2、构建人工智能产品的基础设施与工具解读

构建人工智能产品的基础设施与工具解读

1. 人工智能的定义

1950 年，数学家兼二战英雄艾伦·图灵在论文《计算机械与智能》中提出“机器能思考吗？”的问题，至今我们仍在探讨。对于不同的人，人工智能有不同的含义。在互联网上，从医疗和金融领域的专家系统，到面部识别、自然语言处理和回归模型，都与人工智能相关。

在各行业的产品应用中，我们主要关注机器学习（ML）和深度学习（DL）模型。我们用 AI/ML 来涵盖一系列机器学习应用，包括深度学习、计算机视觉、自然语言处理和面部识别等，这些是行业中常见的应用，产品经理熟悉这些应用有助于进入人工智能领域。

判断是否为机器学习，关键在于机器是否从过去的行为中学习且成功率是否因此提高。如果有固定不变的硬编码规则，则不属于机器学习。例如，规则引擎或专家系统虽属于人工智能范畴，但它们只是复制人类的工作，系统本身不会自主学习或改变，所以不是机器学习。

目前，人工智能的应用处于一个复杂的阶段。市场上很多产品急于贴上 AI 标签，但缺乏对其含义的清晰解释，这让消费者和技术人员都感到困惑。此外，人们对人工智能的概念也存在误解，很多人会联想到 80 年代的《终结者》系列电影以及对科技毁灭的未来描绘，这其实是强人工智能（AGI）的概念。而目前我们拥有的大多是弱人工智能，也称为狭义人工智能（ANI）。

ANI 只是人工智能的狭义应用，比如擅长与人对话、预测未来值或组织事物，但它的能力局限于特定领域。目前所有存在的人工智能实际上都是弱人工智能，强人工智能尚未实现。需要明确的是，虽然不存在有感知能力的人工智能，但不道德、随意的人工智能应用已经给人类带来了不便和困扰。构建符合道德和负责任的人工智能仍在发展中。

2. 机器