什么是人工智能?为宝《亮见》第一篇:AI基础一次讲清
人工智能, 也就是AI这个说法里面所指代的对象, 并不是你在那种科幻故事里面才能看到的东西, 而是已经在真实情况下改变了人们工作方式的一种实用性很强的技术手段。

想要把它说得简单清楚一点, 其实它就是让各种机器设备能够通过分析已有的数据来自己找到其中存在的规律, 然后依靠这些学会的规律, 去执行诸如去理解某些事情、去创作出新的内容, 或者去做一些重要决定这类任务的统称词汇。这一篇内容就是为了帮助你完全从零开始建立起关于人工智能的正确认识的框架体系而已。
AI到底是什么

拆开来看,AI分三层:
机器学习的做法是, 让模型去从那些非常多的数据里面找到一些规律, 而不是说由人一条条地去编写规则。
深度学习, 这一种方法, 是目前非常普遍的主流选择, 它通过使用包含多个层级的神经网络结构, 来达成机器学习的目的。
大语言模型(LLM), 这种模型是在海量的文本数据上面进行训练得到的, 它可以理解和生成自然语言, 也就是大家日常所接触的, 所谓AI聊天、还有AI写作, 这些功能背后的技术支撑。
需要搞清楚的一个非常重要的基本概念就是, 人工智能大模型的核心运作原理是凭借已有的上下文信息来推测接下来可能出现的词汇, 它并不是一个用来存储资料的数据库, 同时也不是一部永远都不会出现任何错误情况的百科全书。
AI当前能做什么

现在, 我们已经落地的那些核心场景是:
内容与营销部分可以用来协助确定选题, 写初稿子, 进行改写操作, 还有适配多个不同的平台, 但是事实信息以及数据必须要依靠人工来进行核实。
客服与销售: 使用FAQ实现自动回复, 进行工单分类以及线索初筛工作, 当遇到涉及价格、合同或医疗等高危险系数的议题之时, 必须转交给人工来处理。
办公与知识管理: 这个部分包含了文档总结, 还有会议纪要, 同时也包括内部知识库问答。
关于编程, 人工智能可以用来生成代码、对代码进行解读说明以及制作测试用例, 可是由人工智能编出来的程序代码是不能被直接投放到正式的运行环境里去使用的, 它一定要经过人工的仔细审核和实际的测试验证。
AI的边界在哪里

会“胡说”:模型有可能编造不存在的法规, 或者编造不存在的数据, 也可能编造不存在的引用。所以, 涉及事实的部分必须经过核实才行。
知识有截止: 这是因为训练数据是有一个固定的时间范围的, 在这个时间范围之后发生的事情它是不知道的, 除非它能够联网去接入外部的数据。
不能替代判断: 对于医疗诊断、法律结论以及投资决定这一类事情, 人工智能系统只能用来帮忙提供参考资料, 它没有权利也没有能力去直接给出最终的确定答案。
多模态有缺陷: 它对于图片、视频的细节的理解, 还有对文字的渲染, 以及对于时间顺序的处理, 仍然有可能出现错误, 所以要在商业应用之前, 人工地去筛选一遍。
怎么开始用

如果你是刚接触AI的老板或从业者,三步起步:
1. 选择一个使用频率高、重复性强的场景, 在这样的场景中即使有些小的差错也是可以接受的, 例如让人工智能来撰写产品介绍的初稿。
2. 准备好那些非常洁净的材料, 并且把指令给清清楚楚地写出来, 这里面包括扮演的角色、具体的任务、相关的背景以及最后输出的格式。
3. 在完成人工审核的步骤之后再进行使用操作, 详细记录实际出现的效果情况, 确保能够把一个完整的闭环流程彻底跑通, 在这个基础之上再逐步扩大到更多的应用场景中去。
千万别一股脑儿就去推行那种覆盖整个公司的全方面人工智能转型工作, 最好还是先去拿一个小的业务场景来做测试, 看看这个小小的切入点到底有没有真正产生出有价值的效果。
三个常见误区
认为人工智能什么都能做, 这说法是不对的, 因为存在它明确没法做到的领域, 也就是它的适用边界和会出问题的场合。
现在有些人觉得只要用了人工智能, 就完全不需要进行人工审核了, 这种看法是错误的, 因为关于事实、数据以及引用出处这些东西, 都必须要靠人工去一一核对清楚。
上下文窗口并不是越大就越好的, 这一点不一定是对的, 给对材料比给多材料更重要, 成本与延迟也会随之上升。
上面提到的是名叫《亮见》这个篇章的第一阶段里的所有主要意思。接下来的那一篇内容, 是要去讲清楚怎么把这些东西真正用起来, 具体来说呢, 就是在探讨RAG、模型微调以及智能体这三种方法, 大家要从中做出选择的时候需要明白怎么选。
常见问题
《什么是人工智能?为宝《亮见》第一篇:AI基础一次讲清》主要讲什么?
人工智能, 也就是AI这个说法里面所指代的对象, 并不是你在那种科幻故事里面才能看到的东西, 而是已经在真实情况下改变了人们工作方式的一种实用性很强的技术手段。
文章提到了哪些重点?
选择一个使用频率高、重复性强的场景, 在这样的场景中即使有些小的差错也是可以接受的, 例如让人工智能来撰写产品介绍的初稿;