什么是人工智能？

Alexandra Klepper

发布时间：2024 年 2 月 17 日；最后更新时间：2025 年 4 月 22 日

人工智能 (AI) 涵盖许多复杂的新兴技术，这些技术曾经需要人类输入，现在可以由计算机执行。广义而言，AI 是一种非人类程序、模型或计算机，能够展示广泛的问题解决能力和创造力。计算机可以执行高级功能，这些功能过去用于理解和推荐信息。借助生成式 AI，计算机甚至可以生成新内容。

缩写词 AI 通常可互换使用，表示人工智能领域中的各种类型的技术，但 AI 功能可能差异很大。

您可以在此处找到有关在 Web 上实际应用 AI 的术语和概念。 如需详细了解机器学习，请查看机器学习术语表。

AI 是怎么运作的？

训练是每个模型的第一步，在该步骤中，机器学习工程师会构建算法，为模型提供特定输入并演示最佳输出。一般来说，Web 开发者无需执行此步骤，但了解给定模型的训练方式可能会对您有所帮助。虽然可以微调模型，但最好还是花时间选择最适合您的任务的模型。

推理是指模型根据新数据得出结论的过程。模型在特定领域的训练越多，推理生成有用且正确的输出的可能性就越大。但是，无论模型接受了多少训练，都无法保证完全准确的推理结果。

例如，绿灯使用基于 Google 地图数据训练的 AI 模型来了解交通模式。随着收到更多数据，系统会执行推理，以提供优化交通信号灯的建议

AI 在何处运行？

在模型发布之前，AI 训练会先完成。我们可能会进行进一步的训练，以便开发功能更强大或准确性更高的新型模型。

Web 开发者应关注 AI 推理执行的位置。使用 AI 的费用在很大程度上受到推理的影响。单个模型的能力范围也会受到很大影响。

客户端 AI

虽然 Web 上的大多数 AI 功能都依赖于服务器，但客户端 AI 会在用户的浏览器中运行，并在用户的设备上执行推理。这样可以缩短延迟时间、降低服务器端费用、取消 API 密钥要求、加强用户隐私保护，并支持离线访问。您可以使用 JavaScript 库（包括 Transformers.js、TensorFlow.js 和 MediaPipe）实现可在各种浏览器中运行的客户端 AI。

经过优化的小型客户端模型可能会比大型服务器端模型的效果更好，尤其是在针对性能进行了优化时。评估您的使用场景，确定适合您的解决方案。

服务器端 AI

服务器端 AI 涵盖基于云的 AI 服务。可以将 Gemini 1.5 Pro 看作是在云端运行。这些模型通常更大、更强大。这尤其适用于大语言模型。

混合 AI

混合 AI 是指同时包含客户端和服务器组件的任何解决方案。例如，您可以使用客户端模型执行任务，并在任务无法在设备上完成时回退到服务器端模型。

机器学习 (ML)

机器学习 (ML) 是指计算机无需明确编程即可学习和执行任务的过程。AI 力求生成智能，而机器学习则由用于对数据集进行预测的算法组成。

例如，假设我们想要创建一个网站，用于对任何给定日期的天气进行评分。传统上，这项工作由一名或多名气象学家完成，他们可以创建地球大气和地表的表示法，计算和预测天气模式，并通过将当前数据与历史背景进行比较来确定评级。

我们可以改为向机器学习模型提供大量天气数据，直到模型学习到天气模式、历史数据以及有关哪些因素会导致某个特定日期的天气好坏的准则之间的数学关系。事实上，我们是在网络上构建的。

生成式 AI 和大语言模型

生成式 AI 是一种机器学习技术，可帮助用户创作看起来熟悉且模仿人类创作的内容。生成式 AI 使用大语言模型整理数据，并根据提供的情境创建或修改文本、图片、视频和音频。生成式 AI 不仅仅局限于模式匹配和预测。

大语言模型 (LLM) 具有大量（通常是数十亿个）参数，可用于执行各种任务，例如生成、分类或总结文本或图片。

聊天机器人已成为人们使用生成式 AI 的非常流行的工具，包括：

这些工具可以生成书面文字、代码示例和海报图片。它们可以帮助您规划度假、让电子邮件的措辞更温和或更专业，或者将不同组信息分门别类。

开发者和非开发者可以将其用于无数的用例。

深度学习

深度学习 (DL) 是一类机器学习算法。例如，深度神经网络 (DNN) 会尝试模拟人类大脑处理信息的方式。

深度学习算法可以经过训练，将图片中的某些特征与特定标签或类别相关联。经过训练后，该算法便可用于对新图片做出预测，识别出同一类别。例如，Google 相册可以区分照片中的猫和狗。

自然语言处理 (NLP)

自然语言处理是一种机器学习，专注于帮助计算机理解人类语言，从任何特定语言的规则到个人使用的习惯用语、方言和俚语。

AI 面临的挑战

在构建和使用 AI 时，会遇到一些挑战。以下只是您应考虑的一些要点。

数据质量和新近性

用于训练各种 AI 模型的大型数据集通常在使用后很快就会过时。这意味着，在寻求最新信息时，您可以利用提示工程来提升 AI 模型在特定任务上的表现，并生成更好的输出。

数据集可能不完整或太小，无法有效支持某些用例。不妨尝试使用多种工具或根据需要对模型进行自定义，这可能会很有用。

道德和偏见问题

AI 技术令人兴奋，并且具有巨大的潜力。不过，计算机和算法最终是由人类构建的，并使用可能由人类收集的数据进行训练，因此会面临一些挑战。例如，模型可能会学习和放大人类偏见和有害的刻板印象，从而直接影响输出结果。在构建 AI 技术时，务必要将减少偏见作为首要任务。

关于 AI 生成内容的版权，存在许多伦理问题：输出内容的所有者是谁，尤其是在输出内容受到版权内容的严重影响或直接抄袭版权内容的情况下？

在生成新内容和创意之前，请考虑现有政策中关于如何使用您创作的内容的规定。

安全和隐私设置

许多网络开发者表示，在使用 AI 工具时，隐私和安全是他们最关心的问题。这在对数据有严格要求的业务环境（例如政府和医疗保健公司）中尤为重要。使用云 API 向更多第三方披露用户数据是一个问题。请务必确保所有数据传输都安全且持续受到监控。

客户端 AI 可能是解决这些用例的关键。我们还需要进行更多研究和开发。

开始在网页上使用 AI

现在，您已经熟悉了多种类型的人工智能，接下来可以考虑如何使用现有模型提高工作效率并构建更好的网站和 Web 应用。

您可以使用 AI 技术：

预训练 AI 模型是改进网站、Web 应用和工作效率的绝佳方式，无需完全了解如何构建数学模型和收集为最热门 AI 工具提供支持的复杂数据集。

您可能会发现，大多数模型无需进一步调整即可满足您的需求。调优是指对已在大型数据集上训练的模型进行进一步训练，以满足您的特定使用需求的过程。有许多技术可用于调优模型：