×
注意！页面内容来自https://www.cloudflare-cn.com/learning/ai/what-is-artificial-intelligence/，本站不储存任何内容，为了更好的阅读体验进行在线解析，若有广告出现，请及时反馈。若您觉得侵犯了您的利益，请通知我们进行删除，然后访问 原网页
人工智能 (AI) 是指计算机模仿或复制人类认知的能力。
阅读本文后，您将能够：
复制文章链接
人工智能 (AI) 是指计算机等人造机器模仿或复制人类认知任务的能力。拥有 AI 的机器可以进行计算、分析数据以进行预测、识别各种标志和符号、与人类交谈，以及在没有手动输入的情况下帮助执行任务。
例如，传统汽车只对人类驾驶员的输入做出反应：当驾驶员看到红绿灯变绿并踩下油门时，汽车就会加速；当驾驶员看到停车标志并踩下刹车踏板时，汽车就会停在停车标志前。拥有 AI 的自动驾驶汽车可能可以自行识别停车标志和红绿灯，并且可以停车或加速，而无需驾驶员输入。
AI 起源于计算机诞生之初，数学家 Alan Turing 是率先描述人工智能机器如何运转的人之一。此后制造的所有计算机在某种程度上都具有人工智能，因为它们能够执行以前只能由人类完成的计算。然而，近几十年来，计算机的能力、速度和存储容量都已经迅速扩展。如今的“AI”一词是指计算机能够完成的更高级的认知任务。
大多数 AI 都是建立在对大数据集的分析基础上的，这些数据集包含的信息量太大，人类无法在合理的时间内独立分析。建立 AI 模型是为了识别这些数据集中的模式，然后利用这些模式预测未来或其他模式。为此，AI 模型使用概率和统计分析。一些 AI 模型在模仿人类行为方面已经足够出色。
通用人工智能 (AGI) 一词是指计算机能够思考原创的想法、推理、计划和以其他方式复制人类认知。简而言之，AGI 程序的智能本质上像“人类”一样，或者具有“意识”。
一个 AGI 实体已经超越了统计计算的范畴。它能够自主思考并做出决定，以及根据比目前训练 AI 程序所需的小得多的样本进行归纳概括。后者的一个示例是，人类儿童可能只需要看到几十个停车标志的例子，就能够识别各种情况下的停车标志，而目前的 AI 程序需要看到成千上万或数百万张停车标志的图像，才能始终如一地做到这一点。不过，AGI 的学习速度与人类一样快，甚至更快。
在某种程度上，判断是否已经实现 AGI 是一个哲学问题，而不是一个技术问题。但无论 AGI 的定义是什么，大多数研究人员和专家都一致认为，AGI 实用化至少还需要数年时间。
机器学习是 AI 的一个分支，指的是向一个程序提供结构化或标签化数据，以训练该程序如何在没有人工干预的情况下识别这些数据。例如，在打开的冰箱照片中寻找番茄酱瓶的机器学习模型一开始可能无法识别任何调味品，更不用说番茄酱了。然后，它被输入数百万张不同冰箱中番茄酱瓶的图片，并被告知每张图片都代表一个番茄酱瓶。最终，它甚至能在从未见过的照片中自动识别番茄酱瓶。
机器学习依赖于称为算法的预定义过程。机器学习程序在“学习”方面略有不同，具体取决于算法的设置方式。
机器学习还依赖于对大型数据集的访问。如果机器学习程序只看到三四张番茄酱的照片，那么几乎肯定无法持续准确地识别番茄酱瓶，或者会在没有番茄酱的照片中识别出番茄酱。模型获得的数据越多，就越准确。
如今，各式各样的软件和技术解决方案都在使用机器学习。从使用机器学习来检测欺诈和识别机器人的安全解决方案 ，到使用机器学习来推荐内容或帐户以供关注的社交媒体平台，机器学习已被证明是一种非常有用的开发工具。
正如机器学习是 AI 的一种一样，深度学习也是机器学习的一种。深度学习模型能够利用概率分析来识别原始数据中的差异。深度学习模型有可能在没有被告知番茄酱瓶是什么的情况下，仅从打开的冰箱照片中就能学会什么是番茄酱瓶，以及如何将它与其他调味品区分开来。
与其他类型的机器学习一样，深度学习需要访问大型数据集。即使是先进的深度学习模型，也可能需要分析几百万张打开冰箱的照片才能识别番茄酱。
生成式 AI 是一种可以创建文本、图像、音频和视频等内容的人工智能模型。举例来说，生成式 AI 模型可以接收一张空冰箱的照片，并根据过去展示过的照片填充可能的内容。虽然这样的模型生成的内容可能被认为是“新的”，但它是基于以前提供给模型的内容。
生成式 AI 工具越来越受欢迎。特别是大型语言模型 (LLM) ChatGPT 以及图像生成器 DALL-E 与 Midjourney 吸引了全球公众的想象和业界的关注。其他热门的生成式 AI 工具包括 Bard、Bing Chat 和 Llama。
AI 的应用领域仍在不断扩大。下面是目前正在探索的一些实际应用：
数据泄露：AI 服务使用输入数据来进一步训练其模型；它们在设计上没有安全保险库功能。但许多人使用 LLM 的方式会增加数据暴露的风险，包括处理机密信息或封闭源代码。可能会在这些 LLM 的进一步回答中复制或模仿这些数据。
失去对数据的控制：数据一旦上传到 LLM，就不再受个人控制，用户可能无法知道会对所提供输入执行什么处理。例如，如果一位面包师把自己新研制的佛卡恰面包秘方输入 LLM，并要求 LLM 为其面包店的网站撰写一份具有吸引力的说明，他们可能会得到这样一份说明，但面包师的秘方不再是秘密，因为它可能会暴露给 LLM 的其他用户或 LLM 的运营商。
原创内容收益减少：随着 LLM 的使用范围扩大，许多网站的页面访问量大幅下降。这是因为 LLM 可以根据来自第三方网站的数据回答用户的查询，而无需用户离开 LLM 界面。没有来自人类用户的流量，网站就会失去本可获得的广告收入。
幻觉：生成式 AI 工具可能会编造信息以生成回答——这种现象的专业术语是“幻觉”。如果企业不加批判地将这些信息纳入其内容，那么有可能会损害品牌。
过度依赖 AI 进行决策：由于 AI 模型提供的信息并非始终可靠，在决策过程中过度使用 AI 可能会导致做出错误决策。
Cloudflare 数据丢失防护 （DLP） 可帮助组织掌握员工如何使用 AI。DLP 可以限制上传、复制和粘贴以及键盘输入，阻止机密数据离开受保护的安全环境。
Cloudflare AI Audit 让内容创作者和发布者能屏蔽或允许 AI 机器人爬取其内容，甚至对其收费。Cloudflare 托管 robots.txt 服务可帮助网站管理员表明其偏好，即哪些 AI 机器人可访问其内容。
Cloudflare for AI 允许开发人员在 Cloudflare 全球网络上构建和部署新的人工智能应用程序。了解有关 Cloudflare for AI 的更多信息。
人工智能是指计算机等机器具备模拟或复制真人认知任务的能力。配备 AI 的机器可以分析数据，以便进行预测、识别符号、与真人交谈，以及无需手动输入即可帮助执行任务。
目前，大多数 AI 的构建用途是通过分析海量数据集，识别模式/规律（这也称之为机器学习）。然后，AI 模型利用这些已识别的模式/规律并结合概率和统计分析，预测未来的模式。一些高级模型在这方面非常有效，甚至可以模仿真人行为。
机器学习是一种人工智能，其中某个程序通过使用结构化数据或带标签的数据训练，来学习如何自主识别此类数据。深度学习是一种更高级的机器学习类型，它能够识别未经标记的原始数据中的差异并精确找到模式/规律，而无需用户明确告知要寻找哪些内容。
生成式 AI 是一种可以创建文本、图像、音频和视频等内容的 AI 模型。虽然它会生成新内容，但它利用的是该模型之前接受训练的基础数据。
AGI 这个术语的含义是指，理论上，计算机能够独立思考、推理并复制真人的全部认知能力。它通常被描述为具有“意识”或“人类”智能的机器，但大多数专家认为，距离实现这一目标仍需数年。