AI的分类

首先我们可以把AI分成三大类，第一类是ANI，第二类是Generative AI，第三类是AGI。

ANI是什么？

ANI就是人工狭义智能，它的英文全拼是Artificial Narrow Intelligence。这个大家可能听得比较少，但是你使用ANI产品的时间可能远远早于你使用ChatGPT、豆包之类的AI产品。比如我们家里可能会用到的智能音箱，还有我们用的一些翻译的软件，比如谷歌翻译、有道翻译之类的产品，属于ANI人工狭义智能。大家猜一猜，自动驾驶技术属于哪种AI？这个可能有点反直觉，自动驾驶还是属于ANI人工狭义智能。为什么？因为自动驾驶相当于一个偏科生，除了自动驾驶这门功课能考满分，其他科目它都只能考0分。还有农业工业中的一些AI应用，它们本质上也是属于ANI人工狭义智能。比如无人机通过摄像头实时来分辨什么是草和什么是苗，只对杂草喷药，而跳过农作物。

AGI是什么？

第三类AGI就是通用人工智能，英文全拼是Artificial General Intelligence。AGI就是它能做人类能做的任何事情了，就相当于一个中等普通人类水平，我们就可以把这个时刻称为AGI时刻。不过在业界认为，我们要达到AGI时刻还是比较遥远的。

生成式AI简介

今天我们重点研究第二类Generative AI，也就是生成式人工智能，英文全拼是Generative Artificial Intelligence。生成式人工智能才是我们这些普通人在新闻里听得比较多的，或者已经开始在使用的一些AI产品。比如豆包、 Kimi、 ChatGPT、谷歌的Gemini等等。

那什么是生成式人工智能？或者说什么是生成式AI呢？就是它能根据你的要求现场产出新的内容的AI。生成式AI就是机器基于海量的学习，能够随时产出复杂的，这种复杂程度几乎无法穷举，有结构的，而且每次都不重复的新的内容。它产生的内容，我们普通人最常能接触到的、能用到的，是有三种，文章、图像和语音。

机器学习

我们刚才讲到生成式AI就是机器基于海量的学习，那这里就要引出一个概念，叫机器学习，Machine Learning。那什么是机器学习？我们可以大致把机器学习理解为，让机器自动从一些数据资料中找到一个函数。

这一句话可能比较抽象，我来举一个最简单的例子先来解释一下。现在假设有一个数学函数：y=f(x)=ax+b，其中a和b是我们常听到的参数。我们再假设X1=1，Y1=2，代入方程式可以得到A1=2，B1=0。也就是说，我们给这个函数一个确定的输入和输出，就可以计算出这个函数里面的a和b的参数。现在我们给这个函数的X输入一张小猫的照片（我们先不用管为什么可以给一个函数输入一张照片作为X。），给这个函数的Y输入一个小猫的文字，这样让这个函数来算出对应的A和B。机器学习就是机器从这些小猫的照片和小猫的文字中，找到了这个函数的A和B，从而确定了这一个函数。这就是我们刚才讲的，让机器自动从一些数据资料中找到一个函数，现在它找到了。当我们下次给这个函数输入另一张小猫的照片的时候，它还是能判断出来它是小猫，给我们输出了小猫两个字。这就是机器学习的极简化过程。给这个函数大量的输入X和Y，这个过程就叫做机器学习或者叫训练大模型。

深度学习

还有一个概念叫深度学习，Deep Learning。深度学习就是机器学习的深度超级复杂版。说到深度学习，就必须提到类神经网络。简单说，把类神经网络像搭积木一样，一层一层疯狂的往高了堆，堆出来的结果就约等于深度学习。

现在我们还是用一个简单的函数来搞懂生成式AI的底层原理。

生成式AI的底层原理

我们把豆包极度简化的当作现在的这个数学函数：y=f(x)=ax+b+γ，其中伽马是随机变量。假设我们现在让豆包生成一个小猫咪的图片，我们给豆包输入的文字就是这个函数里的x，豆包给我们输出的图片就是这个函数里的y。但是我们第二次给豆包输入同样的文字，但是它输出的图片却跟第一次的不一样，这就是因为这个函数里的伽马在起作用。这个伽马是人为设计到这个函数里的，为了让AI的生成有创造性和多样性，防止AI成为一个死板的机器。这就是生成式AI简化版的底层原理。生成式AI的本质就是大量的数学函数，那大量的数学函数我们可以把它叫做数学模型。

生成式AI里面有一个最核心的概念叫做大语言模型，英文全拼是Large Language Model，简称LLM。它是生成式AI初代最经典的大脑。

概念之间的关系

最后我们把前面这些所有概念串起来，就可以得到这样一张韦恩图。大家有兴趣的可以截图保存一下。

好，这期视频就到这里，我是昼星，关注我，我们一起搞懂AI，让我们下期再见，拜拜👋 ～