日常生活中的絕大多數機器控制，都可以理解成一個預設好固定邏輯的計算機程序，即其輸入和對應結果都是提前枚舉好的。

但 AI 好像不是——做個簡單類比：傳統機器控制像提前寫好答案的題庫，問的問題必須在題庫里，否則答不上來；而 AI 像提前教好解題方法的老師，沒見過的題目也能按方法解。

還有一點，現在只要聊 AI，網上全是各種專業詞：大數據、機器學習、深度學習、建模、大模型……聽得我一頭霧水，很多時候我根本不知道別人在說什么。

AI 底層到底是怎么運行的？我其實一直特別好奇。

帶著這些好奇，我在圖書館讀了幾本書。其中的一本是李開復老師的《人工智能》。這是 2017 年出版的，幾乎是 10 年前寫的書。

原來早在 10 年前大佬們就已經開始討論人工智能會給人類社會帶來怎樣的沖擊與改變，只是我這等普通人沒有關注而已。

直到今天，AI 真正闖入工作、滲透生活，開始實實在在影響我們每一個人時，我才后知后覺、倉促關注了解。

這本書值得一讀，它解答了絕大多數普通讀者幾乎所有的疑問。比如，AI 會讓人類大量失業嗎？哪些工作最容易被 AI 取代？AI 時代該如何學習？

每個人閱讀都有自己的角度以及關心的問題，所以不同的人閱讀同一本書都會有不同的角度與收獲。下面摘錄僅是我個人的視角與收獲，解答了我幾個疑問：

（1）到底什么是人工智能？

（2）“大數據”、“機器學習”、“深度學習”、“建模”、“大模型”這些關鍵詞是什么？

（3）什么是深度學習？

（4）為什么說“大數據”是人工智能的基石？

（1）到底什么是人工智能？

學術界教科書式定義：人工智能是有關“智能主體（Intelligent agent）的研究與設計”的學問，而“智能主題是指一個可以觀察周遭環境并做出行動已達致目標的系統”。

《人工智能》

（2）“大數據”、“機器學習”“深度學習”、“建模”、“大模型”這些關鍵詞是什么？

用專業術語來說，計算機用來學習的、反復看的圖片叫“訓練數據集”；

“訓練數據集”中，一類數據區別于另一類數據的不同方面的屬性或特質，叫作“特征”；

計算機在“大腦”中總結規律的過程，叫“建模”；

計算機在“大腦”中總結出的規律就是我們常說的“模型”；

而計算機通過反復看圖，總結出規律，然后學會認字的過程，就叫“機器學習”。

《人工智能》

（3）什么是深度學習？

深度學習是一種機器學習。從根本上說，深度學習和所有機器學習方法一樣，是一種用數學模型對真實世界的特定問題進行建模，以解決該領域相似問題的過程。

簡單地說，深度學習就是把計算機要學習的東西看成一大堆數據，把這些數據丟進一個復雜的、包含多個層級的數據處理網絡（深度神經網絡），然后檢查經過這個網絡處理得到的結果數據是不是符合要求——如果符合，就保留這個網絡作為目標模型，如果不符合，就一次次地、鍥而不舍地調整網絡參數設置，知道輸出滿足要求為止。

《人工智能》

人們通常只知道深度學習模型是否工作，卻很難說出模型中某個參數的取值與與最終模型的感知能力之間，到底有怎樣的因果關系。

這真是一件特別有意思的事。有史以來最有效的機器學習方法，在許多人看來，竟然是一個只可意會、不可言傳的“黑盒子”。

《人工智能》

PS：原書中作者用了通俗的文字和比喻闡述了深度學習的概念，為了讓讀者理解起更容易。

（4）為什么說“大數據”是人工智能的基石？

大數據的價值在于數據分析以及分析基礎上的數據挖掘和智能決策。

大數據的擁有者只有基于大數據建立有效的模型和工具，才能充分發揮大數據的價值。

《人工智能》

這就可以理解為什么阿里有“千問”，字節有“豆包”，騰訊有“元寶”了，他們都是大數據的擁有者。

深度學習可以從大數據中挖掘出以往難以想象的有價值的數據、知識或規律。

簡單來說，有足夠的數據作為深度學習的輸入，計算機就可以學會以往只有人類才能理解的概念或知識，然后再將這些概念或知識應用到之前從來沒有看見過的新數據上。

此外，大數據的應用必然帶來個人隱私保護方面的挑戰。為了給你推送精準的廣告信息，就要收集你的購買習慣、個人喜好等數據，這些數據往往包含了許多個人隱私。

《人工智能》

大數據下的人工智能時代，同時也是個人網上隱私“裸奔”時代（純屬個人觀點）。

（未完，下期續...）

更多原創技術文章：《README 2026》