AI里的人工究竟指什么？

这是一个非常好的问题，也是理解人工智能整个领域的核心，人工智能中的“人工”指的是由人类创造、设计、构建和控制的,而不是自然形成的。

我们可以从以下几个层面来深入理解“人工”的含义：

核心定义：非自然，人造的

这是最直接的意思，人工智能不是像人类大脑那样经过数百万年自然进化而来的产物，它是工程师、科学家和程序员通过代码、算法和硬件，模仿、延伸甚至超越人类智能而创造出来的系统。

• 对比：人类的智能是“自然智能”（Natural Intelligence, NI），AI 的“人工”正是为了与 NI 相对,强调其人造的起源。

“人工”体现在哪些方面？

“人工”这个概念贯穿了人工智能的整个生命周期,具体体现在以下几个关键环节：

a. 目标设定

AI 的“智能”不是凭空产生的，而是为了解决一个预先定义好的问题,这个目标是由人类设定的。

• 例子：
  • 我们让 AI 下棋，目标就是“赢得比赛”。
  • 我们让 AI 识别图片，目标就是“准确说出图片里是猫还是狗”。
  • 我们让 AI 开车，目标就是“安全、高效地从A点到达B点”。 AI 的所有行为，最终都是为了实现这个由人类设定的“人工”目标。

b. 数据与学习

AI，特别是现代的机器学习和深度学习，需要通过数据来“学习”，但数据本身也是“人工”选择的。

• 数据来源：数据需要由人类去收集、清洗、标注，要训练一个能识别“猫”的AI，我们需要成千上万张由人工标注过“这是猫”的图片。
• 数据偏见：如果训练数据本身就带有偏见（大部分医生都是男性，AI在学习后可能会误判女医生），这种偏见就是“人工”带入的,是AI需要解决的一大问题。

c. 算法与模型

AI 的“思考”方式，即其背后的算法和模型,完全是由人类设计的。

• 算法选择：科学家们会根据不同的问题，选择或设计不同的算法，处理图像问题常用卷积神经网络（CNN），处理序列数据（如语言）常用循环神经网络（RNN）或Transformer。
• 模型架构：模型的“大脑结构”是由人类设计的，虽然AI可以自己调整一些参数（权重）,但整体框架是人类智慧的结晶。

d. 硬件实现

AI 的运行需要强大的计算能力，这些计算硬件（如GPU、TPU）也是“人工”制造的,专门为处理AI算法而优化。

“人工”与“智能”的关系

理解“人工”的关键在于理解它与“智能”的关系：“人工”是手段，“智能”是目标。

• 模仿 vs. 复制：“人工”并不意味着要100%复制人类大脑的生物结构，它模仿的是智能的功能和行为，而不是其物理实现方式，AI通过数学和统计方法来模拟学习、推理、决策等智能表现。
• 工具属性：因为AI是“人工”的，所以它本质上是一种工具，它的能力、边界、风险都由其创造者——人类——来定义和控制，它没有自我意识、情感或主观意图。

“人工”的延伸与哲学思考

随着AI技术的发展，“人工”的边界也在不断被挑战和重新定义。

• “人工”的进化：现在很多AI系统（如强化学习中的AlphaGo）可以通过自我对弈来产生超出人类想象的策略，在这种场景下，AI的“智能”部分是“人工”设定规则后，通过自主探索产生的，这带来了一个有趣的问题：当AI的某些能力远超其创造者时，它还能被称为“人工”智能吗？
  • 回答：是的，因为其根本目标、初始规则和底层框架依然是“人工”的，它只是在“人工”的框架内，实现了自主的、创造性的突破。

人工智能中的“人工”可以概括为以下几点：

1. 起源：由人类创造,而非自然进化。
2. 目标：为解决人类定义的特定问题而存在。
3. 方法：通过人类设计的算法、模型和数据来学习和工作。
4. 本质：是一种强大的工具,其行为和边界由人类掌控。

简单一句话：“人工”强调了AI的“人造”属性，它是人类智慧的结晶和延伸，但始终是服务于人类的工具。

标签： AI人工智能区别 AI人工智能力量 AI人工智能未来