读懂 AI：从原理到应用全景

01

AI 是什么：一个从 1956 年用到今天的定义

人工智能不是一个具体的软件，而是一类技术：让计算机完成原本需要人类智能的任务——理解语言、识别图像、下棋、写代码。1950 年，图灵在论文《Computing Machinery and Intelligence》里问出「机器能思考吗」；1956 年夏天的达特茅斯会议上，John McCarthy 等人给这个领域起了正式的名字：Artificial Intelligence。

今天的 AI 主流形态，是基于深度学习训练出来的大模型：用海量数据去调整一个拥有大量参数的神经网络，训练完成后就可以「推理」——根据你给的输入，预测最合理的输出。你手机里的人脸解锁、购物 App 的推荐流、随时待命的对话助手，背后都是这一套东西。

它的本质始终是八个字：从数据学规律，再套规律。这决定了它的长处——见过海量经验、不知疲倦、秒级响应；也决定了它的短板——会一本正经地编造、没有真正的理解、依赖数据质量。第 07 节专门讲这个。

顺带澄清两个常见词：弱 AI（窄 AI）指只擅长一类的智能——人脸识别、翻译、下棋，今天所有产品都属于这一类；强 AI（AGI，通用人工智能）指在任何智力任务上比肩人类的存在，目前仍停留在研究议程上。你在这门课里要学的一切，都属于前者——这反而是好消息：弱 AI 已经足以改变你的工作方式。

名称由来

1956 达特茅斯会议，John McCarthy 提出

思想源头

1950 图灵《Computing Machinery and Intelligence》

学科关系

AI ⊃ 机器学习 ⊃ 深度学习

当前主流范式

深度学习 / 大规模预训练模型

里程碑·棋类

1997 深蓝胜卡斯帕罗夫 · 2016 AlphaGo 胜李世石

里程碑·语言

2022-11 ChatGPT 发布，对话式 AI 出圈

学术认可

2024 诺贝尔物理学奖（神经网络）与化学奖（AlphaFold）

AGI 通用人工智能

尚未实现，进度与定义以研究界共识为准

02

动手前的准备：三条路，按心情选一条

想真正搞懂 AI，早晚会动手。三条路从轻到重：什么都不装、装个 SDK、或者直接裸调 HTTP。第 03 节的第一次调用会用到后两条。

怎么选：想今天就建立直觉，走 A；想跟本站所有教程同步动手，走 B；想彻底看清「SDK 到底替你包了什么」，走 C。三条路不冲突——多数人的路径是 A 起步、B 为常、C 查缺。

# 打开任一网页版助手（ChatGPT / Claude / Gemini / Kimi 等），依次问：
> 用一句话解释什么是机器学习
> 再给一个完全没听过 ML 的人能听懂的比喻
> 你刚才的回答里，哪些说法可能出错？

# Python 3.9+，先建独立环境，别污染系统
python3 -m venv .venv
source .venv/bin/activate        # Windows: .venv\Scripts\activate

pip install openai               # OpenAI 官方 SDK
# 或 pip install anthropic      # Anthropic 官方 SDK，二选一即可

# 装完验证一下
python3 -c "import openai; print(openai.__version__)"

curl -s https://api.openai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{"model": "gpt-4o-mini",
       "messages": [{"role": "user", "content": "你好"}]}'

03

第一次调用：十行代码跟大模型说上话

# 保存为 first_ai.py，然后 python3 first_ai.py
from openai import OpenAI

client = OpenAI()   # 自动读环境变量 OPENAI_API_KEY

resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "你是一个严谨的中文助教。"},
        {"role": "user",   "content": "用一句话解释什么是机器学习"},
    ],
)
print(resp.choices[0].message.content)
# 输出示例：机器学习是让计算机从数据中自动找规律、
#          并用规律对新数据做预测的方法。

请求发出去之后，回来的其实是一大坨 JSON。SDK 帮你把它拆成了对象，但结构值得亲眼 see 一遍——以后排障全靠认它：

{
  "id": "chatcmpl-...",                    // 本次调用的编号
  "model": "gpt-4o-mini-…",                // 实际服务的模型版本
  "choices": [{                             // 回答(可能多条,默认 1 条)
    "finish_reason": "stop",                // stop=自然说完, length=被截断
    "message": {
      "role": "assistant",
      "content": "机器学习是让计算机从数据中自动找规律、并用规律做预测的方法。"
    }
  }],
  "usage": {                                // 计费就按这里的 token 数
    "prompt_tokens": 28,
    "completion_tokens": 41,
    "total_tokens": 69
  }
}

两个最常用的字段：finish_reason 等于 length 说明回答被 max_tokens 截断；usage 里的 token 数乘以单价就是这次调用的成本。

还有一个新手必知的真相：模型是无状态的。所谓「连续对话」，其实是你把历史消息一起重新发回去——「再举个例子」里的「再」能被理解，靠的就是上文。上下文窗口为什么宝贵、token 为什么随轮次涨，根源都在这：

# 所谓"多轮对话",就是把完整历史一起发给模型
messages = [
    {"role": "system",    "content": "你是一个严谨的中文助教。"},
    {"role": "user",      "content": "什么是机器学习?"},
    {"role": "assistant", "content": "机器学习是……(上一轮的回答)"},
    {"role": "user",      "content": "再举一个例子"},  # 靠上文才知道"再"
]

• 01

  拿钥匙

  在平台控制台创建一个 API Key，写进环境变量。它是你的身份+计费凭证，谁拿到谁花钱。

• 02

  发请求

  messages 是一段对话数组：system 给模型定人设，user 是你说的话。模型只做一件事——接在后面写出最合理的下一段话。

• 03

  读返回

  choices[0].message.content 是回答正文；resp.usage 里是本次消耗的 token 数。价格与免费额度以各家官方定价页为准。

• 04

  换着玩

  改 system（让它只说文言文）、改 user（让它解释你正在学的任何概念）。感受同一模型「不同提示、不同行为」，这就是提示工程的开端。

04

核心概念：三次浪潮，从「写规则」到「学规律」

AI 七十年不是匀速前进的，而是三次明显的浪潮。看懂每一次浪潮「换了什么思路」，你就看懂了今天所有产品的来路。

第一次浪潮

符号主义 · 1950s–1980s · 规则 + 逻辑推理

第二次浪潮

机器学习 · 1980s–2010s · 从数据拟合规律

第三次浪潮

深度学习 · 2012 起 · 神经网络 + 大数据 + GPU

当下

大模型时代 · 2020 起 · 预训练 + 通用能力

第一次浪潮：符号主义——把知识写给机器（1950s–1980s）

早期主流思路是符号主义：智能 = 符号 + 逻辑推理。人把知识写成一条条规则（IF 发烧 AND 咳嗽 THEN 疑似感冒），代表作有 Logic Theorist 与医疗专家系统 MYCIN。优点是完全可解释，缺点是规则爆炸——世界太复杂，规则永远写不完，二十世纪70与80年代的两次 AI 寒冬都与此有关。

符号主义没有消失：今天知识图谱、规则引擎仍在风控与医疗等领域服役。它输掉的不是战场，而是「规模化获得新知识」——写规则的速度，永远追不上世界变化的速度。

# 规则全部由人类专家手写，机器只负责推理
IF 症状含"发热" AND 症状含"寒战" THEN 疑似疟疾 (置信度 0.7)
IF 疑似疟疾 AND 近期去过疫区     THEN 建议血检   (置信度 0.9)

第二次浪潮：机器学习——让机器自己找规律（1980s–2010s）

统计机器学习把思路反过来：人不写规则，只准备「输入 → 正确答案」的数据，让算法自己拟合规律。垃圾邮件过滤、搜索排序、广告推荐都是这一代技术的胜利。1997 年深蓝击败国际象棋世界冠军卡斯帕罗夫（主要是暴力搜索+人工知识），常被视作旧时代的余晖；真正的转折在下一浪。

这一代方法里藏着今天所有概念的原型：「训练」「过拟合」「泛化」都在这时定型。你要学的三兄弟（监督/无监督/强化）也在这一浪里各就各位——第 06 节逐个上手。

# 人只标数据，规律由算法自己学
数据: [(邮件文本, 是否垃圾邮件), (…), …]
模型: 自己学出 "含'中奖'且含'转账' → 大概率是垃圾邮件"

第三次浪潮：深度学习——神经网络 + 大数据 + 大算力（2012–2020）

神经网络不是新发明，但直到 2012 年 AlexNet 在 ImageNet 图像识别大赛上大幅刷新纪录，「深度学习 + GPU」这条路才被彻底点燃。2016 年 AlphaGo 4:1 战胜李世石（深度学习+强化学习+海量自我对弈）；2024 年，神经网络基础研究拿下诺贝尔物理学奖。深度学习的本事是自动学特征：不用人告诉它「猫有尖耳朵」，它自己从百万张图里学出什么是猫。

2012

AlexNet 横扫 ImageNet，深度学习复兴

2016

AlphaGo 4:1 胜李世石，强化学习出圈

2020 前后

AlphaFold 破解蛋白质结构预测难题

2024

诺贝尔物理学奖授予神经网络奠基人

这十年也定型了今天的「标配词汇」：GPU、参数量、数据集、预训练。第 05 节速查表里的硬件与数据词汇，大多从这一浪传来。

大模型时代（2020–至今）：一个模型，多种任务

2017 年 Google 发表 Transformer 架构（论文《Attention Is All You Need》），2020 年 GPT-3 把参数推到约 1750 亿。人们发现：够大的语言模型 + 够多的文本，能同时做翻译、摘要、问答、写代码——这种通用能力把过去「一个任务训一个模型」的模式整个掀翻。2022-11 ChatGPT 上线，两个月月活破亿（第三方估计），AI 从实验室走进每个人的浏览器。你接下来在本站要学的 Agent、微调、RAG，全部站在这个地基上。

2017  Transformer 架构发表（《Attention Is All You Need》）
2020  GPT-3：约 1750 亿参数，「大力出奇迹」时代开始
2022  ChatGPT 发布，对话式 AI 走向大众
2024  多模态与 Agent 成为前沿；诺奖两次垂青 AI 基础研究

为什么说这是分水岭？以前的模型「一事一能」——下棋的不会写诗；大模型把语言当成万能接口，一切任务都变成「接话」。于是提示词成了新的编程界面，工具调用让「接话」进一步变成「干活」——本站后面所有教程，都站在这条延长线上。

三次浪潮一句话总结：符号主义把知识写进去，机器学习让规律从数据里长出来，深度学习把特征工程也交给网络，大模型把「换任务」也交给了提示词。每一浪都把更多人的工作交给机器——你要做的是站在浪上用好它。

05

速查表：AI 术语、资源、工具与误区

下面这块表格能搜。术语忘了就搜 token、幻觉，找课就搜 课程，挑工具就搜 本地。

06

实战：机器学习三兄弟，一次看全

「监督、无监督、强化」是机器学习的三种学习方式。用一个经典数据集（鸢尾花，150 朵、3 个品种）体验最直观。先在第 02 节的环境里补一句 pip install scikit-learn。

三段代码跑完再回看这张表：三种「学习」的区别不在算法花哨程度，而在监督信号从哪来——标准答案、没有答案、还是延迟到账的奖励。

第一步：监督学习——有标准答案的模仿

# 有标签：每朵花都带着"品种"这个标准答案
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

X, y = load_iris(return_X_y=True)   # 特征 X（花瓣花萼尺寸），标签 y（品种）
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.2, random_state=0)

clf = KNeighborsClassifier(n_neighbors=3)
clf.fit(X_tr, y_tr)                 # "学习"= 用 120 朵带答案的花拟合
print("准确率:", clf.score(X_te, y_te))
# 经典数据集上准确率通常在 0.9 以上,随划分略有波动

适用场景：能拿到「输入 + 正确答案」的问题——垃圾邮件识别、房价预测、医学影像筛查。

第二步：无监督学习——没有答案的归类

# 无标签：把品种信息扔掉，只留特征，看模型能不能自己分组
from sklearn.datasets import load_iris
from sklearn.cluster import KMeans

X, _ = load_iris(return_X_y=True)
km = KMeans(n_clusters=3, n_init=10, random_state=0)
labels = km.fit_predict(X)

print(labels[:50])    # 前 50 朵（山鸢尾）几乎全部落进同一个簇
print(labels[50:100]) # 中间 50 朵落进另一个簇 —— 没人告诉它"品种"

适用场景：没有标准答案、但要找结构的任务——用户分群、异常检测、压缩降维。

第三步：强化学习——试错试出来的策略

# 核心是"试错 + 奖励":不需要标准答案,只需要一个好坏信号
state = env.reset()
while not done:
    action = agent.choose(state)                 # 试一个动作
    next_state, reward, done = env.step(action)  # 环境给反馈
    agent.learn(state, action, reward, next_state) # 奖励高就加强这条路
    state = next_state
# AlphaGo 打败李世石用的就是这类方法(加上搜索与海量自我对弈);
# ChatGPT 的对齐阶段 RLHF 也源于此

适用场景：有明确「得分」但没人能给标准答案的问题——下棋、机器人控制、推荐系统的长期优化。

举一反三：给中文评论做情感分类（通往 NLP）

监督学习最常见的落点是文本分类。十几行就能跑通一个「好评/差评」分类器——思路与垃圾邮件过滤一模一样：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression

docs = ["这个手机太棒了", "客服态度极差", "物流很快",
        "质量差还贵",   "性价比很高",   "再也不来了"]
y    = [1, 0, 1, 0, 1, 0]                    # 1=好评 0=差评

vec = TfidfVectorizer()                      # 文本 → 向量
clf = LogisticRegression().fit(vec.fit_transform(docs), y)

print(clf.predict(vec.transform(["体验一般,不推荐"])))   # [0]

真实业务要几千条带标注数据；但「文本→向量→分类器」的三步曲，从 1990 年代一直用到今天的大模型 Embedding。想深入去本站 nlp.html。

串起来：一个真实可用的批处理脚本

最后把「调用模型」和「写程序」缝在一起：把一份术语表逐条交给模型翻译，每条即写盘、可断点续跑——这是 LLM 在工程里最朴素的用法。

# terms.txt 里一行一个英文术语,翻译结果存进 JSON,断了能续
import json, pathlib
from openai import OpenAI

client = OpenAI()
terms  = pathlib.Path("terms.txt").read_text().splitlines()
out    = pathlib.Path("terms_zh.json")
done   = json.loads(out.read_text()) if out.exists() else {}

for t in terms:
    if t in done:
        continue
    r = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user",
                   "content": f"把软件术语 {t!r} 翻译成中文,只输出译文"}])
    done[t] = r.choices[0].message.content.strip()
    out.write_text(json.dumps(done, ensure_ascii=False, indent=2))
    print(t, "->", done[t])

# 两个工程要点:每条即写盘(断点续跑)、明确"只输出译文"(约束输出)

对号入座：你每天都在用它们

• 人脸解锁：深度学习的人脸识别，你的脸就是训练样本的一部分（存在本机安全区）。
• 推荐流：监督学习预测「你会不会点」，加上强化学习优化长期停留。
• 机器翻译 / 输入法联想：序列模型到 LLM 的一脉相承，详见本站 nlp.html。
• 代码补全 Copilot：代码 LLM 在你敲字时做实时推理。
• 智能客服：LLM + 检索（RAG）+ 流程工具，已经是半个 Agent。
• 相册搜索与人脸聚类：图像 Embedding 把「找照片」变成「搜向量」。
• 视频自动字幕：语音识别模型听写，再由语言模型断句润色。
• 地图 ETA 预测、风控反欺诈：梯度提升树与图模型这些「朴素但能打」的经典 ML。

07

边界与误区：AI 能做什么，不能做什么

这一节可能是全页最重要的：知道边界，才知道哪些活该交给它、哪些必须留给自己。四个坑，每个都值得你先亲身踩一遍、再回来读对策。

坑一：幻觉——它不知道自己不知道

生成下一个最合理的词，和说真话，是两件事。缺资料时它不会说「不知道」，而是继续生成——编出看似完美的期刊、DOI 与法条。

> 引用一篇支持"喝咖啡降低左撇子骨折率"的论文
好的！这是一篇 2019 年发表于《Journal of Orthopaedic Health》
的研究（DOI: 10.xxxx/joh.2019.0442）……
# 期刊、DOI、结论 —— 全部是编的,但语气毫无破绽

坑二：把「流畅」当成「理解」

模型没有意图与信念，它做的是「给定前文，预测下一个 token」。同一个问题换个说法，答案可能翻转；数学题它可能背过答案而不是真算出来。重要结论值得花三次提问去交叉验证：

> 先列出你得出这个结论的每一步依据，再给结论
> 换成怀疑者视角：上面哪一步最可能站不住脚？
> 用另一种完全不同的方法重推一遍，结果一致吗？

# 三问后仍成立的结论,可靠度远高于一次作答

坑三：让它做结构上做不了的事

实时行情、精确的大数计算、预测下一期彩票——要么给它接工具（计算器、搜索引擎、代码执行），要么承认它不适合。另外，模型知识有训练截止时间，问「最新」之前先想清楚这一点。

> 127 的 23 次方是多少？
思考: 需要精确计算,语言模型心算不可靠,调用 calculator
调用: calculator(expression="127 ** 23")   # 代码执行,不是模型猜
观察: (计算器返回精确结果)
回答: 127 的 23 次方等于……(引用工具结果)
# 模型"点菜"、代码"炒菜" —— 这正是下一篇 Agent 的核心机制

坑四：隐私与密钥的两道红线

# 错误示范:Key 写进代码并提交进 git
client = OpenAI(api_key="sk-xxxxxxxx")   # 泄漏后,按 token 计费的是你

# 正确做法:环境变量 + .env 不入库(.gitignore 加上 .env)
export OPENAI_API_KEY="sk-xxxxxxxx"

# 已经提交过的补救:移出追踪 + 立刻吊销换新
git rm --cached .env

同理，别把公司内部代码、客户数据原样贴给云端模型——以你所在组织的合规要求与所用平台的隐私政策为准。

08

怎样开始学：一条被验证过的路线图

五段路线（每段都有检验标准）

• 01

  Python 基础（1–2 周）

  变量、函数、列表字典、读写文件，配合 Python 官方中文教程。检验：能独立写一个处理 CSV 的小脚本。不必成为高手，够用就往下走。

• 02

  数学补直觉（与上一步并行）

  线性代数（向量/矩阵）、概率（条件概率/分布）、微积分（导数=梯度）。检验：3Blue1Brown 对应三个系列看完不卡壳。

• 03

  经典机器学习（2–4 周）

  用 scikit-learn 跑通分类/回归/聚类，理解训练集/验证集与过拟合。检验：给第 06 节的鸢尾花实验算一遍混淆矩阵。

• 04

  深度学习（1–2 个月）

  用 PyTorch 手写一个小网络，理解反向传播。检验：不抄代码重现 MNIST 高准确率。本站 pytorch.html 与 tensorflow.html 等你。

• 05

  LLM 应用（持续）

  提示工程 → RAG → Agent。检验：读完本站下一篇 ai-agent.html，并亲手跑通里面的最小 Agent。

精选资源（真实链接，按路线顺序）

• 3Blue1Brown 神经网络系列（第 2 步）——3blue1brown.com/topics/neural-networks
• 吴恩达 Machine Learning Specialization（第 3 步）——coursera.org/specializations/machine-learning-introduction
• scikit-learn 官方入门教程（第 3 步）——scikit-learn.org/stable/tutorial
• 《动手学深度学习》中文开源教材（第 4 步）——zh.d2l.ai
• Andrej Karpathy《Zero to Hero》（第 4 步）——karpathy.ai/zero-to-hero.html
• Hugging Face Learn（第 5 步）——huggingface.co/learn

09

收尾：照着勾一遍

0 / 5