」只是对大脑结构的简单模拟，复杂度与信息交换机制都还原不了——这句话在讲「AI 不是真智能」时反复出现。

弱 / 强 / 超人工智能

类别	定义	现状
弱 AI（专用）	面向特定任务或有限范围，可推理和求解新问题，但通用性与可靠性有限；尚无公认的自主意识证据	当前系统仍未公认实现通用 AI，包括最强的 LLM
强 AI（通用）	达到人类智能水平，有对外感知与自我意识，能独立思考	未实现
超 AI	在强 AI 之上，短时间内远超人类文明	未实现，短期内看不到

关键在于能力的通用性与可靠性：专用 AI 也能在训练数据之外、从未见过的新问题上推理、搜索新解，并非只能整合已有答案。但能解新题不等于已实现 AGI，更不能据此判断有意识；仍需看它跨任务、跨环境时能否稳定迁移与求解。

发展历程

时间	事件
1930s–1940s	MP 神经元模型等早期研究（早于「AI」这个词）
1956	达特茅斯会议，AI 元年；「人工智能」一词已见于 1955 年项目提案
1956–1970s	第一波发展期，符号主义主导，专家系统出现
1970s–1980s	第一次寒冬：数据与算力跟不上，投入多、产出少
1980s	一次复兴（专家系统商用）后再度低潮
1997	IBM 深蓝战胜国际象棋世界冠军，热度回归
2000s–2010s	大数据时代 + 算力提升 + 机器学习/深度学习算法；图像分类、文本理解等多项任务超过人类
2017	Transformer 架构诞生
2022	ChatGPT 出现，大模型正式进入大众视野，效果碾压同期模型
2024	生成式 AI 与多模态应用井喷，被称 AI 应用元年
现在	具身智能、通用人工智能（AGI）是下一站

支撑 AI 的三要素

要素	作用	缺了会怎样
算力	CPU / GPU / NPU。训练一个大模型动辄百卡、千卡甚至万卡集群	模型根本跑不起来（把今天的大模型放回 1956 年也没用）
数据	AI 的本质就是从历史数据里挖规律；数据量足、覆盖面广 → 知识多 → 预测准	数据不足 → 规律不完整 → 过拟合：训练时准确率很高，一上线就一塌糊涂
算法	决定学习能力的上限。大模型（LLaMA、GPT）本质上就是一种学习算法	上限低，复杂场景无解

过拟合的定义就出自这里：模型在少数样本上总结出「它以为的规律」，但这个规律不符合整体数据分布。这是全书第一个需要准确理解的概念。
此外还有第四个要素：应用场景——AI 的发展本就是为场景服务的，但聚焦 AI 本身时只看前三者。

AI 产业全景（自下而上四层）

1. 基础设施

   • 传感器 / 物联网：负责感知、采集数据（终端设备、新能源汽车上的传感器 → 供无人驾驶、智慧城市、智慧家居使用）
   • 云服务与计算芯片：提供算力。本地设备太贵时可租云上算力

2. 算法层：视觉（分类、检测、OCR）、语音（识别、合成）、NLP、大模型、具身智能

3. 技术方向：CV、NLP、机器人、多模态……

4. 应用层：智慧金融（反欺诈）、智慧医疗、智慧安防（摄像头等终端）……

1.2 人工智能技术领域

技术支撑

传感器（供数据：历史数据供学习、实时数据供推理）→ 芯片（训练算力 + 端侧推理芯片，两者用途不同）→ 云服务与软件框架（提供算力与开发能力）。

计算机视觉 CV——「让计算机学会怎么看」

定义：让计算机模拟人类如何看，并从看到的信息中理解和分析出想要的东西。

研究方向	做什么	典型场景
目标检测	在图片/视频里找到感兴趣目标，用候选框标出，并给出类别 + 置信度（如「汽车 0.9」）	口罩佩戴检测、交通摄像头标注货车与车牌
图像分割	按像素把感兴趣物体从背景里切出来（比检测更细）	手机拍照「画圈抹掉」物体、PS 抠图自动化
目标跟踪	在视频里记录某个目标的运动轨迹，据此预判下一步	安防、无人驾驶、智慧交通
文字识别 OCR	识别图像/PDF 上的文字信息	发票报销录入、快递单扫描
图像生成	生成或改造图像	超分辨率重建（老片 360P→2K/4K）、风格迁移、图像修复（考古文物复原）、文生图

自然语言处理 NLP——「让计算机学会怎么说」

研究的不是人类怎么看，而是人类怎么说。处理对象是自然语言（区别于编程语言这类人工语言），范畴包括语义规则、语音字符的排列组合等。

发展路径：基于规则（语言学理论，如「动词后面不能跟动词」）→ 基于统计 → 机器学习 → LLM 大语言模型。NLP 的历史比 AI 这个词还久。

四类任务：

任务	输入 → 输出	说明
文本分类	文本/文章/词 → 固定类别	情感分析：好评 / 中评 / 差评。类别在训练时就定死
序列标注	序列 → 序列	词性标注、实体识别、分词；属于自然语言理解范畴
文本生成	提示 → 符合语法且有真实内容的文本	写新闻、诗歌、小说、机器翻译；GPT-1/2 时代只有六成多人分辨不出是人写的，现在已相当成熟
知识图谱	实体 + 关系 + 属性 → 图结构网络	节点是实体、边是关系；用于检索与推荐（短视频、社交平台的标签推荐）

1.3 DeepSeek 概览及其产业影响

这一节看 DeepSeek 从成立到出圈的几个节点，以及它给行业带来的变化。

成长之路

时间	事件
2023 年 7 月	DeepSeek 成立，由幻方量化实际控制人梁文锋创办
2023 年 11 月 2 日	发布首个模型 DeepSeek Coder，免费商用、完全开源
2023 年 11 月 29 日	发布 DeepSeek LLM（670 亿参数）与聊天版本 DeepSeek Chat
2024 年 5 月	DeepSeek-V2 发布，价格低于同行，滑铁卢大学 LLM 排名第七
2024 年 11 月	DeepSeek-R1-Lite-Preview，发布方称 AIME、MATH 成绩达到 OpenAI o1-preview 级别，并可实时展示思考过程
2024 年 12 月 26 日	DeepSeek-V3：671B 参数，仅 55 天训练、十分之一成本，性能超 Llama 3.1、Qwen 2.5，与 GPT-4o 相当
2025 年 1 月 20 日	DeepSeek-R1：比肩 OpenAI o1，支持模型蒸馏——国产 AI 的里程碑时刻

火到什么程度

• 2025 年 1 月 31 日：全球 140 个市场中移动应用下载量排名第一；1 月底，微软、英伟达、亚马逊陆续宣布接入；
• 截至 2025 年 2 月 9 日：App 累计下载超 1.1 亿次，周活跃用户最高近 9700 万；
• 1 月 20 日、26 日那周下载 226 万次，次周飙到 6300 万次，环比涨超 2700%；
• 几乎没在营销上花一分钱。

为什么火：四条

1. 开源——技术报告与多个蒸馏小模型全部开源；
2. 成本低——V3 正式训练算力费用估算约 557.6 万美元（278.8 万 H800 GPU 小时，不含前期研究与消融），是闭源顶尖模型的 1/20（比较口径待核实）；R1 发布时 API 售价为 2.19 美元/百万输出 tokens，输入另计，并非统一 token 推理成本；
3. 性能优——数学、代码能力更突出，与 GPT-4o 不相上下（对比：GPT-4 训练成本高达 7800 万美元，甚至可能到 1 亿美元）；
4. 训练创新——新的 MoE 架构、MLA、无辅助损失函数的负载均衡、MTP，以及并行方式的创新。

对 AI 产业的影响

影响	具体表现
挑战巨头垄断	打破少数资源巨头主导的格局，迫使巨头重审技术优势与市场策略
加剧行业竞争	引发大模型价格战，推动技术迭代与成本下降
开源促进共享创新	打破闭源模式，开发者可二次开发，催生行业应用
改变 AI 发展思路	从「堆算力、堆规模」转向「算法创新、资源优化、应用落地」
拓展应用场景	金融风控、医疗辅助诊断、教育个性化学习等
降低开发门槛	中小企业与创新团队可基于开源模型快速构建应用
提升推理算力地位	开发成本降低后重心转向推理，算力结构改变
国产算力机遇	众多芯片厂为其适配，国产芯片生态迎来机会

产业启示

创新是核心驱动力（算法创新 + 应用创新）、开源合作是重要模式（技术共享、协同创新、降低研发成本与风险）、人才是基础保障（培养 + 营造环境）。

落地案例

• 吉利汽车星睿大模型与 DeepSeek 完成深度合作（2 月 7 日）；
• 东风汽车完成 DeepSeek 全系列大语言模型接入，猛士、奕派、风神、纳米等车型陆续搭载；
• 河南云飞科技：农业植保领域用 DeepSeek 的数据分析能力识别病虫害规律、预测暴发风险、生成个性化植保建议。

1.4 人工智能应用

能源领域的代表是智慧矿山：

• 用 AI 端侧智能设备做 7×24 小时环境监控，替代过去的人工定时巡检；
• 自动巡检机器人通过摄像头检测生产线上的皮带、传送带，异常即报警；
• 早期靠小模型，现在有矿山大模型效果更好。

同类还有 AI 在环境保护上的应用（属于后续展开的内容）。

1.5 人工智能的争议和未来

争议一：会不会失业

• 历史上第一次、第二次工业革命（蒸汽机、纺织机）减少劳力的同时创造了更多岗位（司机、操作工、制造业）。AI 同理：淘汰旧岗位，也创造数据标注员、AI 训练师、数据采集员等新岗位。
• 这里的判断是：AI 淘汰的是重复性强、危险性高的工种；它不会淘汰所有人，淘汰的是「不会 AI 也不想学 AI」的人。
• 但有一个偏差值得注意：大模型到今天，大家拿它干得最多的是艺术创作（视频、绘画），而不是预想中的体力劳动替代。

争议二：眼见不再为实（深度伪造）

• 换脸（Deepfake）：已出现用 AI 把演员的脸换成政治人物的电影；技术虽不成熟（表情呆滞），但对普通人已有欺骗性。
• 声音克隆：Lyrebird 这类工具（加拿大初创，2019 年被 Descript 收购）采集几秒到不足一分钟的语音，就能高度模仿一个人的声线。常见骗局：陌生来电不说话，等你开口采集声音，再去冒充你给家人打电话诈骗。
• 识别小技巧：视频通话时让对方用手挡住摄像头再移开，合成画面会短暂变形、零点几秒后才修复。
• GAN（生成对抗网络）：通过生成器与判别器对抗训练的生成模型，可用于图像合成，也可能被滥用于造假。它与扩散等生成模型的质量与速度取决于任务、模型和指标，没有普遍高一档的排序；训练可能不稳定、出现模式崩溃。

争议三：伦理

问题	关键点
歧视与污名化	数据、算法与目标设计、评估及部署环境都可能引入或放大偏见，不能只归因于数据。RLHF（基于人类反馈的强化学习） 可用于减少歧视、不道德的输出，但不能保证消除所有偏见
自主决策与责任	AI 生成的东西出错无法自主溯源和补救。实例：某公司用自家代码训模型自动生成后端应用，接口有错导致内存泄漏，上线三分钟就崩，赔偿把省下的人力全搭进去。现在的做法改成「小模块生成 + 每个模块补测试 / 用测试 AI 分析」
不可解释（黑盒）	深度学习是黑盒。人脑如何决策至今也说不清，模拟它的模型自然解释不了
对人类的伤害	除歧视外，还有用 AI 批量操纵舆论：评论区里与你无法理解、和视频毫无关系、攻击性极强的发言，很多不是人发的

争议四：隐私与版权

• 隐私：苹果 Siri 被原告指控在意外激活时收集、分享私人对话，以 9500 万美元和解；苹果否认指控，和解不承认责任，法院未判定任何一方胜诉。App 录音、存储权限也需审慎授权；购物话题后出现相关广告，并不能单凭时间先后证明由偷听导致。
• 但也要承认：不让 AI 学习「你是怎样的人」，个性化推荐就无从谈起。如何在保护隐私的前提下维持便利，仍是未解问题。
• 保护手段：隐私加密、数据脱敏、数据拆分；法律之外还要靠社会道德规范（法律再严，也进不到每家企业内部去查）。
• 版权：国内首例 AI 生成图著作权案（2023 年 11 月，北京互联网法院）——一名用户发现自己用 AI 生成的图被人擅自配进文章，于是起诉对方；法院认定该图构成美术作品、著作权归用提示词生成它的人。此后不少平台在协议里加一条：平台内产生的成果版权归平台。最终仍待立法。

未来：五个层面

（1）价值 / 场景：交通、能源、智慧城市（城市大脑、智慧交通天网）已普及；智慧养老可能成为下一个主流场景。

（2）市场规模（公开统计，仅供参考）

指标	数值
全球 AI 市场（2024）	6382 亿美元（2023 年 5381 亿，一年增约 1000 亿）
全球 AI IT 总投资	2022 年 1288 亿美元 → 2027 年预计 4236 亿美元（五年 CAGR 约 26.9%）
国内 AI 企业数量增长	2024 上半年同比增长 35.65%
国内大模型解决方案市场	2024 上半年 13.8 亿元 → 2028 年预计 211 亿元（CAGR 约 56.2%）
国内智算服务市场	2024 上半年 146.1 亿元（同比 +79.6%），拆开是智算集成 57.0 亿 + GenAI IaaS 52.0 亿 + 其他 AI IaaS 37.1 亿

（3）生产效率：经 AI 改造的工厂，研发周期缩短约 20%、生产效率提升约 35%；生产从「一群人一起干」变成「少数人控制机器干」，机器可 7×24 连轴转，且危险工种由机器承担，保护人的安全。

（4）技术走向

• AGI：当前大模型能泛化到新问题，但跨任务迁移、推理可靠性与自主学习仍有限，不能等同于已实现 AGI。下一步是完善闭环：发现问题 → 尝试解决/思考 → 总结成新知识 → 用于决策规划 → 自我学习与改进。
• 具身智能：AI 与物理形体结合，最直观是人形机器人、机器狗。机器狗已能在复杂场景执行任务（不怕恐惧与疼痛），未来进入家庭做管家、做养老陪护。当前机器人多靠预设路线或专用轨道，还做不到实时感知环境自主判断；清华教授认为 2025–2027 年可能有突破。

（5）设备层面

• AI 手机：本质是加入 NPU 等 AI 算力，让端侧推理更快更好，还谈不上「管家」。
• 智能家电：冰箱推荐食谱、规划健康饮食、提醒食物变质与摆放位置。
• 智能汽车：技术上已达 L3，厂商因担责顾虑普遍自称 L2.9 / L2.8；无人驾驶在新能源车上普及，萝卜快跑等无人出租车已商用。

本章学习要点

1. AI 元年 = 1956 年达特茅斯会议；提出者麦卡锡。
2. 三大学派：符号主义 / 连接主义 / 行为主义——各自的主张与代表技术（专家系统 / 深度学习 / 强化学习）。连接主义是当前主流。
3. AI ⊃ ML ⊃ DL 的包含关系。
4. 弱人工智能：能力面向特定任务或有限范围，可在未见问题上推理；当前系统尚未公认实现通用 AI，也无公认的自主意识证据。
5. 三要素：算力、数据、算法；数据不足→过拟合。
6. 视觉五任务：目标检测（框+类别+置信度）、图像分割（像素级）、目标跟踪（视频轨迹）、OCR、图像生成。
7. NLP 四任务：文本分类、序列标注、文本生成、知识图谱。
8. 知识图谱属于 NLP，不属于计算机视觉（章末题答案 BCD：语义分割、智能驾驶、视频分析）。
9. RLHF 用于压制模型从数据里学到的偏见与不良输出。

---