走进 AI:机器如何"学习"
理解人工智能与机器学习的基本概念,体验"训练一个 AI"的过程。
AI 不是魔法
当你对 DeepSeek 说"帮我写一首诗",它几秒钟就写出来——这看起来像魔法。但 AI 的背后不是魔法,是数学和数据。
什么是人工智能
**人工智能(AI)**是让计算机模拟人类智能的技术——能看、能听、能理解、能决策、能创造。
AI 不是近几年才有的。它已经走过了 70 年的征程,经历了三次大浪潮,才走到今天的大模型和智能体时代。
AI 发展史:三次浪潮,七十年征程
从 1956 到 2026,AI 不是一夜爆红,而是几代人几十年的积累
AI 的诞生
达特茅斯会议首次提出"人工智能"概念,标志着 AI 作为学科正式诞生。
麦卡锡提出 "Artificial Intelligence"
第一次浪潮:推理与搜索
AI 通过手写规则解决简单问题(下跳棋、证明定理),但对复杂问题束手无策。
ELIZA(1966):第一个聊天机器人
第二次浪潮:专家系统
把人类专家的知识编码成规则,在医疗诊断等领域有实际应用,但规则太死板。
专家系统广泛应用于医疗、金融
机器学习兴起
不再手写规则,而是让机器从数据中学习规律。互联网带来海量数据。
1997 年深蓝击败国际象棋世界冠军
深度学习突破
深度神经网络 + GPU 算力 + 大数据,在图像识别领域取得突破性进展。
AlexNet 赢得 ImageNet 冠军,深度学习引爆
AlphaGo 震撼世界
AI 击败围棋世界冠军李世石,展示了强化学习的强大能力。
AlphaGo 4:1 击败李世石
大模型时代开启
ChatGPT 发布,5 天用户破百万。AI 从"专用"走向"通用",能聊天、写代码、做翻译。
ChatGPT 发布,大模型改变世界
推理革命与国产崛起
DeepSeek-R1 开源,以仅约 600 万美元训练成本媲美顶级模型,被称为"AI 界的地震"。GPT-5 发布,首次整合语言与推理能力。AI 在国际数学奥林匹克竞赛中夺得金牌。
DeepSeek-R1 开源 · GPT-5 发布 · AI 夺得 IMO 金牌
智能体爆发年
AI 从"能聊天"进化到"能做事"。智能体(Agent)能自主操作电脑、执行多步骤任务;具身智能让机器人理解物理世界。中国 AI 产业规模突破万亿。
百亿智能体时代 · 具身智能落地 · 国产大模型全球领先
看完时间线你会发现:AI 不是一夜爆红的"魔法",而是几代科学家几十年积累的成果。2025 年 DeepSeek-R1 的开源让高性能 AI"飞入寻常百姓家",2026 年 AI 正从"能聊天"进化为"能做事"的智能体。
三次浪潮的核心区别
| 浪潮 | 核心方法 | 特点 | 局限 |
|---|---|---|---|
| 第一次 (1956-1980) | 人工写规则(专家系统) | 简单问题有效 | 规则太多写不完,无法应对复杂现实 |
| 第二次 (1980-2012) | 机器学习(从数据学规律) | 不用写规则了 | 算力和数据不够,AI 能力有限 |
| 第三次 (2012-至今) | 深度学习 + 大模型 + 智能体 | 算力 + 数据 + 算法三重突破 | 出现幻觉、偏见等新问题 |
每次浪潮的核心驱动力都是 算法 + 数据 + 算力 的突破。2025 年推理模型(如 DeepSeek-R1)的成熟和 2026 年智能体的爆发,标志着 AI 进入全新阶段。
机器学习:AI 的核心方法
传统编程 vs 机器学习,思路完全相反:
传统编程(人写规则):
输入数据 + 人工编写的规则 → 计算机执行 → 输出结果
机器学习(机器找规则):
输入数据 + 标准答案 → 机器自己找规律 → 输出"模型"(学到的规则)
类比:教小孩认猫
- 传统方法:写一本规则手册"猫有尖耳朵、有胡须、会喵喵叫……"——但遇到一只没胡须的猫就不认了
- 机器学习:给孩子看 1000 张猫的照片,告诉他"这些都是猫"——孩子自己总结出"猫长什么样"
三种学习方式
| 方式 | 特点 | 例子 |
|---|---|---|
| 监督学习 | 给数据 + 标准答案 | 给 1000 张标注"猫/狗"的图片,学会分类 |
| 无监督学习 | 只给数据,自己分组 | 给一堆客户数据,自动发现客户群体 |
| 强化学习 | 试错 + 奖励 | AlphaGo 自己和自己下棋,赢了"奖励",输了"惩罚" |
AI 的工作流程
训练数据 → 训练(找规律) → 模型 → 新数据进来 → 预测结果
比如人脸识别:
- 训练数据:10 万张人脸照片(标注了是谁)
- 训练:机器学会"从人脸提取特征"
- 模型:训练好的识别能力
- 预测:你用手机刷脸 → 模型判断你是不是机主
📱 动手体验:训练你自己的 AI
Google Teachable Machine 是一个免费的在线工具,可以让你在浏览器里训练一个真正的 AI 分类器——不用写一行代码!
任务:训练一个"手势识别"AI
- 打开 Teachable Machine(链接在下方)
- 用电脑摄像头录 3 个类别:石头、剪刀、布(每个录 30 秒)
- 点击"训练"——机器开始学习
- 训练完成后,对着摄像头做手势,看 AI 能不能认出来!
你刚才做的事,和 AI 工程师训练人脸识别、医疗影像识别的原理完全一样:收集数据 → 训练模型 → 测试预测。区别只是数据量和计算规模。
🛠️ 工具推荐
DeepSeek
免费的 AI 对话助手,支持数据分析、写代码、问答。本章 Prompt 实践和数据分析任务都用它。
Teachable Machine
Google 出品的在线机器学习工具,用摄像头或图片训练一个真正的 AI 分类器,零代码体验。
腾讯青少年人工智能教育平台
面向青少年的 AI 学习平台,有丰富的 AI 体验项目和课程资源,适合课后深入探索。
🤔 思考
- 如果训练数据里全是白天的猫,AI 能认出晚上的猫吗?这说明了什么?
- AlphaGo 为什么能打败人类围棋冠军?它用的是哪种学习方式?
- "AI 的智能来自于数据"——这句话对吗?如果没有好数据会怎样?
📝 知识小结
- AI 发展史:1956 年诞生 → 三次浪潮(专家系统→机器学习→深度学习/大模型)
- 三次浪潮驱动力:算法 + 数据 + 算力的突破
- AI 是让计算机模拟人类智能;核心方法是机器学习
- 机器学习:不是人写规则,而是让机器从数据中找规律
- 三种方式:监督学习(有答案)、无监督学习(自己分组)、强化学习(试错+奖励)
- AI 流程:训练数据 → 训练 → 模型 → 预测
- AI 的能力来自数据——数据质量决定 AI 质量