AI 是什么
从图灵到 ChatGPT

学习问题：如果不能直接看到对方，我们怎样判断机器是否表现出智能？

从可观察的对话行为出发，再建立 AI 的直观定义。

学习问题：“机器会不会思考”如何变成可判断的问题？

与其争论机器内部是否在思考，不如观察它能否表现得像在思考。

学习问题：图灵测试如何保证判断只依赖对话表现？

观察者只通过文字分别与人和机器交谈；如果无法分辨，机器就通过测试。

学习问题：哪些计算机任务可以被称为人工智能？

人工智能就是让计算机去做那些通常需要人类智力才能完成的事情。

学习问题：会完成一项任务，是否等于具备通用智能？

学会做一种菜对应专用任务，能看菜谱学会任意菜对应更通用的能力。

学习问题：AI 为什么不是直线发展，而是反复兴起与遇冷？

每次浪潮都由一种主要技术路线推动，也因该路线的边界而降温。

学习问题：把智能写成逻辑规则，为什么很难覆盖现实世界？

符号主义能从已知事实推导结论，但大量常识和例外无法被少量规则完整描述。

学习问题：把专家知识写入规则库，为什么仍然难以长期维护？

专家系统在特定领域可以给出建议，但规则会过时，不同专家的意见也可能冲突。

学习问题：第三次浪潮为什么在 2010 年代迎来突破？

互联网数据、GPU 算力和深度学习算法在同一时期具备了推动大型神经网络的条件。

学习问题：ChatGPT 的发布在讲义中代表了什么转折？

2022 年 11 月 ChatGPT 发布，标志着 AI 从实验室技术走向普通人可以直接使用的对话工具。

学习问题：人工智能、机器学习、深度学习和大模型是什么关系？

四个概念不是并列技术，而是从大目标到具体实现的逐层包含。

学习问题：机器学习与传统编程的输入方式有何不同？

机器学习向机器提供数据和答案，让它自己找到能用于预测的规律。

学习问题：深度学习为什么能减少人工挑选特征的工作？

多层神经网络可以从原始数据中逐层学习边缘、纹理、形状和更高层特征。

学习问题：大模型为什么能处理更多种类的语言任务？

讲义将大模型描述为深度学习的特殊形态：大规模神经网络通过海量文本数据训练。

学习问题：四个概念如何放入同一张包含关系图？

大模型属于深度学习，深度学习属于机器学习，机器学习又属于人工智能。

学习问题：传统机器学习和深度学习在特征处理上有何差异？

传统机器学习往往需要人工先挑选特征，深度学习则能从原始数据中自动提取特征。

学习问题：讲义如何比较传统深度模型与大模型？

传统模型面向特定领域和单一任务；大模型使用更大规模参数与互联网级文本，可通过对话处理多类任务。

学习问题：学会使用 AI 之前，为什么必须同时认识它的长处与短板？

能力边界决定哪些任务可以交给 AI 辅助，哪些判断必须由人承担。

学习问题：讲义将 AI 的强项归纳为哪些任务类型？

AI 擅长语言处理、图像识别、模式发现、代码辅助和创意辅助等有明确输入与可检查输出的任务。

学习问题：为什么流畅的回答不等于真正理解，也不等于可以负责？

AI 在真正理解、生活常识、价值判断、原创理论与责任承担方面存在明显边界。

学习问题：教学团队在 AI 产业链中为什么定位于数据层？

芯片与算力是基础，数据是训练材料，模型是能力核心，应用将能力交付给用户。

学习问题：数字孪生与具身智能如何形成虚实闭环？

数字孪生在虚拟世界建立物理对象的数字镜像；具身智能则让 AI 控制机器人、无人机或机械臂执行任务。