人工智能 · AI 篇
"AI"是最外层、最模糊、最容易被滥用的一个词。凡是让机器做出看起来"有智能"的事，都可以算 AI——不管背后是复杂的深度学习，还是几百行 if-else 规则。
老一代空调号称"智能温控"——其实只是"温度低于 22 度就制热、高于 26 度就制冷"这种简单规则；
新一代空调也号称"AI 智能"——但里面可能是基于历史用电数据、天气预报的机器学习模型。
两者宣传语一样，技术完全不是一个时代——这就是"AI"这个词最大的坑：它太大了，什么都可以往里装。
AI 的经典定义（1956 年）
1956 年达特茅斯会议上，麦卡锡（John McCarthy）提出："让机器做那些如果由人来做需要智能才能完成的事情。"这句话一直沿用至今，它有意留了"智能"这个模糊的口子——因为随着时代推进，"什么算智能"本身在变。
业内有个有趣的现象叫"AI 效应"——一件事一旦被机器做到，人们就不再觉得它是"AI"了。
上世纪 60 年代，让电脑下国际象棋是"AI 前沿"；今天你手机自带的下棋 App 谁也不会说它是 AI。
AI 永远指向"当前还没解决的智能任务"，解决了它就变成了"普通功能"。
AI 的三大流派
符号主义 · Symbolic AI
"智能 = 逻辑推理"。人写规则、机器执行。
代表：专家系统、Prolog、决策树。
局限：规则写不完，遇到新情况就傻。
连接主义 · Connectionism
"智能 = 大量简单单元的连接"。这就是神经网络。
代表：CNN、Transformer、大模型。
今天最火的一派。
行为主义 · Behaviorism
"智能 = 从环境交互中学习"。
代表：强化学习、机器人控制。
下围棋的 AlphaGo、机器人操控物体都属于这派。
今天说的"AI 系统"到底包含什么
- 感知层摄像头、麦克风、传感器——AI 从物理世界"看到"输入。
- 理解层把输入变成有意义的表示（比如识别出这是一只猫）。
- 决策层在多个可能动作中选一个（推荐哪部电影、走哪条路）。
- 执行层通过屏幕、扬声器、机械臂把决策变成动作。
为什么"AI"这个词这么容易被滥用
一是因为定义模糊——万物皆可 AI；二是它有营销价值——同样的产品加上"AI"两个字就能贵一倍；三是媒体只关心"AI"这个大词，不管你用的是哪一种技术。
作为学习者，看到"AI"你就要问自己两个问题：(1) 具体用的是哪一层技术？(2) 它到底能不能做那件事？
AI 是最外层的大圈，本身不是一种具体技术，而是一整套"让机器看起来聪明"的目标与思路的集合。理解它有多大，你就能看清"AI 大战"里各方玩的到底是圈里的哪一块。