AI是什么？一篇文带你彻底搞懂人工智能的核心原理

《什么是 AI？》AI 入门探索笔记

这个系列不是教程。我不是老师，我只是比你早走了几步的探索者。更准确地说，这是一本探索笔记——“我在研究 AI 的过程中，发现了这些有趣的东西，想分享给你。”

写作原则

每一个概念，都要拆到你能在纸上算出来为止。不跳步骤，不留黑箱。

开篇引言

你让 ChatGPT 帮你写一封邮件。
几秒钟后，它给了你一段文字——语气得体，结构清晰，甚至比你自己写的还好一点。
你看着屏幕，突然有一个念头冒出来：这东西到底是怎么做到的？
作者也想知道。
这个问题驱动他花了很长时间去研究。拆到后来，发现了一件让人意外的事情：
AI 的核心原理，比我以为的简单得多。
如果非要用一句话概括，作者会说：AI 是统计学的胜利。

阅读目标

读完这个系列，你不会变成 AI 专家。
但下次再看到关于 AI 的新闻——不管是"突破"还是"威胁"——你能有自己的判断，而不只是跟着标题走。

系列目录

第一章：拆开黑箱（第 1-8 篇）

主题： AI 到底是什么？它是怎么"看"、怎么"学"、怎么"想"的？

第二章：AI 能做什么，不能做什么（第 9-12 篇）

主题： AI 在各个领域的真实能力边界在哪里？

第三章：和 AI 一起工作（第 13-16 篇）

主题： 理解了 AI 的原理和边界，普通人该怎么用好它？

《AI是怎么回事》第1-8章 完整总结

作者：我没有三颗心脏

第1章：人脸识别的奥秘

核心：AI看到的不是图片，是数字

• 一张照片 = 几百万个 0-255 的像素值
• 边缘检测只用加减乘除就能完成（Sobel算子）
• AI卡住几十年的原因：人类写不完所有规则
• 真正突破：不要人类设计检测器，让电脑自己学

第2章：文字如何变成数字

核心：语义可以被测量

• Token化：文字拆成最小单位（不是词，可能是偏旁）
• 词向量：每个词变成 768 维的一串数字
• 震惊整个领域的发现：国王 - 男人 + 女人 ≈ 王后
• 虚无缥缈的"语义"，变成了高维空间中可测量的距离

第3章：2012年的转折点

核心：三个齿轮同时咬合
AlexNet把图像识别错误率从 26% 一口气降到 15.3%，这不是一个算法的胜利，而是三件事同时到位：

1. ✅ 算法：卷积神经网络
2. ✅ 数据：ImageNet 120万张标注图片
3. ✅ 算力：GPU 并行计算
   缺任何一个，AI革命都不会发生。

第4章：神经网络到底是什么

核心：祛除神秘感——只有乘法和加法
“所谓人工智能，本质就是一大堆精心安排的乘法和加法。没有魔法，没有意识，只有数字。”

• 一个神经元 = 输入 × 权重 + 偏置 → 激活函数 → 输出
• 一层 = 几千个神经元并行计算
• 多层 = 上一层的输出是下一层的输入
• 所有的"智能"都藏在参数里——而参数，是从数据中"学"出来的

第5章：6000万个旋钮是怎么调好的

核心：训练 = 教材 + 老师 + 算盘

关键概念：

• 梯度下降：蒙着眼睛下山，每一步往最陡的下坡走
• 反向传播：错误从输出端逐层往回传递
• 过拟合：AI 记住了答案，而不是学会了方法
• 规模定律：参数越多、数据越多、算力越大 → 效果越好，而且是可预测的幂律关系

第6章：改变一切的 8 个字

核心：Attention Is All You Need（你只需要注意力）
2017年Google的这篇论文，催生了今天所有的大模型：
RNN 的致命问题：

• 一个字一个字地读，读到后面忘了前面
• 必须串行计算，无法并行
  Transformer 的革命：
• 不要一个字一个字地读了。
• 让 AI 同时看到所有的字，然后自己决定哪些字和哪些字相关。
• GPT 进化史（同一个架构，只是不断放大）：
• 2018 GPT-1：1.17亿参数
• 2019 GPT-2：15亿参数
• 2020 GPT-3：1750亿参数（放大1500倍）
• 2022 ChatGPT：GPT-3 + RLHF（给 AI 上一门"好好说话"的课）

第7章：为什么AI会一本正经地撒谎

核心：统计相关性 ≠ 因果理解 ≠ 事实核查
律师假判例事件的真相：

• ChatGPT 不是在"查找"判例
• 它是在"生成"看起来像判例的文字序列
• 它甚至不知道什么是"真"、什么是"假"
  三个经典案例揭示 AI 的本质：

1. 📄 假判例：AI 学的是"法律引文长什么样"，不是法律本身
2. 🏋️ 哑铃带手臂：AI 只知道"哑铃和手臂总是一起出现"，不知道哑铃是单独的物体
3. 🐼 熊猫变成长臂猿：一点人眼看不见的像素噪声，就能100%骗过AI
   “AI 的每一个聪明表现和每一个犯傻表现，来自完全相同的机制——统计模式匹配。”

第8章：回答你的三秒钟里发生了什么

完整流程拆解：

1. Token化：“什么是量子力学？” → 拆成 5 个编号
2. 词向量：每个编号 → 768 维数字
3. 注意力机制：每个词同时看全文，算出该关注谁
4. 96层神经网络：每层都是乘法加法，层层提取特征
5. 预测下一个词：给 50000 个词算概率，选一个
6. 重复：把生成的词加回去，从头再算一遍，生成下一个词

一句话总结整个系列：

AI 是一个超级模式匹配器。凡是能转化为模式识别的问题，AI 都可能做得比人好。
凡是需要真正"理解"的问题，AI 目前还做不到。
🎯 给你的实用判断框架
读完这8章，你可以回答所有AI相关的争论了：

✨ 作者最后的洞察

了解AI的过程，其实是一个「祛魅」的过程。
每一次拆解，都是一层神秘感的消退。
但这不意味着AI不了不起——恰恰相反，用这么"简单"的原理做到这些事情，本身就是人类智慧的奇迹。
这个奇迹的名字不是"人工智能"——它的名字是统计学和工程学。
理解这一点，你就不会盲目崇拜AI，也不会盲目恐惧AI。
你会把它看成它本来的样子：
一个极其强大的工具，有着清晰的能力边界，等着被正确地使用。

更多原文地址

https://wmyskxz.cn/wiki/whats_ai/