人工智能三大概念：AI、ML、DL介绍
1 课程概览
本课详细讲解人工智能（AI）、机器学习（ML）、深度学习（DL）三大概念的定义、期望与相互关系，并对比基于规则的学习与基于模型的学习两种方式。通过"找西瓜"的通俗案例帮助理解三者层次，强调机器学习"先训练再预测"的核心思想。
2 核心概念与定义
- 人工智能（Artificial Intelligence, AI）：用计算机模拟人脑，让计算机能够像人类一样理性地思考和行动。
- 机器学习（Machine Learning, ML）：赋予计算机学习能力，而不需要明确编程的研究领域；通过历史数据找规律、找公式，对新数据进行预测。
- 深度学习（Deep Learning, DL）：深度神经网络，大脑仿生设计，一层层神经元模拟万事万物。
- 规则编程（Rule-based Programming）：程序员根据经验手工编写if-else规则进行判断。
- 自动学习（Automatic Learning）：机器从数据中自动学习规律，而非人为编程。
- AI三要素：数据（Data）、算法（Algorithm）、算力（Compute）。
3 算法与模型详解
3.1 AI的四大期望
- 像人一样思考（Think like humans）
- 像人一样理性思考
- 像人一样行动
- 像人一样理性行动
核心定义：用计算机模拟人脑，让计算机能够像人类一样理性的思考和行动。
3.2 机器学习的核心思想
六字真言：先训练，再预测
- 训练阶段：输入历史数据（文本、图片、音频、视频等），模型找规律、找公式。
- 预测阶段：输入新数据，基于训练得到的规律和公式进行预测。
中间还应包含评估环节：先训练→再评估→再预测。
3.3 深度学习的特点
- 基于大脑仿生设计，一层层神经元模拟。
- 数据从输入开始，经过一层一层的处理，最终得到结果。
- 结果更加精准，需要构建自己的知识库。
- 典型应用：知识图谱。
3.4 AI、ML、DL的层次关系
| 概念 | 通俗理解（找西瓜案例） | 核心任务 |
|---|---|---|
| AI（人工智能） | 给一张图片，判断是否是西瓜 | 用计算机模拟人脑 |
| ML（机器学习） | 基于大量西瓜素材，总结规律，挑选好西瓜 | 找规律、找公式 |
| DL（深度学习） | 基于西瓜价格、产地、口感等搭建知识库，辨别西瓜种类 | 大脑仿生，分门别类 |
包含关系：人工智能 ⊃ 机器学习 ⊃ 深度学习。机器学习是实现人工智能的一种途径，深度学习是机器学习的一种方法。
3.5 两种学习方式对比
| 比较维度 | 基于规则的学习 | 基于模型的学习 |
|---|---|---|
| 实现方式 | 程序员手写if-else规则 | 机器从数据中自动学习 |
| 典型场景 | 判断垃圾邮件（检查发件人、正文二维码、银行卡号等） | 机器学习各类算法 |
| 优点 | 逻辑清晰 | 可处理复杂场景，容错性好 |
| 缺点 | 规则可能有遗漏，容错性差 | 需要大量数据 |
4 数学原理与推导
本课无数学推导，但提到后续将涉及导数、偏导数知识。
5 代码示例
本课无代码示例。
6 重难点与易错提醒
- ❗重点：AI、ML、DL为包含关系——人工智能包含机器学习，机器学习包含深度学习。
- ❗重点：机器学习核心思想为"先训练再预测"（中间含评估环节）。
- ❗重点：AI三要素——数据、算法、算力，三者缺一不可。数据排第一位，因为训练集质量直接影响模型准确度。
- ⚠️易错：深度学习底层主要用到强化学习方式，严格意义上属于机器学习的一个分支。
- 💡深入理解：人类成长过程可类比AI模型——接触数据越多，越智能。两岁小孩踩水坑是因为接触数据少，长大后不踩水坑是因为经验（数据）丰富了。
7 课堂问答精选
Q: 人类如何做到理性思考？这与机器学习有什么关系？
A: 人类并非天生就能理性思考，而是通过不断接触历史数据（经验）来学习。例如小孩摸火被烫后，下次就不会再摸。机器学习同理——基于历史数据找规律，对新问题进行预测。
Q: 如果训练集有问题，会影响模型吗？
A: 会严重影响模型的准确度和精确度。因此数据在AI三要素中排第一位。
8 本课小结
- AI = 用计算机模拟人脑，让计算机像人类一样理性思考和行动。
- ML = 先训练再预测，基于历史数据找规律、找公式。
- DL = 大脑仿生，一层层神经元模拟万事万物，搭建知识库。
- 三者为包含关系：AI ⊃ ML ⊃ DL。
- 学习方式分两种：基于规则（手写if-else）和基于模型（自动学习），机器学习属于后者。
9 延伸思考与实践
- 思考：为什么说"吃一堑长一智"体现了机器学习的核心思想？
- 思考：基于规则的学习和基于模型的学习，各自适合什么业务场景？
- 延伸：了解知识图谱项目，思考深度学习如何搭建知识库。