AI、机器学习、神经网络：分清楚

“AI 入门”课程第 1 课，共 23 课。免费，有动画和小测验。

四个词，一套套娃

AI，即人工智能：任何能做“聪明”事情的程序。它里面是机器学习（ML）：靠例子学习的程序。机器学习里面是神经网络：这样学习的一种非常强大的方法。神经网络里面是语言模型（LLM），也就是处理文字的神经网络，比如 ChatGPT。一句话：每一圈都比外面那圈更窄。

规则 vs 例子

普通程序按人写好的规则运行。例如：“订单超过 100 美元就打折”。机器学习正好相反：你给模型成千上万个带正确答案的例子，规则由它自己找出来。这里的“模型”就是训练之后得到的程序。陷阱：如果例子里有错，就像图里那张红色卡片，模型也会把错误学进去。

机器学习早就在你手机里

垃圾邮件过滤器是用人们标记为垃圾的邮件训练出来的。TikTok 的推荐会根据你看完了什么、划走了什么来学习。人脸解锁是用海量人脸照片训练的。套路都一样：大量带标签的例子，标签就是正确答案，比如“垃圾邮件”或“正常邮件”。模型从中找出规律，再用到新情况上。

什么时候不需要机器学习

AI 这个外圈比机器学习更大：简单游戏里的敌人机器人，常常就是靠人手写的规则运行的，这很正常。如果任务能用几条清楚的规则说明，比如“按这个税率算税”，规则更好：更便宜、更好懂，也不会随机出错。只有当规则说不清、例子很多、偶尔出错也不要紧时，才值得用机器学习。

那 ChatGPT 在哪一圈

ChatGPT、Claude 和 Gemini 都在最小的那一圈：它们是语言模型。它们用海量文字训练，学会猜接下来该出现哪一小块文字。回答问题、翻译、做笔记摘要、写代码，都是从这个简单技能长出来的。剧透：课程后面会讲模型到底怎么挑词，以及它为什么有时会很自信地答错。

自测一下

1. 机器学习和普通程序有什么不同？
   正确答案: 规则由模型自己从例子里找出来. 机器学习里，人提供带正确答案的例子，规律由模型自己找。手写规则是普通程序的做法。
2. 神经网络和语言模型是什么关系？
   正确答案: 语言模型是处理文字的一种神经网络. 语言模型在神经网络那一圈里面：它们是用文字训练的神经网络，而不是反过来。
3. 商店对 50 美元以上的订单打九折。用什么实现最好？
   正确答案: 在代码里手写一条简单规则. 这个条件就是一条清楚的规则。规则更便宜、更好懂，也不会随机出错；用机器学习只会增加出错风险。

神经网络如何“思考” →