什么是 AI（人工智能）

它解决什么问题

把人做的判断变成机器能执行的过程：识别、分类、生成、决策。

三个层次，越往下越具体

1. 规则系统：人把判断写成 if-else。可解释、可控，但覆盖不了长尾，改一条规则要改代码。
2. 机器学习：不写规则，给例子，让程序自己拟合出输入到输出的关系。
3. 大模型：在海量数据上预训练一个通用模型，再用提示或微调适配具体任务——今天大多数「AI 产品」都在这一层。

三层不是替代关系。今天的产品里，规则、机器学习、大模型常常同时存在：模型负责理解，规则负责兜底和校验。

三个常见误解

• 「AI 就是大模型」：不是。大模型是当前最主流的一类，但推荐系统、风控模型、语音识别也都是 AI。
• 「定时任务就是 AI」：不是。按时间执行是自动化，没有从数据里学到任何东西。
• 「它在理解我说的话」：它在做统计预测。效果好不代表它理解，出错时也不代表它「没听懂」。

和自动化的区别

对比	规则/自动化	机器学习	大模型
规则从哪来	人写	从数据里拟合	预训练 + 提示/微调
输入	结构化	特征	自然语言
长尾表现	没写过就失败	取决于训练数据	能泛化，但会编
出问题怎么修	改规则	补数据、重训	改提示、补材料、换模型

延伸阅读

• 最主流的一类：什么是 LLM
• 机器怎么从数据里学：什么是机器学习