最大范围
人工智能 AI
让机器完成感知、预测、生成、推理、规划或行动等任务的技术与系统总称。
搜索排序、推荐、机器人、大模型CHOOSE YOUR DEPTH
同一张地图，四种进入方式
不再用一套浅显内容面对所有人。你可以按知识深度进入，也可以随时跨层探索。
THE KNOWLEDGE MAP
先分清层级，再讨论能力
很多争论源于把算法、模型、产品和完整系统混为一谈。下面六层并不是并列关系。
AI 的一类方法
机器学习 ML
不逐条写规则，而是让算法从数据中估计模式，并对新样本作出预测。
分类、回归、聚类、推荐机器学习的一类方法
深度学习 DL
利用多层神经网络自动学习特征表示，尤其适合图像、语音和语言。
CNN、RNN、Transformer可迁移的通用模型
基础模型
在大规模通用数据上训练，可被提示、微调或连接工具以服务大量下游任务。
语言、视觉、多模态模型按条件生成新内容
生成式 AI
学习数据分布后，生成文字、图像、音频、视频、代码或结构化输出。
聊天、绘图、配音、代码生成模型驱动的任务系统
智能体 Agent
围绕目标观察状态、规划步骤、调用工具、记录结果，并在约束下继续行动。
研究助手、编码代理、客服流程FROM 1950 TO 2026
今天的 AI，是多次范式转移的结果
规则、数据、表示学习、预训练、自然语言界面和工具调用，每一步都改变了“人需要告诉机器什么”。
AlexNet 与视觉突破
模型自动学习复杂表示
Transformer
更大规模的预训练成为可能
BERT、GPT 与规模化
一个模型适配多种任务
自然语言成为界面
普通人直接调用模型能力
文本、图像、语音和视频融合
从内容生成到问题求解
AI 进入工作系统
从模型能力到系统能力
START FROM A REAL QUESTION
如果你带着问题而来
EVIDENCE & FURTHER READING
重要内容，回到原始来源
网站提供解释与路径，不替代论文、报告和正式文档。
Alan Turing · Mind · 1950Computing Machinery and Intelligence↗McCarthy, Minsky, Rochester & Shannon · 1955Dartmouth Summer Research Project proposal↗Krizhevsky, Sutskever & Hinton · 2012ImageNet Classification with Deep Convolutional Neural Networks↗Vaswani et al. · 2017Attention Is All You Need↗
查看全部来源 →