Cache 知识库

Appearance

第1章：AI 世界全景图 ​

欢迎来到 AI 世界。无论你是刚毕业的学生、转行的开发者，还是想补全知识短板的工程师——这一章都属于你。我们不谈复杂公式，只画一张地图，让你知道这片大陆上有什么，它们怎么来的，以及你可以从哪里入手。

1.1 一张图看懂 AI 世界 ​

先看全貌。所有概念都从这里生长出来：

mermaid
flowchart TD
    AI[Artificial Intelligence<br/>人工智能] --> ML[Machine Learning<br/>机器学习]
    AI --> Symbolic[符号推理<br/>Expert Systems]
    AI --> Robotics[机器人学]
    ML --> DL[Deep Learning<br/>深度学习]
    ML --> Classic[经典ML<br/>SVM/RF/GBDT]
    ML --> RL[Reinforcement Learning<br/>强化学习]
    DL --> CNN[CNN<br/>计算机视觉]
    DL --> RNN[RNN/LSTM<br/>序列建模]
    DL --> Transformer[Transformer<br/>现代基石]
    Transformer --> LLM[Large Language Model<br/>大语言模型]
    Transformer --> SSL[Self-Supervised Learning<br/>自监督学习]
    LLM --> Agent[AI Agent<br/>AI智能体]
    LLM --> GenAI[Generative AI<br/>生成式AI]

光看图可能还有点懵，没关系。下面我们一个一个拆开讲。

1.2 AI / ML / DL / GenAI / Agent 概念辨析 ​

这五个词经常被混用，但它们其实是层层包含的关系。

什么是 Artificial Intelligence（人工智能）？ ​

AI 是最大的概念，指让机器表现出像人类一样的智能行为。1956 年达特茅斯会议上，这个术语被正式提出。从那以后，AI 经历了两轮寒冬和三轮热潮，到今天才走到我们面前。

AI 的目标很广：下棋（1997 年 DeepBlue 击败国际象棋冠军）、识图（给照片打标签）、开车（特斯拉的 Autopilot）、聊天（ChatGPT），这些都算 AI。

一句话：任何让机器"看起来像人一样聪明"的技术，都可以叫 AI。

什么是 Machine Learning（机器学习）？ ​

Machine Learning 是 AI 的一个子集。传统编程是你写规则，机器执行。机器学习反过来了——你给机器大量例子，让它自己总结规则。

举个例子：你要识别猫的照片。

  • 传统编程：你写"如果图片有尖耳朵、胡须、长尾巴，就是猫"。但现实中猫有各种姿势、光线、遮挡，规则写不完。
  • 机器学习：你给它 10 万张标好"猫"或"非猫"的图片，它自己学会猫长什么样。

常见的机器学习方法包括 支持向量机（Support Vector Machine, SVM）、随机（stochastic /stəˈkæstɪk/）森林（Random Forest, RF）、梯度（gradient /ˈɡreɪdiənt/）提升树（Gradient Boosting Decision Tree, GBDT） 等。

什么是 Deep Learning（深度学习）？ ​

Deep Learning 是机器学习的一个子集。它的核（kernel /ˈkɜːrnl/）心是"神经网络（Neural Network）"——一种模仿大脑神经元连接方式的计算结构。当神经网络的层数很多时（比如几十层甚至上百层），我们就叫它"深度"学习。

深度学习在三个领域掀翻了之前的所有方法：

  • 计算机视觉（Computer Vision）：用 卷积（convolution /ˌkɒnvəˈluːʃən/）神经网络（Convolutional Neural Network, CNN） 识别图片
  • 序列建模（Sequence Modeling）：用 RNN（Recurrent Neural Network）/ LSTM（Long Short-Term Memory） 处理语音、文本等序列数据
  • 现代基石——Transformer（/trænsˈfɔːrmər/）：2017 年 Google 提出 Transformer 架构，它用 自注意力（attention /əˈtenʃən/）机制（Self-Attention Mechanism） 彻底取代了 RNN，成为今天几乎所有大模型的基础

什么是 Generative AI（生成式 AI）？ ​

GenAI 是深度学习发展到一定阶段的产物。以前的 AI 更多是"识别"和"分类（classification /ˌklæsɪfɪˈkeɪʃən/）"——这张图是猫还是狗、这段文字是正面还是负面情绪。而生成式 AI 能创造新内容：

  • 文本生成：ChatGPT、Claude（基于 大语言模型（Large Language Model, LLM） + 基于人类反馈的强化（reinforcement /ˌriːɪnˈfɔːrsmənt/）学习（Reinforcement Learning from Human Feedback, RLHF））
  • 图像生成：Midjourney、Stable Diffusion（/dɪˈfjuːʒən/）（基于 扩散模型（Diffusion Model））
  • 代码生成：GitHub Copilot、Cursor
  • 视频生成：Sora、Runway Gen-2

GenAI 的核心能力是"理解了分布之后，从中采样"——它学会了真实数据的统计规律，然后能产生符合这些规律的新样本。

什么是 AI Agent（AI 智能体）？ ​

AI Agent（/ˈeɪdʒənt/） 是 2023 年以后最热门的方向。一个 Agent 不只是"生成文字"，而是一个能自主行动的系统：

  1. 它有一个 LLM 作为"大脑"
  2. 它可以使用工具（Tool Use）——比如调用搜索引擎、执行 Python 代码、操作数据库
  3. 它可以规划（Planning）——把一个复杂任务拆成多个步骤
  4. 它可以记忆（Memory）——记住之前的对话和操作结果

对比一下：ChatGPT 是 GenAI，它回答你的问题。一个 Agent 是"帮你去查天气、订机票、整理行程单"，中间每一步它自己调用工具、自己决定下一步做什么。

对比一览 ​

概念范围典型例子常用技术什么时候用
AI最广下棋程序、专家系统、自动驾驶各种方法任何需要"智能"的场景
MLAI 的子集垃圾邮件过滤、推荐系统SVM、随机森林、线性回归（regression /rɪˈɡreʃən/）有大量数据、规则难以手工编写时
DLML 的子集人脸识别、语音识别CNN、RNN、Transformer数据量极大、传统 ML 效果不够好时
GenAIDL 的产物ChatGPT、Midjourney大语言模型、扩散模型需要创造新内容、而非只是分类时
Agent基于 LLM 的系统AutoGPT、ManusLLM + 工具调用 + 规划需要自动完成多步骤任务时

1.3 这个领域的三个关键转折点 ​

转折点一：2012 — CNN 带来视觉革命 ​

2012 年，AlexNet 在 ImageNet 图像识别比赛上将错误率从 26% 直接降到 15%。深度学习从此爆发。GPU（图形处理器） 的大规模使用让训练深层网络成为可能。

转折点二：2017 — Transformer 改变一切 ​

Google 发表论文 Attention Is All You Need，提出 Transformer 架构。它用自注意力机制代替了 RNN，让模型可以并行处理整个序列，而且能捕捉远距离的依赖关系。

今天你听说的 GPT、BERT、LLaMA、Claude，底层全是 Transformer。没有 Transformer，就没有今天的 AI 热潮。

转折点三：2022 — ChatGPT 进入大众视野 ​

GPT-3.5 配上 RLHF，让 AI 第一次对普通人来说"真的有用"。两个月用户破亿，成为历史上增长最快的应用。从此，AI 不再是实验室里的玩具，而是人人可用的工具。

1.4 学习路径总地图 ​

本百科共 10 卷，呈自底向上的结构。每一卷都建立在前一卷的基础上。

mermaid
flowchart LR
    subgraph Foundation[地基: 第1-2卷]
        A[1: Python+全景图] --> B[2: 数学基础]
    end
    subgraph Core[核心: 第3-7卷]
        B --> C[3: 经典ML]
        C --> D[4: 神经网络]
        D --> E[5: Transformer ⭐]
        E --> F[6: 自监督学习]
        F --> G[7: 生成式AI/LLM]
    end
    subgraph Practice[实战: 第8-10卷]
        G --> H[8: 模型训练工程]
        H --> I[9: LLM应用开发]
        I --> J[10: 工具链集成 ⭐⭐]
    end
    J --> K[🎯 毕业项目: 构建自己的AI工具]
  • 第 1 卷（本卷）：给你全景图，同时带你掌握 Python 基础。这是起点，不需要任何前置知识。
  • 第 2 卷：数学基础——线性代数、概率统计、微积分。不追求数学专业的深度，但求够用。
  • 第 3-7 卷：核心算法路线——从经典 ML 到神经网络，再到 Transformer、自监督学习，最后到生成式 AI 和 LLM。这是最硬核的部分，也是价值最高的部分。
  • 第 8-10 卷：工程实战——怎么训练模型、怎么开发 LLM 应用、怎么搭建完整的工具链。

读完全部 10 卷，你会具备从零构建一个 AI 工具的能力。

1.5 不同角色的学习策略 ​

如果你是初学者（零基础） ​

从第 1 卷第 1 章开始，按顺序往下读。别跳。这个路径是精心设计的——每一卷都用前一卷的知识。跳过数学基础直接看 Transformer，你会发现到处都是看不懂的符号。

建议节奏：每周 3-5 章，配合每章的代码练习。第 1 卷的 Python 部分如果已经会了，可以快速掠过。

如果你是有经验的开发者 ​

你可以用目录索引跳跃式阅读：

  • 已经会 Python？直接从第 2 卷第 2 章（数学速览）开始
  • 懂基础 ML？跳到第 4 卷（神经网络）
  • 已经在用 LLM API？第 9 卷（LLM 应用开发）和第 10 卷（工具链集成）最贴近你的工作

但建议至少通读第 5 卷（Transformer）和第 6 卷（自监督学习）——这两个是理解现代 AI 的关键。

如果你是在职的 AI 从业者 ​

第 8 卷起的工程内容最实用：

  • 第 8 卷：模型训练工程——数据准备、分布式训练、评估、部署
  • 第 9 卷：LLM 应用开发——Prompt Engineering、RAG（检索增强生成）、Fine-tuning
  • 第 10 卷：工具链集成——LangChain、向量数据库、Agent 框架

但如果发现某个下游问题根源于底层原理（比如为什么 Agent 的规划总是出错），别忘了回头翻第 5-7 卷。

1.6 写在前面的话 ​

AI 领域变化极快。今天的新技术，明天可能就过时了。但这个百科试图教你的是那些不随时间变化的东西——数学原理、算法思想、工程方法论。

理解了自注意力机制，不管明天冒出来什么新架构，你都能看懂它跟 Transformer 的异同。理解了 RLHF 的原理，不管后天哪个新模型出来，你都能判断它的对齐方式有没有问题。

知其然，更知其所以然。这是我们写这个百科的初衷。

准备好了？从下一章开始，我们动手写 Python。

下一章：02-python-basics —— Python 基础速览