WEBVTT

1
00:00:00.000 --> 00:00:05.179
大家好，欢迎来到AI生活课第一课，AI到底是
什么。

2
00:00:05.179 --> 00:00:13.259
今天我们用导航、认水果和写邀请函三个生活场景
，把几个经常混在一起的名字讲清楚。

3
00:00:13.259 --> 00:00:16.574
你不需要会编程，也不需要背英文。

4
00:00:16.574 --> 00:00:23.410
只要跟着问三件事：它接收什么信息，中间做什么
，最后交给我什么结果。

5
00:00:23.410 --> 00:00:29.004
先把用途看明白，再决定要不要用，比只记产品名
字更实在。

6
00:00:29.004 --> 00:00:36.255
我们也会给每个生活比喻画一道边界，避免把软件
想成一个住在电脑里的真人。

7
00:00:36.855 --> 00:00:38.689
这一课有两组目标。

8
00:00:38.689 --> 00:00:43.987
第一组是认识人工智能、机器学习和深度学习之间
的关系。

9
00:00:43.987 --> 00:00:52.139
可以先把它们想成由大到小的范围：人工智能讨论
的任务很广，机器学习是其中重要的一类

10
00:00:52.139 --> 00:00:56.215
方法，深度学习又是机器学习中的一类方法。

11
00:00:56.215 --> 00:01:01.105
第二组是分清模型、应用、大语言模型和生成式A
I。

12
00:01:01.105 --> 00:01:08.442
模型回答的是核心能力从哪里来，应用回答的是我
们通过什么界面和功能使用它；

13
00:01:08.442 --> 00:01:13.536
大语言模型强调语言能力，生成式AI强调能产出
内容。

14
00:01:13.536 --> 00:01:20.465
它们不是六个互相排斥的商品类别，同一个工具可
以同时符合其中几种说法。

15
00:01:21.065 --> 00:01:22.106
先看导航。

16
00:01:22.106 --> 00:01:30.431
周末去一个没去过的地方，你输入地址，软件结合
你的位置、道路和交通信息，给出路线。

17
00:01:30.431 --> 00:01:34.594
开到路口走错了，它根据新的位置重新规划。

18
00:01:34.594 --> 00:01:38.341
这里最关键的是，推荐依赖前面的信息；

19
00:01:38.341 --> 00:01:42.087
起点改变、道路拥堵，结果都可能改变。

20
00:01:42.087 --> 00:01:50.413
请想一想，如果完全不知道你在哪里，只知道目的
地，导航能否直接给出合适的完整路线？

21
00:01:50.413 --> 00:01:53.535
通常不行，缺少输入会影响建议。

22
00:01:53.535 --> 00:01:58.946
但也别因为导航看起来会判断，就把整套软件都叫
作AI。

23
00:01:58.946 --> 00:02:07.272
显示地图、保存地址等功能可以由普通程序完成，
其中某些交通预测、识别或推荐能力才可

24
00:02:07.272 --> 00:02:08.521
能用到AI。

25
00:02:08.521 --> 00:02:13.308
接下来我们给这个大范围的技术领域一个正式名字
。

26
00:02:13.908 --> 00:02:22.251
人工智能，英文缩写AI，是让机器完成某些通常
需要人类智能才能完成的任务的技术与研

27
00:02:22.251 --> 00:02:23.086
究领域。

28
00:02:23.086 --> 00:02:30.177
看这页的三个步骤，先输入信息，再进行识别、判
断或生成，最后给出结果。

29
00:02:30.177 --> 00:02:33.723
导航接收位置和道路，输出路线建议；

30
00:02:33.723 --> 00:02:36.643
照片识别接收图片，输出类别；

31
00:02:36.643 --> 00:02:39.981
文字助手接收要求，输出一段文字。

32
00:02:39.981 --> 00:02:46.864
我们说它完成了某个智能任务，不等于它拥有人的
意识、感情或生活常识。

33
00:02:46.864 --> 00:02:52.913
比如它能写一句安慰人的话，也不能据此认定它真
的经历过难过。

34
00:02:52.913 --> 00:03:00.004
判断一种技术是否属于AI，还需要看方法和背景
，不能只凭界面是否聪明。

35
00:03:00.004 --> 00:03:08.348
对日常使用来说，更有用的问题是，它能把哪一步
做好，哪些条件下容易出错，以及结果需

36
00:03:08.348 --> 00:03:09.390
要谁检查。

37
00:03:09.390 --> 00:03:13.771
下面来看，机器的一些能力怎样通过例子形成。

38
00:03:14.371 --> 00:03:16.663
想象教小朋友认识苹果。

39
00:03:16.663 --> 00:03:20.414
你拿出一个红苹果，他可能先记住红色。

40
00:03:20.414 --> 00:03:25.833
如果只看这一张照片，下次看到红番茄，也可能说
是苹果。

41
00:03:25.833 --> 00:03:34.169
所以你继续展示青苹果、大苹果、小苹果，还有不
同角度的照片，让他发现不能只看颜色，

42
00:03:34.169 --> 00:03:36.462
形状和其他特征也重要。

43
00:03:36.462 --> 00:03:42.297
这个故事里，后来能判断新水果，依靠的是前面接
触过的例子。

44
00:03:42.297 --> 00:03:50.633
现在做个理解检查：如果准备的苹果照片全部是红
色，而且全放在同一张白桌上，例子够不

45
00:03:50.633 --> 00:03:51.467
够丰富？

46
00:03:51.467 --> 00:03:55.635
不够，因为颜色和背景都可能成为误导线索。

47
00:03:55.635 --> 00:04:00.220
不过，小朋友会触摸、品尝，还会积累生活经验；

48
00:04:00.220 --> 00:04:05.014
模型是在给定数据上做数学计算，两者不能画等号
。

49
00:04:05.014 --> 00:04:13.350
这个水果故事只是帮助我们抓住一个变化：不把每
种情况都逐条写成规定，而是让模型从数

50
00:04:13.350 --> 00:04:16.268
据中学习可用于新输入的规律。

51
00:04:16.868 --> 00:04:23.977
机器学习，就是让模型通过数据学习规律，并利用
这些规律处理新输入的方法。

52
00:04:23.977 --> 00:04:29.867
这页按顺序画出了许多水果样本、学习特征和规律
、判断新水果。

53
00:04:29.867 --> 00:04:35.351
注意最后一步是新水果，不是只要求把看过的照片
再认一遍。

54
00:04:35.351 --> 00:04:43.476
我们希望学到的规律能用在没有见过的情况，这也
是为什么不能只检查练习材料上的表现。

55
00:04:43.476 --> 00:04:51.601
假如模型总把红色当成苹果的主要线索，面对青苹
果就可能失败，面对红番茄也可能误判。

56
00:04:51.601 --> 00:04:59.725
对一个要用图片整理库存的工作人员来说，看到演
示中认对几张照片，还应该问实际仓库的

57
00:04:59.725 --> 00:05:02.772
光线、包装和拍摄角度是否类似。

58
00:05:02.772 --> 00:05:09.678
把这层关系记住：AI说的是较大的技术领域，机
器学习强调通过数据学习。

59
00:05:09.678 --> 00:05:13.741
接下来，看看其中一种处理复杂信息的方法。

60
00:05:14.341 --> 00:05:17.151
这一次，我们看一张猫的照片。

61
00:05:17.151 --> 00:05:25.181
你可能先注意到轮廓、明暗和色块，接着发现尖耳
朵、眼睛和胡须，最后觉得整体很像猫。

62
00:05:25.181 --> 00:05:33.211
我们借这个顺序想象，复杂信息可以经过多层处理
，前一层的结果成为后面进一步判断的材

63
00:05:33.211 --> 00:05:33.613
料。

64
00:05:33.613 --> 00:05:38.431
问题来了，只看到两只尖耳朵，能不能保证它就是
猫？

65
00:05:38.431 --> 00:05:44.654
不能，玩具、狐狸或者图案也可能有相似部分，还
需要结合其他信息。

66
00:05:44.654 --> 00:05:52.684
真实模型内部的处理，不一定真的存在一层专门认
耳朵、下一层专门认胡须，更不等于完整

67
00:05:52.684 --> 00:05:54.491
照搬人的视觉过程。

68
00:05:54.491 --> 00:05:59.510
这里的线条、部位、整体，只是理解多层变换的一
座桥。

69
00:05:59.510 --> 00:06:03.927
你要抓住的是信息可以逐步组合成更复杂的表达。

70
00:06:03.927 --> 00:06:09.949
下一页的深度学习，就是把多层计算结构用于从数
据中学习的方法。

71
00:06:10.549 --> 00:06:15.381
深度学习，是利用多层神经网络从数据中学习的方
法。

72
00:06:15.381 --> 00:06:21.220
这里的深度主要指网络的层次结构，不是说它像人
一样思想深刻。

73
00:06:21.220 --> 00:06:24.240
输入可以是图片，也可以是文字；

74
00:06:24.240 --> 00:06:29.071
信息经过多层计算与变换，最后用于识别或生成结
果。

75
00:06:29.071 --> 00:06:35.715
我们刚才用认猫来帮助理解，但每一层不一定能对
应一个人能说清的概念。

76
00:06:35.715 --> 00:06:39.339
也不要从名字推导出，层数多就一定好。

77
00:06:39.339 --> 00:06:47.392
请把今天的前三个名字放在一起：人工智能是大范
围，机器学习通过数据学习，深度学习是

78
00:06:47.392 --> 00:06:50.614
其中使用多层神经网络的一类方法。

79
00:06:50.614 --> 00:06:58.667
如果有人说一个文字工具采用深度学习，这句话介
绍的是实现能力的方法，还没有告诉我们

80
00:06:58.667 --> 00:07:01.888
产品会不会联网、能不能打开文件。

81
00:07:01.888 --> 00:07:06.921
要回答这些使用问题，我们需要进一步分清模型和
应用。

82
00:07:07.521 --> 00:07:09.000
现在换到餐厅。

83
00:07:09.000 --> 00:07:12.803
厨师会炒菜，只代表掌握了做菜的方法。

84
00:07:12.803 --> 00:07:19.353
一家能正常服务顾客的餐厅，还需要菜单、点单、
餐具、上菜和结账。

85
00:07:19.353 --> 00:07:27.381
假如今天厨师做菜水平没变，但餐厅换了菜单、增
加了送餐服务，顾客体验仍会变化。

86
00:07:27.381 --> 00:07:33.931
请想一想，能不能因为一家餐厅提供外卖，就说厨
师本人天生会配送？

87
00:07:33.931 --> 00:07:36.888
当然不能，服务来自整套安排。

88
00:07:36.888 --> 00:07:44.283
用AI时也是这样，我们常常把聊天界面里见到的
一切，都归功于背后的模型。

89
00:07:44.283 --> 00:07:52.312
其实，上传文件、搜索网页、保存偏好和展示结果
，可能由应用的其他部分组织完成。

90
00:07:52.312 --> 00:08:00.129
厨师的比喻只是用来区分核心能力和整体服务，模
型并不是一个有主观意图的厨师。

91
00:08:00.729 --> 00:08:08.965
AI模型，是把输入转成预测、判断或生成结果的
计算系统，许多模型的能力来自数据训练

92
00:08:08.965 --> 00:08:09.171
。

93
00:08:09.171 --> 00:08:17.407
看这页的流程，你提交任务后，应用往往先组织信
息，再调用模型，最后把结果呈现给你。

94
00:08:17.407 --> 00:08:25.642
比如你上传一份会议记录，让工具提炼待办事项，
应用需要接收文件，把可用内容送给模型

95
00:08:25.642 --> 00:08:27.496
，再显示整理结果。

96
00:08:27.496 --> 00:08:33.878
哪个环节支持什么格式，要看具体应用，不能只根
据模型的名字推断。

97
00:08:33.878 --> 00:08:42.114
做个小检查：如果一个聊天工具今天没有联网入口
，能否因为模型回答得很流畅，就认定它

98
00:08:42.114 --> 00:08:43.761
刚查过最新网页？

99
00:08:43.761 --> 00:08:47.468
不能，需要实际的工具能力和相应证据。

100
00:08:47.468 --> 00:08:52.615
记住模型提供核心计算能力，应用把它组织成可用
服务。

101
00:08:52.615 --> 00:08:56.939
下一步，我们看其中专门处理语言的一类模型。

102
00:08:57.539 --> 00:09:04.324
想象一位文字助手接触过大量文章、对话和说明，
从中掌握不同表达的规律。

103
00:09:04.324 --> 00:09:09.712
你告诉它要写一段简短的活动介绍，它能根据要求
组织句子；

104
00:09:09.712 --> 00:09:14.501
你给它一段复杂通知，它也可能换成容易理解的说
法。

105
00:09:14.501 --> 00:09:22.484
这个故事想帮助理解，语言能力与大量材料中的模
式有关，而不是每次都从一张固定答案表

106
00:09:22.484 --> 00:09:23.482
里选一句。

107
00:09:23.482 --> 00:09:31.264
不过，接触过大量材料，不等于完整记住每本书，
也不等于能够准确说出每句话的来源。

108
00:09:31.264 --> 00:09:38.449
请思考，如果助手能很顺畅地介绍一个陌生概念，
我们是不是就不用检查内容了？

109
00:09:38.449 --> 00:09:42.041
还不行，表达顺畅和事实正确是两件事。

110
00:09:42.041 --> 00:09:48.826
接下来给这类语言模型一个名字，也把流畅文字容
易带来的误解一起说清楚。

111
00:09:49.426 --> 00:09:57.599
大语言模型，常用英文缩写LLM，是经过大规模
训练、主要用于理解和生成语言的模型。

112
00:09:57.599 --> 00:10:03.116
你提供问题与背景，它根据学到的规律和当前输入
组织回答。

113
00:10:03.116 --> 00:10:11.289
它可以帮助改写通知、概括材料、解释术语，但这
些能力不意味着每个回答都像数据库记录

114
00:10:11.289 --> 00:10:12.311
一样可靠。

115
00:10:12.311 --> 00:10:20.484
比如你问某份合同的截止日期，如果没有提供合同
，它仍可能生成一个看起来完整的答案；

116
00:10:20.484 --> 00:10:22.732
完整不代表日期有依据。

117
00:10:22.732 --> 00:10:30.292
实际使用时，把原文交给它，要求指出信息来自哪
一段，再自己核对，会更有帮助。

118
00:10:30.292 --> 00:10:34.991
理解检查：大语言模型和聊天应用是同一个概念吗
？

119
00:10:34.991 --> 00:10:40.304
不是，前者是模型类别，后者是我们使用服务的一
种形式。

120
00:10:40.304 --> 00:10:45.412
下面再换一个角度，按照输出的性质来认识生成式
AI。

121
00:10:46.012 --> 00:10:50.168
假设你要组织一次朋友聚会，请人写邀请语。

122
00:10:50.168 --> 00:10:58.065
你告诉对方，周六下午三点，在社区活动室，语气
轻松一些，最后提醒大家提前回复。

123
00:10:58.065 --> 00:11:06.170
对方按照这些条件写成一段新文案，这和从三条现
成通知里勾选一条，做的是不同的事。

124
00:11:06.170 --> 00:11:13.235
这里，新文字依赖你给出的时间、地点和要求，也
依赖组织语言的已有能力。

125
00:11:13.235 --> 00:11:21.547
请检查一个细节：如果你只说写个热闹一点的邀请
，却没给地点，对方能否可靠地替你补上

126
00:11:21.547 --> 00:11:22.587
真实地点？

127
00:11:22.587 --> 00:11:26.535
不能，应该补充信息或者保留待确认内容。

128
00:11:26.535 --> 00:11:29.029
AI生成文案时同样如此。

129
00:11:29.029 --> 00:11:36.925
它可能把空白补成看似合理的细节，所以不能把自
然完整的表达当成信息齐全的证据。

130
00:11:36.925 --> 00:11:43.991
这个场景的重点是按输入产生内容，下一页就用生
成式AI这个名称概括它。

131
00:11:44.591 --> 00:11:51.416
生成式AI，是能够根据输入生成文字、图像、音
频等内容的一类AI。

132
00:11:51.416 --> 00:11:56.961
流程是你给要求和素材，模型进行生成，再得到新
的内容。

133
00:11:56.961 --> 00:12:05.492
大语言模型常用于生成文字，但生成式AI的范围
不限于文字，因此这两个名字不能简单画

134
00:12:05.492 --> 00:12:06.131
等号。

135
00:12:06.131 --> 00:12:13.596
一份新生成的邀请函，也不自动意味着完全原创、
事实准确或者可以直接发布。

136
00:12:13.596 --> 00:12:20.847
比如时间写错了、地点是补出来的、措辞与已有作
品过于相似，都需要检查。

137
00:12:20.847 --> 00:12:26.819
工作中可以用一个简单方法验收：先对任务要求，
看是否写全；

138
00:12:26.819 --> 00:12:30.018
再对原始材料，看事实是否一致；

139
00:12:30.018 --> 00:12:33.857
最后站在收件人角度，看表达是否合适。

140
00:12:33.857 --> 00:12:40.255
请想一想，判断一封邮件是否为垃圾邮件，主要是
给已有内容分类；

141
00:12:40.255 --> 00:12:43.668
写出一封邀请函，则是在生成内容。

142
00:12:43.668 --> 00:12:47.507
带着这个区别，我们进入本课的小问题。

143
00:12:48.107 --> 00:12:55.989
这一页的问题是，写一封邀请函，和判断一封邮件
是不是垃圾邮件，分别是什么任务？

144
00:12:55.989 --> 00:13:01.175
先在心里给两个任务各选一个动词，再想想输入和
输出。

145
00:13:01.175 --> 00:13:09.264
邀请函的输入通常是时间、地点、对象和语气，输
出是一段新文字，所以它是生成任务。

146
00:13:09.264 --> 00:13:16.939
垃圾邮件判断的输入是已有邮件，输出是类别或相
关判断，所以它主要是分类任务。

147
00:13:16.939 --> 00:13:25.236
两者都可能使用AI，也都可能使用通过数据训练
的模型，但不必因为放在同一个应用里，

148
00:13:25.236 --> 00:13:27.933
就认为它们属于同一种任务。

149
00:13:27.933 --> 00:13:36.230
再加一个小检查：如果工具只是让你从现成模板里
选择邀请函，是否就一定用了生成式AI

150
00:13:36.230 --> 00:13:36.438
？

151
00:13:36.438 --> 00:13:41.623
不能仅凭结果像邀请函就下结论，要看它实际如何
工作。

152
00:13:41.623 --> 00:13:46.187
接下来我们把几个名字重新放回同一张知识地图。

153
00:13:54.187 --> 00:13:59.235
回顾今天，AI覆盖许多任务，会聊天只是其中一
类。

154
00:13:59.235 --> 00:14:07.440
机器学习通过数据学习规律，深度学习使用多层神
经网络，它们是范围逐渐收窄的关系。

155
00:14:07.440 --> 00:14:13.330
模型提供核心计算能力，应用还会组织界面、文件
和其他工具。

156
00:14:13.330 --> 00:14:21.745
大语言模型主要处理语言，生成式AI强调能够产
生文字、图像或声音等内容，这些说法可

157
00:14:21.745 --> 00:14:22.796
以有交集。

158
00:14:22.796 --> 00:14:31.211
现在你可以用半分钟向同事解释：让软件判断邮件
类别是在做识别判断，让它起草邀请函是

159
00:14:31.211 --> 00:14:32.473
在生成内容；

160
00:14:32.473 --> 00:14:37.101
无论哪种，都要看输入够不够、结果有没有依据。

161
00:14:37.101 --> 00:14:43.623
请再给自己留一句使用提醒：能完成某个任务，不
意味着有人的意识；

162
00:14:43.623 --> 00:14:46.778
说得流畅，也不意味着一定正确。

163
00:14:46.778 --> 00:14:55.193
下一课，我们沿着模型能力从哪里来的问题，用水
果照片、煎蛋练习和音响旋钮，理解数据

164
00:14:55.193 --> 00:14:59.400
、训练、参数以及实际运行模型之间的区别。