哪些技术不属于人工智能AI范畴？

由机器展现的、通常需要人类智能才能完成的智能行为，这包括学习（从数据中获取知识）、推理（运用规则进行逻辑判断）、感知（理解图像、声音、语言）、规划（制定行动计划）和创造（生成新内容）等能力。

基于这个定义，我们可以将事物分为以下几类，其中不属于人工智能的是：

明确不属于人工智能的类别

非智能的程序或脚本

这类程序严格遵循预设的、固定的指令序列，没有任何学习、推理或适应能力，它们是“死”的代码,执行的是确定性任务。

• 例子：
  • 计算器： 你输入 2 + 2，它就执行预设的加法运算，它不会“学习”到 2 + 2 总是等于 4，也不会因为输入 3 + 3 而变得更擅长加法。
  • 简单的网页表单： 检查邮箱格式是否正确,只是一个固定的字符串匹配规则。
  • 批处理脚本： 自动执行一系列预定义的文件操作，如复制、删除、重命名文件。

基于规则的系统（专家系统）

这是一个非常重要的区别点，早期的AI研究主要集中在基于规则的系统上，但现代AI（特别是机器学习）已经超越了它。

• 特点： 这类系统依赖于人类专家编写的“那么”（If-Then）规则库来做出决策，它不能从数据中自动学习新规则,只能执行被明确编程的逻辑。
• 例子：
  • 简单的邮件过滤器： 如果邮件标题包含“中奖”，那么将其移至垃圾箱，这是一个明确的规则,不是AI。
  • 旧式的电脑游戏AI： 比如早期《红色警戒》里的敌人，如果玩家靠近某个点，敌人就攻击,这是固定的行为脚本。
  • 专家系统： 用于医疗诊断的早期系统，医生输入症状，系统根据预设的知识库（如“如果发烧且咳嗽，则可能是感冒”）给出建议,它没有学习能力。

为什么它和现代AI不同？ 现代AI（如深度学习）能从海量数据中自动发现规则和模式，而不是依赖人类手动编写，现代的垃圾邮件过滤器能通过学习数百万封邮件样本，自己学会识别垃圾邮件的各种复杂特征，而不仅仅是“中奖”这两个字。

自动化工具

自动化强调的是执行重复性任务以提高效率，而AI强调的是执行需要认知能力的任务，自动化是AI的一种应用,但自动化本身不等于AI。

• 例子：
  • 机器人流程自动化： 模拟人类在软件界面上的点击、输入、复制粘贴等操作，来完成重复性的办公流程，它是在“模仿”动作，而不是在“思考”。
  • 工业流水线机械臂： 重复执行焊接、喷漆等固定动作，它没有感知和适应能力，如果产品位置稍有偏差，它可能就会出错（除非配备了视觉传感器等AI组件）。

容易混淆但属于AI的类别

为了更好地理解，我们看看哪些属于AI,这能帮助我们划清界限。

机器学习

这是现代AI的核心，它让计算机能够从数据中学习,并利用学习到的模型进行预测或决策。

• 例子：
  • 人脸识别： 通过学习数百万张人脸图片,模型能够识别出一张新照片中的人是谁。
  • 垃圾邮件分类： 如上所述，通过学习邮件内容,自动判断是否为垃圾邮件。
  • 推荐系统： 如淘宝、Netflix，根据你的历史行为和相似用户的行为,学习你的偏好并推荐商品或电影。

自然语言处理

让计算机理解、解释和生成人类语言的能力。

• 例子：
  • ChatGPT / 文心一言等大语言模型： 它们通过学习海量文本数据，学会了理解问题、进行推理、生成流畅且符合逻辑的回答。
  • 智能客服机器人： 能理解用户的问题，并给出相应的解答,而不是简单地匹配关键词。
  • 谷歌翻译： 利用神经网络模型理解一种语言的语义,并翻译成另一种语言。

计算机视觉

让计算机“看懂”图像和视频。

• 例子：
  • 自动驾驶汽车的障碍物检测： 实时分析摄像头画面，识别出车辆、行人、交通标志等。
  • 医学影像分析： 辅助医生在X光片或CT扫描中识别肿瘤或病变。

总结表格

最不属于人工智能AI的是严格遵循预设指令、没有任何学习或推理能力的程序，例如计算器，而那些能够从数据中学习、进行推理、感知世界的系统，如机器学习、自然语言处理等,则属于人工智能的范畴。

标签： 哪些技术不属于人工智能AI范畴 人工智能AI范畴外技术有哪些 非人工智能AI技术有哪些