AI 入门教程介绍

最新推荐文章于 2026-09-14 22:08:12 发布

原创最新推荐文章于 2026-09-14 22:08:12 发布 · 187 阅读

6 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

AI 入门教程

AI（Artificial Intelligence，人工智能）是一种让计算机具备理解、学习、推理、生成内容以及执行任务能力的技术。

AI（Artificial Intelligence，人工智能）不再是固定程序的机械运行，而是可以通过数据学习、自主判断、适配不同场景的智能技术。

过去的软件依赖固定规则运行，而 AI 更像一种能够从数据中学习规律，并自主完成目标的新型计算方式。

今天的 AI 已经不只是聊天机器人，它已经能够：写文章、写代码、生成图片、分析数据、制作 PPT等。

谁适合阅读本教程？

从未接触过 AI 的新人
想提升工作效率的人
想进入 AI 行业的人
希望理解 ChatGPT、大模型、Agent 等概念的人
程序员、设计师、运营、学生以及普通办公人群

不要求数学基础，也不要求会编程。

AI 能干嘛？

AI（Artificial Intelligence，人工智能）本质上是在模拟人的部分智能能力。

感知信息：看懂文字、图片、语音、视频等各类数据
理解语义：读懂人类自然语言、需求、场景和隐含逻辑
自主学习：通过海量数据训练，持续优化能力，越用越精准
推理决策：根据现有信息分析、判断、给出最优方案
落地执行：辅助或自主完成创作、办公、分析、开发等各类任务
通俗类比理解：
传统软件 = 计算器：只能按固定规则计算，不会变通、不会思考
AI = 聪明的实习生：可以学习新知识、理解需求、自主干活、不断进步

这些原本属于人的能力，现在开始被计算机具备，我们可以尝试使用 AI 工具 -- 豆包，问他如何学习 AI:

AI 核心基础原

数据（基础）：AI 的知识储备，海量文本、图片、视频、行为数据，是 AI 学习的原材料
算法（规则）：AI 的"学习方法"，是让机器从数据中总结规律、提炼逻辑的数学规则
模型（载体）：训练完成后的成品，是可以直接使用的智能主体（如 GPT-4、Claude 3、通义千问）
推理（能力）：模型上线后，接收用户指令，结合所学知识输出结果、完成任务的过程

AI 类别

根据功能和场景，AI 主要分为 5 大类，覆盖 99% 的普通人使用场景：

根据功能和应用场景，AI 主要可以分为 5 大类，基本覆盖了 99% 普通人的使用需求：

AI 类型	核心能力	典型场景	代表工具
语言 AI（NLP）最常用	理解、生成和处理文字语言内容	智能对话文案创作论文改写代码编写翻译总结复盘问答咨询办公文案处理	ChatGPT Claude Qwen 豆包
视觉 AI（CV）	理解图片和视频内容，进行视觉分析与生成	人脸识别图片修图 AI 绘图视频剪辑画面识别工业瑕疵检测证件照生成	Midjourney Stable Diffusion 美图 AI 剪映 AI
语音 AI	实现语音与文字之间转换和交互	语音转文字实时字幕智能配音语音翻译智能音箱交互	讯飞听见剪映字幕手机语音助手
多模态 AI 主流趋势	同时支持文字、图片、语音、视频等多种输入输出	图片提问图文创作视频理解多格式内容生成综合问题解答	GPT-4V 豆包通义千问秒哒
自动化 AI（AI Agent）	自动执行任务，连接工具完成目标	文件整理数据分析 PPT 自动生成报表统计批量处理文件工作流自动化	QoderWork 搭子 n8n

AI 简介

想象一下这个场景：

早上你打开手机，相册自动把昨晚拍的照片按人物和场景分好了类。
上班路上你对着手机说了句话，导航就帮你规划好了避开拥堵的路线。
到了工位，你在对话框里敲了一行字，AI 帮你生成了整篇周报的初稿。

这些场景在五年前还像科幻，现在已经成了日常，AI 不是未来，它已经嵌入了你每天使用的产品里。

2022 年底 ChatGPT 的出现是一个分水岭：

在此之前，AI 是程序员和研究者的事。
在此之后，AI 变成了每个人都能直接使用的工具。

人工智能的定义

用大白话说：人工智能（Artificial Intelligence，简称 AI）是让计算机具备类似人类智能行为的技术。

这里说的智能行为包括：看懂文字、听懂语音、识别图片、做出决策、从经验中学习。

英文缩写 AI 读作 A-I（两个字母分开读），全称 Artificial Intelligence。

AI 能做什么

下面这些能力，今天的 AI 已经相当成熟：

能力	典型应用	你用过吗
语言理解与生成	翻译、写作、总结文章、回答问题	ChatGPT、Claude
图像识别	人脸解锁、扫描文档、医学影像分析	手机相册分类、车站闸机
语音交互	语音转文字、语音助手	Siri、小爱同学、输入法语音
内容生成	AI 绘画、视频生成、音乐创作	Midjourney、Suno
代码辅助	代码补全、Bug 修复、自动生成代码	GitHub Copilot、Cursor

AI 不能做什么

知道 AI 的边界，比知道它的能力更重要。

AI 不会真正理解任何东西——它只是在做概率计算，你说"今天天气真好"，它不知道"好"是什么感觉，它只知道这句话后面通常接什么词。

AI 没有意识、没有情感、没有自己的目标，它不会想要做任何事。

AI 有会幻觉，就是会一本正经地编造不存在的事实、人名、论文、数据，因为它本质上是预测下一个词，而不是查证事实。

AI 对没见过的新情况缺乏判断力，如果训练数据里没有类似场景，它的表现可能很糟糕。

记住：AI 是强力助手，不是可信权威。

涉及医疗、法律、投资等高风险决策，AI 的输出只能参考，不能作为最终依据。

AI 发展简史

AI 不是突然冒出来的，它的历史超过 70 年，经历了三轮大起大落。

第一次浪潮：符号主义（1950s–1980s）

1956 年，一群科学家在达特茅斯学院开会，人工智能这个词被正式提出。

当时的主流思路很简单：把人类专家的知识写成一条条规则，存进计算机，遇到问题时按规则推理。这种思路叫专家系统。

比如一个医疗诊断专家系统，内部存着几千条规则：如果病人发烧且咳嗽，则可能是感冒、如果发烧超过 39 度且持续三天，则建议验血。

问题在于：真实世界的规则是写不完的，你写了五千条规则，病人来了个第六千种症状组合，系统就不知道怎么办了。

而且，修改规则极其痛苦——加一条新规则可能和已有的几百条规则冲突。

1980 年代末，人们意识到这条路走不通，AI 进入第一次寒冬。

第二次浪潮：机器学习崛起（1990s–2010s）

研究者换了一个思路：不再让人写规则，而是让机器自己从数据里找规律。

举个例子：要识别垃圾邮件，不再写如果包含中奖二字就是垃圾邮件这种规则，而是给机器看一万封已标注的邮件（五千封正常、五千封垃圾），让算法自己找出垃圾邮件通常长什么样。

这一时期诞生了支持向量机（SVM）、随机森林、逻辑回归等经典算法，它们在垃圾邮件过滤、信用卡欺诈检测、商品推荐等场景效果很好。

但有一个瓶颈：特征需要人来设计。比如做图像识别，你得先人工提取"边缘"、"颜色分布"、"纹理"等特征，然后才能喂给算法。人对特征的提取能力，决定了模型的上限。

第三次浪潮：深度学习与大模型（2010s–至今）

2012 年，一个叫 AlexNet 的深度神经网络在图像识别比赛 ImageNet 上大幅碾压传统方法，深度学习时代正式开启。

深度学习的核心突破是：连特征也不用人工设计了，模型自己从原始数据里一层层地学。

2017 年，Google 发表论文《Attention Is All You Need》，提出 Transformer 架构。

2022 年 11 月，OpenAI 发布 ChatGPT，两个月用户破亿，AI 真正走向大众。

2023 年至今，GPT-4、Claude、Gemini 等大模型持续迭代，多模态、AI Agent、推理模型等新方向不断涌现。

三次浪潮的核心脉络，一句话总结：

浪潮	核心思路	谁在干活	代表事件
第一次（1950s–1980s）	人写规则，机器执行	程序员写规则	1956 达特茅斯会议
第二次（1990s–2010s）	机器从数据学规律	人设计特征，算法学规律	1997 深蓝击败国际象棋冠军
第三次（2010s–至今）	深度网络 + 海量数据 + 大算力	模型连特征都自己学	2022 ChatGPT 发布

AI 的演进路径：规则驱动 → 数据驱动 → 深度学习 → 大模型 → 智能体，更细一点，我们可以分为 5 个阶段：

1950s：人们提出一个问题——机器能像人一样思考吗？
1960s–1980s：尝试把知识和规则写进机器（符号主义、专家系统），效果有限。
1990s–2000s：不再手写规则，让机器从数据中学习（机器学习）。
2010s：深度学习崛起，神经网络依靠海量数据和算力取得突破。
2020s：大模型时代到来，一个模型开始具备通用能力（聊天、写作、编程、推理）。
未来：AI 正从回答问题走向自主完成任务（Agent、AGI）。

三个容易混淆的概念：AI、ML、DL

AI（Artificial Intelligence，人工智能）、ML（Machine Learning，机器学习）、DL（Deep Learning，深度学习）三者常被媒体混为一谈，但三者定义并不等同，但它们不是一回事。

先看一张关系图：

AI、机器学习、深度学习三者包含关系图

包含关系：AI ⊃ ML ⊃ DL

人工智能（AI）是最大的圈，凡是用机器模拟智能行为的技术都算 AI。
机器学习（Machine Learning，ML）是 AI 的一个子集，特指从数据中自动学习的方法。
深度学习（Deep Learning，DL）是 ML 的一个子集，特指基于多层神经网络的方法。

不是所有的 AI 都是 ML，不是所有的 ML 都是 DL。

用一个例子说清楚三者的区别

假设要做一个判断邮件是否是垃圾邮件的程序，三种思路对应三个层次：

实例

# ============================================
# 思路一：规则法（AI，但不属于 ML）
# 程序员手写规则，没有"学习"过程
# ============================================

def is_spam_by_rules(email_text: str) -> bool:
  """用关键词规则判断垃圾邮件——纯人工规则，没有学习"""
  # 以下关键词任意命中一个，就判定为垃圾邮件
spam_keywords = [
  "恭喜中奖",
  "免费领取",
  "点击领取",
  "限时优惠",
  "runoob 大礼包",   # 测试用，实际场景中可替换
  ]
  for keyword in spam_keywords:
  if keyword in email_text:
  return True
  return False

# 测试：有一封邮件内容如下
test_email = "恭喜你获得 runoob 大礼包，点击领取！"
result = is_spam_by_rules(test_email)
print(f"规则法判断结果：{'垃圾邮件' if result else '正常邮件'}")
# 输出：规则法判断结果：垃圾邮件

规则法的优点是简单直接，缺点是：规则写不完、写不全。如果垃圾邮件换了个说法，比如"恭贺阁下喜获大奖"，规则就漏了。

实例

# ============================================
# 思路二：经典机器学习（ML，但不属于 DL）
# 从历史数据中自动学习规律，不需要手写规则
# ============================================

def train_simple_classifier(emails: list, labels: list):
  """训练一个最简单的机器学习分类器
思路：统计每个词在垃圾邮件和正常邮件中出现的频率，
用频率差来判断新邮件"""
  # 统计每个词在两类邮件中出现的次数
spam_word_count = {}   # 词在垃圾邮件中出现的总次数
ham_word_count = {}   # 词在正常邮件中出现的总次数
spam_total = 0     # 垃圾邮件总词数
ham_total = 0   # 正常邮件总词数

  for email_text, label in zip(emails, labels):
words = email_text.split()
  for word in words:
  if label == "spam":
spam_word_count[word] = spam_word_count.get(word, 0) + 1
spam_total += 1
  else:
ham_word_count[word] = ham_word_count.get(word, 0) + 1
ham_total += 1

  # 返回学习到的统计信息（这就是"模型"）
  return {
  "spam_word_count": spam_word_count,
  "ham_word_count": ham_word_count,
  "spam_total": spam_total,
  "ham_total": ham_total,
  }

def predict(model: dict, email_text: str) -> str:
  """用学习到的模型预测新邮件"""
words = email_text.split()
spam_score = 0.0   # 垃圾邮件得分
ham_score = 0.0   # 正常邮件得分

  for word in words:
  # 计算这个词在垃圾邮件中出现的概率（加平滑避免除零）
spam_prob = (model["spam_word_count"].get(word, 0) + 1) / (model["spam_total"] + 1)
ham_prob = (model["ham_word_count"].get(word, 0) + 1) / (model["ham_total"] + 1)
spam_score += spam_prob
ham_score += ham_prob

  return "spam" if spam_score > ham_score else "ham"

# 训练数据：4 封已标注的邮件
emails = [
  "恭喜中奖免费领取大礼包",     # 垃圾
  "限时优惠点击领取 runoob 礼包",     # 垃圾
  "明天开会记得带报告",   # 正常
  "周末一起吃饭有空吗",   # 正常
]
labels = ["spam", "spam", "ham", "ham"]

model = train_simple_classifier(emails, labels)

# 预测新邮件
new_email = "恭喜你获得大奖快来领取"
result = predict(model, new_email)
print(f"ML 方法判断结果：{'垃圾邮件' if result == 'spam' else '正常邮件'}")
# 输出：ML 方法判断结果：垃圾邮件

ML 方法不再需要手写规则，它从数据中自动学习。

但它仍然需要人设计"特征"——在这个例子里，特征就是"用词频来判断"。如果特征设计得不好，模型效果就上不去。

实例

# ============================================
# 思路三：深度学习（DL，ML 的子集）
# 用多层神经网络，连特征也让模型自己学
# 这里用伪代码 + 注释说明原理，不依赖任何框架
# ============================================

# 深度学习做垃圾邮件分类的思路：
# 1. 把每个词转换成一个向量（一串数字），这一步叫"词嵌入"
# 2. 把这些向量送进一个多层神经网络
# 3. 每一层网络自动提取越来越抽象的特征
# 4. 最后一层输出"垃圾"或"正常"的概率

# 下面是一个概念性的三层神经网络结构：

class SimpleNeuralNetwork:
  """概念演示：一个三层神经网络的结构（不包含训练逻辑）"""

  def __init__(self, input_size: int, hidden_size: int, output_size: int):
  """初始化网络各层权重"""
  import random
  # 第 1 层：输入 → 隐藏层（将输入特征做一次非线性变换）
  self.w1 = [[random.random() for _ in range(hidden_size)]
for _ in range(input_size)]
  # 第 2 层：隐藏层 → 输出层（将抽象特征映射到最终分类）
  self.w2 = [[random.random() for _ in range(output_size)]
for _ in range(hidden_size)]

  def forward(self, x: list) -> list:
  """前向传播：输入数据经过网络得到输出"""
  # 第一层变换
hidden = [sum(x[i] * self.w1[i][j] for i in range(len(x)))
  for j in range(len(self.w1[0]))]
  # ReLU 激活函数（负值变 0，正数不变）
hidden = [max(0, h) for h in hidden]
  # 第二层变换得到最终输出
output = [sum(hidden[i] * self.w2[i][j] for i in range(len(hidden)))
  for j in range(len(self.w2[0]))]
  return output

# 假设每个词已经转换成了 100 维的向量（由词嵌入层自动完成）
# 输入 100 维向量 → 隐藏层 64 个神经元 → 输出 2 个值（垃圾概率、正常概率）
model = SimpleNeuralNetwork(input_size=100, hidden_size=64, output_size=2)
print("三层神经网络结构已创建：100 → 64 → 2")
# 输出：三层神经网络结构已创建：100 → 64 → 2

三种思路的对比：

思路	谁在干活	所属范畴	优缺点
规则法	程序员手写规则	AI（非 ML）	简单直接，但规则写不完，维护困难
经典 ML	算法从数据学规律，特征由人设计	ML（非 DL）	数据量小时效果好，可解释性强
深度学习	连特征也让模型自己学	DL	海量数据下效果好，但需要大量算力

当有人说"我们公司在做 AI"，你可以问一句："你们用的是规则、传统机器学习，还是深度学习？"——这能帮你快速判断对方的技术路线。

弱 AI、强 AI、超级 AI

除了按技术路线分类，AI 还可以按"智能水平"分成三个等级。

弱 AI（Narrow AI）——已经实现

只能在特定任务上表现出色，切换任务就抓瞎。

AlphaGo 下棋能赢世界冠军，但让它写一首诗，它不会。

ChatGPT 聊天很厉害，但给它一张医学影像让它诊断，它不行。

今天我们能接触到的所有 AI 产品，都是弱 AI。

"弱"不是指能力弱，而是指范围窄——它只在一个或几个特定领域厉害。

强 AI（AGI，通用人工智能）——尚未实现

能像人一样在任意领域学习和工作。不需要为每个新任务单独训练，看几个例子就能上手。

AGI 是 OpenAI、Anthropic、Google DeepMind 等公司的终极目标。

目前还没有公认的 AGI 出现。什么时候能实现？乐观估计 5-10 年，悲观估计 50 年以上，没人说得准。

超级 AI（ASI，超级人工智能）——纯理论

在所有领域全面超越人类智能。能做出人类做不到的科学发现，解决人类理解不了的问题。

这是科幻小说里常见的设定，但距离现实还非常遥远。

三个等级的关系：

等级	能力范围	当前状态	例子
弱 AI	单一领域	已大量存在	ChatGPT、人脸识别、AlphaGo
强 AI（AGI）	通用领域，媲美人类	尚未实现	—
超级 AI（ASI）	全面超越人类	纯理论概念	—