人工智能 (AI) 是一组技术，使计算机能够学习、推理并执行各种高级任务，而这些任务以前需要人类智能才能完成，例如理解语言、分析数据，甚至提供有用的建议。这是一项变革性技术，可以为人类、社会乃至整个世界带来有意义的积极变化。

AI 涵盖许多不同的学科，包括计算机科学、数据分析和统计、硬件和软件工程、语言学、神经学，甚至哲学和心理学。

AI 的核心在于教会计算机去做那些原本只有人类大脑才能完成的奇妙任务，从理解周围的世界到学习新事物，甚至产生新的想法。例如，光学字符识别 (OCR) 中就使用了 AI 来从各种图片和文档中提取文本和数据。此过程会将非结构化内容转换为可供企业直接使用的结构化数据，帮助挖掘有价值的数据洞见。

人工智能技术虽然多种多样，但从根本上来说都依赖于数据、算法和算力。AI 系统会通过接触大量数据来学习和改进，以识别人类可能会忽视的模式和关系。这些数据是 AI 的训练材料，其质量和数量对 AI 的性能至关重要。

如前所述，AI 不是单一的技术，而是一个包含多项关键技术的广泛领域：

• 机器学习 (ML)：这类 AI 系统通过数据学习来识别模式，并在没有直接编程的情况下做出预测或决策。不妨这样设想，您通过向计算机展示数千张鸟类图片教会它识别鸟类；计算机会自行学习鸟类的样子。
• 深度学习 (DL)：深度学习是机器学习的一个子领域，使用多层（因此称为“深度”）人工神经网络从数据中学习。这些网络的灵感来源于人脑的结构，尤其擅长处理图像识别和语音识别等复杂任务。
• 自然语言处理 (NLP)：NLP 使计算机能够理解、解读和生成人类语言。Siri 和 Alexa 等语音助理、翻译服务和聊天机器人都离不开这项技术。
• 计算机视觉：这一技术让计算机能够“看见”并解读这个世界的视觉信息，例如图片和视频。从人脸识别到自动驾驶型汽车，处处都有它的身影。

想要了解如何开始使用 AI？参加面向初学者的生成式 AI 简介免费课程。

人工智能可以采用多种方式进行组织，具体取决于开发阶段或正在执行的操作。

这种分类方法根据 AI 模型的智能水平和解决问题的能力来定义 AI 模型。

• 弱人工智能 (ANI)：这是目前唯一存在的人工智能形式。ANI 模型旨在执行单一的特定任务，例如识别图片、进行聊天或过滤邮件。例子包括语音助理、人脸识别技术、Gemini 等生成式 AI 模型，以及其他大语言模型 (LLM)。尽管如此命名，ANI 并不具备推理能力或自我意识，而是将数据与算法相结合，在预定义的参数范围内做出预测。虽然 ANI 有很多好处，但也存在风险，因为质量不佳的训练数据可能会导致输出结果有偏见或不准确，这在贷款审批、招聘决策和预测性警务等应用中可能会造成严重后果。网络犯罪分子还可能利用 ANI 来设计复杂的 AI 诈骗。
• 通用人工智能 (AGI)：这是 AI 技术假想的未来发展阶段。理论上，AGI 能够执行广泛的任务，并利用类似人类的推理能力进行学习、适应和改进。AGI 尚不存在。与 ANI 不同，AGI 将具有适应性、自主性，并能够从其行动中学习。虚构的例子包括电影《星球大战》中的机器人。但是，AGI 可能会引发严重的安全和道德问题，因为恶意方可能会带着有害意图对 AGI 进行编程，如果不加以监管，可能会导致无限的破坏力。
• 超人工智能 (ASI)：这是理论上最先进的 AI 形式。ASI 将是一种具有自我意识的实体，其运行不受人类控制，在推理、创造力甚至情商方面都将大大超过人类智能。与其他形式的 AI 一样，人们担心 ASI 可能会对人类的生存构成威胁，一些 AI 研究人员认为，ASI 极有可能带来非常糟糕的结果，包括人类灭绝。

这种分类方法根据 AI 在特定环境中的运行和交互方式对 AI 进行分类。

1. 反应式机器：有限的 AI，仅根据预编程规则对不同类型的刺激做出反应。它缺少记忆，因此无法从新数据中学习。一个著名的例子是 IBM 的超级计算机“深蓝”，它在 1997 年击败了国际象棋冠军加里·卡斯帕罗夫。
2. 有限记忆：大多数现代 AI 都拥有有限的记忆。它可以使用新数据（通常是通过人工神经网络或其他训练模型）进行训练，从而依靠记忆不断改进。这种记忆是短期的；一旦会话结束，记忆通常会重置。例如，自动驾驶型汽车观察其他车辆，以及 Gemini 等聊天机器人记住对话中之前的消息。
3. 心智理论：心智理论 AI 目前还不存在，但随着研究的持续进行，未来存在实现的可能性。它描述了可以模拟人类心智并具有与人类相同的决策能力的 AI，包括识别和记忆情感以及在社交场合中像人类一样做出反应的能力。

AI 的影响十分广泛且不断扩大，几乎触及日常生活和各行各业的方方面面。以下是它发挥作用的一些领域：

• 日常生活：智能手机的虚拟助理、在线媒体服务的个性化推荐、邮箱中的垃圾邮件过滤器以及 Google 地图等导航应用，都依赖 AI 来运行。
• 医疗保健：AI 正在彻底改变医疗领域，它帮助医生通过分析医学影像更早地诊断疾病、制定个性化治疗方案，并大幅加快药物研发速度。
• 交通运输：自动驾驶汽车使用 AI 进行导航、物体检测和实时决策，以确保安全驾驶。
• 运营活动：企业将 AI 应用于各个方面，例如客户服务聊天机器人、金融行业的欺诈检测、优化供应链和个性化营销活动。
• 娱乐：在电子游戏中，AI 可以创建更逼真、更具挑战性的角色。在内容创作方面，生成式 AI 现在可以作曲、写剧本和创作惊艳的视觉艺术。

想要了解更多 AI 应用场景？请查看 Google Cloud 博客，了解 1,000 多个真实的生成式 AI 应用场景。

机器能独立思考的想法并不新鲜。关于智能人造物的概念可以追溯到几十年前，但现代 AI 领域真正开始成形是在 20 世纪中叶。我们来看看 AI 的发展历程：

• AI 的萌芽期（1940 年代至 1950 年代）：20 世纪 40 年代，可编程计算机的问世激发了人们的想象力。1950 年，艾伦·图灵提出了“图灵测试”方法，其目的是判断机器是否能够表现出与人类无法区分的智能行为。这是一个重要的哲学和科学步骤。
• AI 领域的诞生（1956 年）：John McCarthy 等先驱组织举办了达特茅斯会议，被广泛认为标志着 AI 作为一门学科的正式诞生。“人工智能”一词就是在这时提出的。
• 早期成功与挑战（1960 年代至 1970 年代）：研究人员开发了早期的 AI 程序，例如 ELIZA（一款可以模拟对话的聊天机器人）和 Shakey（最早能够推理周围环境的机器人之一）。然而，创造真正智能所具有的复杂性，导致 AI 领域经历了经费削减和进展缓慢的时期，通常被称为“AI 寒冬”。
• 复兴与发展（1980 年代至 2000 年代）：专家系统的发展以及后来的机器学习的兴起，为 AI 研究注入了新的活力。1997 年，IBM 开发的超级计算机“深蓝”击败了国际象棋世界冠军，这一里程碑事件展示了 AI 不断增强的能力。
• 现代 AI 爆发时期（2010 年至今）：算力的进步、海量数据集以及深度学习（尤其是神经网络）的突破性进展共同推动了当前的 AI 革命。在这个时代，强大的工具不断涌现，深刻地改变着各行各业。