课程 AI001：什么是人工智能
抱歉，我需要您提供要翻译的具体文本内容才能进行翻译。请把要翻译的文章或段落贴在这里，我会按照要求保留源链接并进行简体中文翻译。
什么是人工智能？
大多数对人工智能的解释以听起来很惊艳却几乎没有解释的定义开头。他们谈论机器模仿人类智能、像人一样思考或自主学习。这些说法听起来很对，却让读者感到一种模糊的神秘感，而不是清晰。
所以我们换一种方式开始。
人工智能不是魔法。
人工智能的核心，是研究和构建在不确定性下做出决策、看起来智能的系统。
智能：在加入“人工”之前
当你称一个人聪明时，通常意味着他们能够：
- 观察世界
- 理解模式
- 做出决策
- 在情况变化时进行适应
- 高效实现目标
如果一个人能够持续做出良好决策、从错误中学习并适应新情境，我们就会称他们为聪明——即使我们并不知道他们大脑内部的确切神经活动。人工智能也采用同样的外部视角。
关键转变：从“思考”到“理性行动”
早期的人工智能研究者做出了一个关键的哲学决定。他们没有问：
“机器能像人类一样思考吗？”
而是问：
“机器能理性行动吗？”
一个系统不需要情感、意识或自我意识就能是智能的。它只需要在已知的情况下选择能够最大化实现其目标机会的行动。
AI 的实用定义：
人工智能是对理性代理的研究。
理性代理是指：
- 感知其环境
- 采取行动
- 选择能够最大化预期成功的行动
仅此而已。没有诗意。没有炒作。
“Agent”到底是什么？
一个 Agent 可以：
- 观察（通过传感器）
- 行动（通过执行器）
示例
- 棋类程序观察棋盘并进行走子。
- 自动驾驶汽车观察道路并控制方向盘。
- 推荐系统观察用户行为并推荐内容。
- 垃圾邮件过滤器观察电子邮件并对其进行分类。
Agent 不一定是实体的；软件代理和机器人同样重要。使 Agent 智能的不是复杂性，而是决策质量。
为什么人工智能很难（以及它为何重要）
如果智能仅仅是“if‑else 规则”，人工智能早在几十年前就已经解决了。真正的困难来自现实世界的三大不可避免的属性：
不确定性
- 智能体永远不具备完美信息。
- 传感器有噪声；数据不完整。
- 未来是不可预测的。
复杂性
- 可能情境的数量迅速爆炸。
- 国际象棋的可能棋局数量超过宇宙中的原子数。
- 语言拥有无限组合。
- 现实环境从不完全重复。
权衡
智能体必须在以下之间进行平衡：
- 速度与准确性
- 探索与利用
- 短期与长期奖励
人工智能之所以存在，是因为为所有这些编写显式规则是不可能的。
机器学习的定位
人工智能是目标。AI 提出的问题是：
代理应该如何行为？
机器学习给出的答案是：
代理如何利用数据改进行为？
在机器学习出现之前，AI 系统大多基于规则：
- 专家系统
- 手写逻辑
- 知识库
这些系统在狭窄领域表现良好，但在以下情况下会失效：
- 规则数量过多
- 环境发生变化
- 数据规模变大
机器学习使系统能够：
- 自动学习模式
- 从经验中适应
- 在无需显式编程的情况下改进
这就是现代 AI 看起来如此强大的原因——它更多依赖学习而非规则。
智能不是二元的
另一个误解是，智能是你要么拥有要么没有的东西。实际上，智能是分级的。
- 计算器在算术上是智能的，但在其他方面毫无用处。
- 当今的 AI 系统是狭义智能：在特定任务上极其出色，超出这些任务则完全一无所知。
这就是为什么当前的 AI 被称为狭义 AI，而不是通用 AI。
人工智能 vs. 人类智能
AI 并不旨在复制人脑。飞机不像鸟儿那样拍动翅膀，却飞得更好。同理：
- AI 使用数学而非神经元
- 使用优化而非直觉
- 使用概率而非信念
重要的是性能，而非生物相似性。AI 不是人工人类；它是人工决策者。
简单的工作定义
在去除炒作、哲学和营销之后，我们得到一个简洁的定义：
人工智能是设计能够感知其环境并在不确定条件下做出最大化目标实现决策的系统的科学。
该定义：
- 包含经典人工智能
- 包含机器学习
- 包含现代深度学习
- 排除意识神话
为什么这个定义很重要
以这种方式理解 AI 会带来以下影响：
- 你不再期待“会思考的机器”。
- 你开始评估决策质量。
- 你关注数据、目标和约束条件。
- 你能够清晰地认识到局限性。
它还能帮助你提出更好的问题：
- 代理的目标是什么？
- 它拥有哪些信息？
- 存在什么不确定性？
- 正在做哪些权衡？
这些问题比算法本身更重要。