什么是人工智能？它是如何工作的？

人工智能（AI）是一门科学与工程领域，旨在让机器具备人们通常认为只有人类头脑才有的能力，例如推理、规划、学习和感知。现代人工智能大多并非依靠逐步编写的规则来编程，而是从大量示例中学习规律，并利用这些规律进行预测、推荐、决策或生成新内容。

下面我们将介绍这一术语的含义、机器学习的内部原理、ChatGPT等聊天机器人如何生成文本、人工智能在日常生活中已经出现在哪些地方，以及需要留意的局限。

什么是人工智能？简单定义

这一名称可以追溯到1956年的达特茅斯夏季研究项目，该项目由约翰·麦卡锡及其同事于1955年提出。几十年来，人工智能主要指“符号人工智能”：由专家编写明确的规则，计算机按规则执行。

一份学术综述指出，这种基于规则的观点一直主导到20世纪80年代末。此后，神经网络、模糊系统和进化计算等方法逐渐兴起。简而言之，该领域已从手写规则转向从数据中学习。

政策制定者也采用类似的表述。经济合作与发展组织（OECD）于2023年11月修订的定义将人工智能系统描述为一种基于机器的系统，它从输入中推断如何生成输出，如预测、内容、推荐或决策，这些输出可能影响物理或虚拟环境。不同系统的自主性和适应性各不相同，欧盟《人工智能法案》也采用了与之高度相似的措辞。

有两点区分对初学者很有帮助。第一，目前存在的所有人工智能都是狭义人工智能，即为特定任务而构建；通用人工智能（AGI）仍属假设，连其定义本身都存在争议。第二，这些术语层层包含：人工智能包含机器学习，机器学习包含深度学习，而深度学习又支撑着大语言模型和生成式人工智能。

机器学习是如何工作的？

传统软件遵循程序员编写的规则。机器学习则反其道而行之：你向模型提供被称为训练数据的示例，模型会自行找出其中的规律。

主要有三种方式。在监督学习中，示例带有标签，例如标记为“垃圾邮件”或“非垃圾邮件”的电子邮件。在无监督学习中，没有标签，模型自行发现数据的分组。在强化学习中，模型通过奖励和惩罚进行试错学习，正如AlphaGo等博弈系统所做的那样。

如今大多数强大的系统都使用神经网络：由许多简单数学单元分层连接而成，单元之间通过被称为参数或权重的数值设置相连。在训练过程中，模型先做出猜测，再与正确答案比较，并调整权重以减小误差。与此相关的技术名称是反向传播和梯度下降。

区分两个阶段也很有帮助。训练是模型学习的高成本阶段；推理则是训练完成的模型投入使用、回答问题或进行预测的阶段。

ChatGPT等大语言模型是如何工作的？

大语言模型（LLM）首先将文本切分为词元（token），即完整的词或词的片段。对于土耳其语等有大量后缀的语言，相同长度的文本可能需要更多词元，但具体比例取决于模型。

在预训练阶段，模型在海量文本上练习一项任务：预测下一个词元。这一简单目标促使它在过程中掌握语法、事实以及许多其他规律。其底层架构是Transformer，由谷歌研究人员在2017年的论文《Attention Is All You Need》中提出。

接下来是后训练阶段。模型会在指令示例上进行微调，并通过人类反馈强化学习（RLHF）等方法接受反馈塑造，从而表现得像一位乐于助人的助手。OpenAI于2022年11月30日推出的ChatGPT将这类助手带入大众视野；Gemini、Claude、Copilot、Llama、DeepSeek、Mistral和Grok也是其他知名产品。

这项技术仍在不断演进。近期趋势包括：在回答前逐步推理解决问题的推理模型、处理图像和音频的多模态模型、使用工具完成任务的智能体，以及检索增强生成（RAG），即模型先查阅文档或网络信息。模型版本更新频繁，如需了解当前情况，请查看各开发者的官方页面。

人工智能在日常生活中有哪些用途？

你可能每天在不知不觉中多次使用人工智能。它驱动着流媒体和购物网站的推荐，过滤垃圾邮件，在导航应用中预测交通状况，通过面部识别解锁手机，为语音助手提供支持，并翻译文本。

银行依靠它来标记欺诈行为，照片应用则用它进行自动修图。生成式人工智能又增加了写作辅助、内容摘要、编程协助、图像生成和学习支持等功能。

在医学领域，人工智能工具帮助临床医生阅读影像。在科学领域，它的影响也获得了最高层面的认可：2024年诺贝尔化学奖的一部分授予了戴维斯·哈萨比斯（Demis Hassabis）和约翰·乔珀（John Jumper），以表彰他们开发的AlphaFold，该系统可预测蛋白质结构；2024年诺贝尔物理学奖则授予约翰·霍普菲尔德（John Hopfield）和杰弗里·辛顿（Geoffrey Hinton），以表彰他们在神经网络基础研究方面的贡献。

人工智能有哪些局限和风险？

最广为人知的问题是“幻觉”。由于语言模型生成的是听起来合理的文本，而非经过核实的事实，它们可能会自信满满地陈述错误内容。这种情况的发生频率因模型和测试不同而差异很大，因此对于重要信息务必进行核实。

模型还存在知识截止日期：除非连接搜索功能，否则它们对训练结束后发生的事件一无所知。它们也可能重现训练数据中存在的偏见。

隐私问题值得重视。在向聊天机器人输入敏感的个人、健康或商业信息之前请三思，并检查各服务提供商的设置，了解您的对话是否可能被用于训练。

更广泛的争议还包括版权诉讼、能源和水资源消耗、深度伪造与虚假信息，以及对就业的影响（各方预测差异很大）。最后，不应想当然地认为当今的系统具有人类意义上的理解或意识；这一问题在哲学上仍有争论。

人工智能受到监管吗？

越来越多地受到监管。欧盟《人工智能法案》于2024年8月1日生效，其义务将在未来数年内分阶段实施。根据欧盟后续提案，部分期限可能有所调整，因此值得查阅欧盟官方来源以了解当前时间表。

其他国家也在建立各自的框架。例如，土耳其制定了2021至2025年国家人工智能战略，由总统府数字转型办公室与工业和技术部共同编制。由于政策变化迅速，请关注相关主管部门的公告以了解最新进展。