人工智能到底是什么｜生成式AI｜第一讲

如果从今天公众最常接触到的那一层来看，人工智能的内核实则就是生成式 AI。而把生成式 AI 再往下拆，它的核心就是：机器产生复杂且有结构的对象。

什么是生成式AI

人工智能这个词很大。

但如果只看今天公众最常接触、最强烈感受到的那一层，它的内核实则就是生成式 AI。

由于在大多数人的理解里，人工智能已经不再只是一个抽象概念。

它能够生成文字跟你聊天，回答你各式各样的问题；能够生成图片，帮你还原脑子里原本说不清的画面；也能够写代码、改文案、做总结、做翻译，甚至模仿一种口吻继续写下去。

这些能力，几乎构成了今天普通人对“人工智能”的第一印象。

而把生成式 AI 再往下拆，它的核心实则也没有那么玄。

它不是“像人一样什么都能做”，也不是“只要会输出就算”。

它更接近下面这句话：

生成式 AI，是让机器产生复杂且有结构的对象。

也正由于如此，这个概念很容易被说得太宽。

只要系统能输出点什么，许多人就会顺手把它叫成生成式 AI。

但如果定义不先讲清楚，后面再讨论模型、训练和推理，边界就会一直混在一起。

一、生成式 AI 的定义

这里最重大的，不是“产生”，而是两个限定词：

• 复杂
• 有结构

二、什么叫“有结构的对象”

文章、图像、语音，这些都属于有结构的对象。

由于它们都不是一个单独标签，而是由许多小单位组合起来的完整结果。

列如：

• 一篇文章是由文字组成的
• 一张图像是由像素组成的
• 一段语音是由取样点组成的

所以生成式 AI 处理的，一般是这一类结果：

• 文字
• 图像
• 语音
• 音乐
• 视频

三、什么叫“复杂”

这里的“复杂”也不是一个修辞词。

它真正的意思是：

可能的结果太多，几乎不可能靠穷举列出来。

举个最简单的例子。

如果常用汉字按 1000 个算，一篇 100 字的文章，可能的组合就是：

1000^100

这个空间已经大到不可能靠枚举解决。

更不用说图像、语音和视频。

它们每增加一个像素、一个取样点或者一帧，可能空间都会继续膨胀。

所以，生成这件事真正难的地方，不是“吐出一个结果”，而是在近乎无穷的可能空间里，组成一个合理对象。

这才是生成问题的核心。

四、为什么分类不算生成式 AI

这也是最容易混淆的地方。

由于分类模型最后也会有输出。
例如：

• 垃圾邮件 / 非垃圾邮件
• 猫 / 狗
• 正常 / 异常

但分类本质上做的是：

从有限选项里选一个答案。

分类的关键特征是：

• 选项集合是事先定义好的
• 输出空间是有限的
• 模型的任务是判断“该选哪一个”

生成的关键特征是：

• 输出不是预先列好的有限标签
• 结果由许多小单位组成
• 模型需要一步步构成完整对象

所以，一个猫狗分类器即使最后输出了“猫”，它也不是生成式 AI。
由于它没有生成新的复杂对象，只是在既定答案里选了一个。

五、“会输出”不等于“会生成”

另一个很重大的边界是：

有输出，不等于有生成。

列如，输入一张图片，系统回答“猫”，这更接近识别或分类。
但如果系统输出：

月夜下，一只黑猫蹲在屋檐边，盯着远处还没熄灯的窗。

这才更接近生成。
由于后者不是从固定标签里挑一个词，而是在组织一个新的语言对象。

图像也是同样的逻辑：

• 判断“这张图里有猫”是识别
• 根据提示真的生成一张猫的图像，才是图像生成

所以，判断标准不能只是“有没有结果”，而要看结果是不是一个复杂且有结构的新对象。

六、结论

从有限选项里选答案，一般不是生成。

产出复杂且有结构的对象，才更接近生成式 AI。

如果把今天许多人口中的“人工智能”往下拆，第一层常常就是生成式 AI。

而把生成式 AI 再往下拆，它的核心实则没有那么神秘：

它处理的是复杂且有结构的对象。

先把这 3 句话记住：

• 生成式 AI 的定义是：机器产生复杂且有结构的对象
• 文章、图像、语音属于典型的生成对象
• 分类、识别、打标签不属于生成式 AI 的核心范畴

把这条边界划清，后面再看：

• AI、机器学习、深度学习、生成式 AI 的关系
• 大模型为什么能生成训练里没见过的内容

概念就不会一开始混在一起。