一、课程信息课程主题人工智能是什么适合对象人工智能零基础学习者预计学习时长1.5小时学习方式建议先理解概念再结合生活案例思考最后完成练习二、学习目标学完本课后你应该能够用通俗语言解释什么是人工智能。说出人工智能常见的几类能力。区分人工智能、机器学习、深度学习和大模型。理解人工智能不是万能的它有能力边界和使用限制。能够识别生活中常见的AI应用。三、课程导入AI已经在我们身边很多人第一次听到“人工智能”时会觉得它离自己很远像是科学家、程序员或大型科技公司才会接触的东西。但实际上AI早已进入日常生活。例如手机可以通过人脸识别解锁。输入法会预测你接下来想打什么字。短视频平台会推荐你可能喜欢的内容。地图软件会根据路况推荐路线。电商平台会推荐你可能想买的商品。智能客服可以回答常见问题。AI聊天助手可以帮你写作、总结、翻译和制定计划。这些看起来不同的功能背后都和人工智能有关。本课要解决的核心问题是人工智能到底是什么它和普通软件有什么不同四、什么是人工智能1. 通俗定义人工智能英文是 Artificial Intelligence简称 AI。可以这样理解人工智能就是让机器具备某些类似人类智能的能力从而完成原本需要人类判断、理解、学习或创造的任务。这里的“智能”并不一定代表机器真的像人一样有意识、有情感、有主观想法。更准确地说当前大多数AI系统是在做这些事情从数据中发现规律根据输入做出判断根据已有信息生成内容根据目标选择合适的行动在一定范围内完成自动化任务2. 一个生活类比假设你想教一个小朋友认识“猫”。你可能会给他看很多猫的图片并告诉他这是猫那也是猫这不是猫是狗这只虽然颜色不一样但也是猫看得多了小朋友会慢慢总结出猫的特点例如耳朵、眼睛、脸型、身体形态等。AI学习识别猫也有类似过程给机器大量图片。告诉机器哪些是猫哪些不是猫。机器从图片中总结规律。以后遇到新图片时机器尝试判断是不是猫。区别在于人类是通过大脑学习AI是通过数据、算法和计算来学习。五、人工智能的常见能力人工智能不是单一技术而是一类技术和能力的集合。可以先从以下几种能力理解。1. 识别能力识别是指让机器判断输入内容是什么。常见例子人脸识别判断照片里的人是谁车牌识别识别车辆牌照号码语音识别把语音转换成文字图片识别判断图片里是猫、狗、汽车还是建筑生活类比像人看到一个熟人后能认出“这是张三”。2. 理解能力理解是指让机器分析输入内容的含义。常见例子理解一句话表达的情绪判断一条评论是好评还是差评理解用户问题并给出对应回答从一篇文章中提取重点内容生活类比你看到“这家店真不错”通常会理解这是正面评价。但如果看到“这家店真不错下次再也不来了”就需要结合上下文判断这句话可能是在讽刺。3. 推理能力推理是指根据已有信息进行判断和分析。常见例子医疗辅助诊断根据症状和检查结果提示可能疾病金融风控根据交易行为判断是否存在欺诈风险智能问答系统根据多条信息推断答案生活类比如果你看到地面湿了、天空阴沉、路人打伞你可能推断刚下过雨或正在下雨。4. 生成能力生成是指让AI创造新的内容。常见例子生成文章生成图片生成视频脚本生成代码生成会议纪要生成学习计划生活类比像一个助手根据你的要求写一份初稿但这份初稿仍需要你检查和修改。5. 决策能力决策是指让AI在多个选项中选择更合适的方案。常见例子地图推荐路线电商推荐商品平台推荐视频智能调度系统分配订单游戏AI选择下一步行动生活类比像你出门前根据距离、天气、交通情况选择打车、坐地铁还是骑车。六、AI、机器学习、深度学习和大模型的关系很多初学者会把AI、机器学习、深度学习和大模型混在一起。它们有关联但不是同一个概念。可以把它们理解成一个从大到小的范围关系人工智能 AI └── 机器学习 Machine Learning └── 深度学习 Deep Learning └── 大模型 Large Model1. 人工智能最大的概念人工智能是总称目标是让机器表现出某些智能行为。它包括很多方向机器学习自然语言处理计算机视觉语音识别知识图谱机器人推荐系统2. 机器学习让机器从数据中学习机器学习是实现人工智能的一种重要方法。它的核心思想是不把所有规则都提前写死而是让机器从数据中总结规律。普通软件通常依赖程序员写规则。例如如果用户输入的密码错误次数超过5次就锁定账号。这是一条明确规则。而机器学习更适合处理规则很难写清楚的问题。例如判断一张图片是不是猫判断一段话表达的是开心还是生气判断某个用户是否可能喜欢一件商品这些问题很难靠几条简单规则解决因为现实情况太复杂。3. 深度学习机器学习中的一种强大方法深度学习是机器学习中的一个重要分支。它通常使用多层神经网络来处理复杂数据例如图片语音文本视频可以简单理解为深度学习像一个多层加工系统每一层都从数据中提取更抽象的信息。例如识别一张人脸第一层可能识别边缘和线条中间层可能识别眼睛、鼻子、嘴巴更高层可能判断这是谁4. 大模型深度学习发展到一定规模后的产物大模型通常指参数规模很大、训练数据很多、能力较强的AI模型。常见大模型包括大语言模型文生图模型多模态模型大语言模型可以完成问答写作总结翻译改写代码生成角色扮演学习辅导但要注意大模型并不等于全部AI它只是当前AI发展中非常重要的一类技术。七、人工智能和普通软件有什么不同1. 普通软件更像“按规则办事”普通软件通常由程序员提前写好明确规则。例如计算器输入 1 1 程序按照规则计算 输出 2这里的规则非常明确结果也非常确定。2. AI系统更像“从经验中总结规律”AI系统面对的问题通常更复杂规则难以完全写清楚。例如判断一封邮件是不是垃圾邮件。如果只靠规则可能要写很多条件是否包含广告词是否包含异常链接发件人是否可疑邮件标题是否夸张是否群发但垃圾邮件形式会不断变化规则很难覆盖所有情况。机器学习可以通过大量历史邮件学习规律然后判断新邮件的风险。3. 一个简单对比对比项普通软件AI系统工作方式按固定规则执行从数据中学习规律适合问题规则清楚、流程稳定规则复杂、变化较多输出结果通常更确定可能有不确定性典型例子计算器、表单系统推荐系统、人脸识别、聊天助手是否需要数据不一定需要大量数据通常依赖数据质量八、人工智能不是万能的AI很强大但并不是万能工具。理解AI的边界比盲目使用AI更重要。1. AI可能会出错AI的判断来自数据和模型不代表永远正确。例如图片识别可能把相似物体认错语音识别可能听错同音词AI问答可能生成看似合理但实际错误的内容2. AI可能受到数据影响如果训练数据本身有问题AI结果也可能有问题。常见问题包括数据不完整数据有错误数据存在偏见数据过时例如如果一个招聘AI系统学习的是过去带有偏见的招聘数据它可能延续甚至放大这种偏见。3. AI不等于真正理解一切当前多数AI系统并不具备人类意义上的自我意识。它可以生成流畅回答但并不代表它真的像人一样理解世界、拥有情感或承担责任。使用AI时尤其在医疗、法律、金融、安全等重要场景中必须保留人工审核。4. AI输出需要验证使用AI时可以记住一句话AI可以辅助你提高效率但不能替你承担最终判断。九、常见AI应用场景1. 生活场景手机人脸解锁语音助手智能音箱照片自动分类地图路线规划输入法联想2. 内容创作文案生成图片生成视频脚本生成文章总结标题优化翻译和润色3. 教育学习个性化学习推荐作文批改题目讲解学习计划生成课堂笔记总结4. 企业办公智能客服合同摘要会议纪要数据分析知识库问答流程自动化5. 行业应用医疗影像辅助诊断金融反欺诈工业质检智能交通自动驾驶智能物流十、课堂活动识别身边的AI请完成下面的小活动。活动任务列出你最近一周使用过的5个软件或设备判断其中是否使用了AI能力。可以使用下面的表格软件或设备可能使用的AI能力具体功能例如地图软件决策、预测推荐路线、预测到达时间思考问题哪些AI功能你之前没有意识到哪些AI功能确实提升了效率哪些AI功能可能存在误判或风险十一、本课小结本课我们学习了人工智能的基础概念。需要重点记住人工智能是让机器完成某些原本需要人类智能的任务。AI常见能力包括识别、理解、推理、生成和决策。AI、机器学习、深度学习和大模型不是同一个概念它们是从大到小的包含关系。普通软件更依赖明确规则AI系统更依赖数据和模型总结规律。AI不是万能的它可能出错也可能受到数据质量和偏见影响。使用AI时要保持验证意识重要场景不能完全依赖AI自动判断。十二、课后练习练习1寻找生活中的AI请找出生活中的5个AI应用并填写表格。AI应用使用场景对应AI能力例如人脸解锁手机解锁识别练习2解释AI和普通软件的区别请用自己的话回答AI和普通软件有什么不同建议从以下角度回答是否依赖固定规则是否需要大量数据是否会从数据中总结规律输出结果是否可能存在不确定性练习3判断AI能力类型请判断下面功能主要属于哪类AI能力。功能AI能力类型手机识别人脸解锁AI根据一句话生成一张图片地图推荐最快路线智能客服理解用户问题邮箱判断垃圾邮件可选能力类型识别理解推理生成决策练习4思考AI的边界请回答为什么AI生成的内容不能完全直接相信在医疗、法律、金融等重要领域为什么需要人工审核如果AI推荐结果不公平可能是什么原因造成的十三、参考答案与提示练习3参考答案功能AI能力类型手机识别人脸解锁识别AI根据一句话生成一张图片生成地图推荐最快路线决策智能客服理解用户问题理解邮箱判断垃圾邮件识别 / 推理说明有些AI应用不只包含一种能力。例如智能客服既需要理解问题也可能需要生成回答。练习4提示AI输出可能来自不完整、过时或有偏差的数据。AI可能生成看似合理但实际错误的内容。重要领域的错误成本较高因此需要人工审核。不公平推荐可能来自数据偏见、设计目标不合理或模型评估不足。十四、下一课预告下一课我们将学习人工智能的前世今生你将了解AI从图灵测试、达特茅斯会议、专家系统到机器学习、深度学习和大模型时代的发展过程。学习历史不是为了记年份而是为了理解为什么AI会经历高潮和低谷为什么现在AI突然发展这么快当前这轮AI热潮和过去有什么不同