人工智能（Artificial Intelligence，缩写AI）是计算机科学的一个分支，是让机器模拟人类智能的技术科学。

本篇将从人工智能的定义、分类、存在形式、工作原理、应用场景和未来展望几个方面介绍。

文中所有技术术语，在文章结尾会统一罗列并解释。

定义

人工智能是基于数学和逻辑，通过机器视觉（CV）【1】、语音识别与合成（ASR& TTS）【2】等技术感知环境，通过机器学习（ML）【3】、深度学习（DL）【4】等技术建立知识图谱（KG)【5】，最后通过自然语言处理（NLP）【6】领域的前沿技术大语言模型（LLM）【7】进行判断与推理。

可见，它并非依赖单一技术，而是通过一系列核心技术和分支领域的协同工作来实现的。这些技术共同赋予了机器感知、学习、推理和交互的能力。

分类

主要分为“专用型”和“通用型”人工智能两大类。需要特别说明的是，现如今存在的所有人工智能都是专用型人工智能，也叫狭义人工智能（ANI）【8】。通用人工智能（AGI）【9】并不存在，可能还需要发展几十年甚至更久，才会出现。

专用人工智能

专注于特定领域任务。目前已经落地应用的所有人工智能都属于这一类。

列如：DeepSeek【10】可以作诗写文章、AlphaGo【11】可以下围棋、华为ADS可以驾驶车辆。

通用人工智能

拥有或超越人类的学习、理解和解决问题的能力。人类能够完成的任何智力任务，这类人工智能也都能够完成。

列如：拥有常识、学习新技能、跨领域推理。

存在形式

主要是虚拟（软件）与实体（硬件）两大阵营。

虚拟（离身）人工智能

纯软件，运行在手机、电脑、服务器、云端等。

例如：大语言模型（LLM）【7】、语音助手、推荐系统【12】、智能客服。

实体（具身）人工智能

有物理载体，能感知、行动、改造世界等。

例如：Unitree机器人【13】、自动驾驶【14】、机械臂、无人机。

工作原理

第一通过数据采集（DC）【15】收集大量数据，然后通过数据预处理（DP)【16】、数据标注(DA)【17】等技术对数据进行加工和处理，接下来用这些处理好数据进行模型训练（MT)【18】建立知识图谱（KG)【5】，最后利用训练好的大语言模型（LLM）【7】来预测新知识。

举个例子，从现实世界中收集几十甚至上百万张标有“猫”或“非猫”的照片，让人工智能来看或学习这些照片，人工智能会学习到猫咪的各种特征（形状、颜色、纹理等），这时候再给它一张新照片，它就可以判断照片中是否有猫。

应用场景

人工智能技术已广泛应用于日常生活与各行各业。

‌日常生活‌：如个性化推荐【12】、游戏娱乐、智能家居【19】、自动驾驶【14】等。‌‌

详细内容请参阅：日常生活中的人工智能

产业与公共服务‌：如智能制造【20】、智慧农业【21】、金融风控、智能监控、医疗诊断、教育个性化等。‌‌

未来展望

人工智能未来可能像电力或互联网一样，成为无处不在的底层基础设施。

全文技术术语及解释

【1】机器视觉（CV）：计算机视觉是研究如何使机器“看懂”世界的学科，其核心是从图像或视频等多维数据中自动提取、分析并理解有用信息，最终实现场景重建、目标检测、跟踪与识别等高级功能。它是实现环境视觉感知的关键技术之一。

【2】语音识别与合成（ASR & TTS）：自动语音识别将语音信号转化为文本序列，涉及声学模型、语言模型与发音词典的协同解码。语音合成则是从文本生成自然语音，现代方法主要基于端到端的神经网络声码器。二者共同构成语音交互的输入与输出通道，是人工智能感知语音信息、实现语音交互的核心技术。

【3】机器学习（ML）：人工智能的核心学习技术，让机器从大量数据中自动学习规律、提取特征，无需人工手动编写规则，为建立知识图谱、实现智能决策提供基础。

【4】深度学习（DL）：机器学习的重大分支，基于多层神经网络模型，能处理更复杂的海量数据和特征提取，大幅提升机器的学习和建模能力，是构建复杂人工智能系统的关键技术。

【5】知识图谱（KG）：知识图谱是一种用图结构化的方式来表明知识的语义网络，其中节点代表实体或概念，边代表实体间的语义关系。它不仅是知识的存储载体，更是实现知识推理、智能问答和可解释性人工智能的结构化知识库。

【6】自然语言处理（NLP）：自然语言处理是研究如何让计算机理解、生成并操控人类语言的学科，涵盖形态分析、句法分析、语义理解、语用计算等多个层次。它是实现人机智能交互与文本智能处理的核心技术。

【7】大语言模型（LLM）：大语言模型是指参数规模达到数亿至数万亿级的、基于Transformer架构的深度学习模型，在海量语料上进行自监督预训练后，展现出强劲的语言理解、生成、逻辑推理与上下文学习能力。它属于自然语言处理领域的重大范式突破。

【8】狭义人工智能（ANI）：亦称弱人工智能，指在特定领域或封闭任务上达到甚至超越人类水平，但无法迁移至未定义场景的人工智能系统。当前所有工业界部署的人工智能系统均属于此类。

【9】通用人工智能（AGI）：通用人工智能指具备与人类同等水平的跨领域认知能力、元认知能力与自主学习能力，能够在开放环境中自主适应并解决未曾预见的多样化任务的人工智能系统。目前尚未实现，是人工智能研究的终极目标之一。

【10】DeepSeek：DeepSeek是一款基于大语言模型的对话式人工智能助手，具备文本理解、逻辑推理、代码生成与多轮对话等综合能力，属于狭义人工智能范畴。

【11】AlphaGo：AlphaGo是由DeepMind开发的围棋人工智能系统，核心结合了策略网络、价值网络与蒙特卡洛树搜索，首次在完全信息博弈中击败人类顶尖职业棋手，属于典型的狭义人工智能系统。

【12】推荐系统：基于用户行为、内容特征等数据的人工智能算法系统，能为用户精准推荐符合其偏好的内容、商品、服务等，广泛应用于各类互联网平台。其常用技术包括协同过滤、矩阵分解及基于深度学习的序列建模。

【13】Unitree机器人：Unitree机器人是宇树科技开发的具身智能机器人，通过集成感知、规划、控制与执行模块，在物理世界中实现自主运动、环境交互与任务执行。

【14】自动驾驶：自动驾驶系统是集成了环境感知、决策规划、运动控制三大核心模块的复杂机器人系统，按照SAE分级标准划分为L0至L5级，代表了人工智能在物理世界中的高级应用形态。

【15】数据采集（DC）：数据采集是从传感器、数据库、日志文件或公开数据源中获取原始数据的过程，采集方式包括主动采集与被动采集，数据类型涵盖结构化、半结构化和非结构化数据。

【16】数据预处理（DP）：数据预处理是将原始数据转化为适合建模格式的关键工程步骤，一般包括数据清洗、数据集成、数据变换与数据规约四个子任务，旨在提升数据质量与模型训练效率。

【17】数据标注（DA）：数据标注是为原始数据添加元信息（标签、边界框、关键点、语义分割掩码等）的过程，形成监督学习所需的“真值”标注集。标注质量直接决定模型性能的上限。

【18】模型训练（MT）：模型训练是通过优化算法（如随机梯度下降）在训练数据集上迭代更新模型参数，使模型在特定目标函数上的损失值最小化的过程。训练完成后得到的模型权重即封装了从数据中习得的映射规律。

【19】智能家居：智能家居是以住宅为平台，综合运用物联网、传感器、自动控制及人工智能技术的集成化系统。它将家电、照明、安防、环境监控等各类设备互联互通，通过数据采集、边缘计算与智能决策，实现对家居环境的主动感知、自主调节与远程控制，旨在提升居住的便利性、舒服性与能源利用效率。

【20】智能制造：智能制造是将人工智能、工业物联网、数字孪生等技术深度融合于制造全流程的新型生产范式，实现设备自感知、过程自控制、决策自优化的柔性化与智能化生产。

【21】智慧农业：智慧农业是以数据驱动为核心的现代农业形态，通过部署物联网传感器、无人机遥感、智能决策系统，实现环境精准监测、资源高效利用与农事作业自动化的闭环管理。

这里是AI工坊，感谢阅读，喜爱请关注！