启程：什么是人工智能，以及你将如何学会它

你几乎每天都在使用人工智能：手机相册自动把“人”“猫”“风景”分组；输入法猜你下一句话；短视频平台知道你会停留在哪一条；客服机器人能回答常见问题；会议软件能把语音实时转成文字。它们看起来像“魔法”，但学习人工智能的关键，是把这层魔法拆成一套可理解、可复现、可迭代的工程流程：数据 → 模型 → 训练 → 评估 → 部署。从这一章开始，你将用同一套心智模型，贯穿推荐、搜索、语音、图像到生成式 AI，并最终能自己做出“能跑、能评估、能上线”的 AI 小系统。

人工智能、机器学习、深度学习：三者到底是什么关系？

很多初学者在第一步就被名词吓退：AI、ML、DL、LLM、AIGC……信息越多越焦虑。先用一句话建立关系：

• **人工智能（AI）**：让机器表现出“智能行为”的总体目标与方法集合。
• **机器学习（ML）**：实现 AI 的一条主流路径——不靠人手写死规则，而是从数据中学出规律。
• **深度学习（DL）**：机器学习的一类方法——用多层神经网络学习复杂表示，尤其擅长图像、语音、文本等高维数据。

可以把它们想成一个同心圆：

```mermaid graph TD A[人工智能 AI] --> B[机器学习 ML] B --> C[深度学习 DL] C --> D[生成式模型/大模型 LLM 等] ```

为什么“只懂概念”不够？

因为这些词的边界不是考试题，而是工程选择题。比如：

• 你要做一个“根据用户最近点击，推荐相似商品”的功能：传统机器学习就能很好解决。
• 你要做“从一段会议录音生成会议纪要”：通常需要深度学习（语音识别 + 大模型总结）。
• 你要做“输入一句话生成海报”：生成式模型更合适。

这本书会把“术语”转化为“决策”：什么任务该选什么模型、需要什么数据、指标怎么选、如何落地。

应用版图：你将在哪些典型场景里反复遇到同一套套路？

AI 不是一门只存在于论文里的技术，它的价值在于解决问题。先把常见应用地图画出来，你会发现它们底层逻辑惊人一致。

推荐系统：把“信息过载”变成“精准匹配”

• **典型问题**：给用户推荐视频/商品/文章。
• **输入数据**：用户行为（点击、停留、购买）、物品信息（标题、类目、图文）。
• **输出形式**：一个排序列表（Top-N）。
• **常见指标**：AUC、NDCG、CTR 提升、转化率等。

> 侧边栏：推荐系统的“魔法”通常不是单一模型，而是“召回 + 粗排 + 精排 + 重排”的组合工程。你会在后续章节用同一套“数据—模型—评估”的视角把它拆开。

搜索：把“输入的词”变成“想要的答案”

• **典型问题**：用户搜“适合新手的相机”，系统给出相关结果并排序。
• **核心难点**：相关性不等于包含关键词；语义匹配、意图理解、时效性都很关键。
• **常见技术**：倒排索引（传统信息检索）+ 学习排序 + 语义向量检索（embedding）。

语音：把声音变成文字与意图

• **典型问题**：语音转文字、语音指令控制、客服通话质检。
• **关键**：噪声、口音、领域词（专业名词）会显著影响效果。
• **常见指标**：字错率（WER）、意图识别准确率等。

图像：把像素变成“可理解的结构”

• **典型问题**：分类（这是什么）、检测（在哪）、分割（每个像素属于谁）。
• **应用**：安防、工业质检、医疗影像、内容审核。
• **常见指标**：Accuracy、mAP、IoU 等。

生成式 AI：把“指令/上下文”变成“新内容”

• **典型问题**：对话问答、写作辅助、代码生成、图像生成、视频生成。
• **与传统 AI 的差异**：不仅“判断”，还要“生成”；不仅“拟合标签”，还要“学习世界知识与语言规律”。
• **新挑战**：幻觉、提示注入、对齐、安全、成本与延迟。

到这里你应该得到一个重要直觉：应用千差万别，但学习路径可以统一。统一在哪里？统一在接下来这套全流程心智模型。

贯穿全书的心智模型：数据—模型—训练—评估—部署

如果你只记住本章一个框架，就记住这个。任何 AI 项目，都可以被拆成五个可检查的环节：

```mermaid flowchart LR A[数据 Data] --> B[模型 Model] B --> C[训练 Train] C --> D[评估 Evaluate] D --> E[部署 Deploy] D -->|反馈| A E -->|线上数据/漂移| A ```

1）数据：AI 的上限往往由数据决定

数据不只是“越多越好”，而是要回答三个问题：

1. 你要预测什么？（标签/目标是什么） 2. 你允许用什么信息预测？（特征来自哪里，是否合规） 3. 数据分布是否代表未来？（训练集与真实线上是否一致）

常见数据形态包括：

• 表格数据：用户属性、交易记录、传感器数值（传统机器学习强项）。
• 文本数据：评论、客服对话、合同条款（大模型强项）。
• 图像/视频：质检照片、医学影像（深度学习强项）。
• 语音：通话录音、会议音频（深度学习强项）。

> 关键提醒：很多“模型效果差”的根因其实是数据问题，比如标签噪声、采样偏差、泄漏（把未来信息当特征用）等。本书会反复强调：先把数据审对，再谈调参。

2）模型：先选“合适的”，再选“更强的”

模型是把输入映射到输出的函数。以分类为例，你可以把模型理解为：

$$\hat{y} = f(x;\theta)$$

其中 $x$ 是特征，$\theta$ 是参数，$\hat{y}$ 是模型输出（概率或类别）。

初学者常犯的错误是“上来就用最复杂的模型”。更好的策略是：

• 先做一个**可解释、可调试的基线模型**（如逻辑回归、决策树）。
• 再逐步升级复杂度（如 XGBoost、神经网络）。
• 每升级一次，都要能说明“为什么提升、成本是多少、线上能否承受”。

3）训练：把“猜”变成“学”

训练的本质是：定义一个损失函数（loss），用优化算法最小化它。例如二分类常见损失是交叉熵：

$$ \mathcal{L} = -\frac{1}{N}\sum_{i=1}^{N}\left[y_i \log \hat{p}_i + (1-y_i)\log(1-\hat{p}_i)\right] $$

你不需要一开始就推导所有公式，但要知道训练至少包含：

• **损失函数**：衡量错得有多离谱。
• **优化方法**：如何更新参数（如梯度下降）。
• **正则化/早停**：防止过拟合。
• **训练/验证划分**：防止“自嗨式准确率”。

4）评估：用指标把“看起来不错”变成“真的有用”

评估不是“看训练准确率”，而是回答：

• **模型在没见过的数据上表现如何？**（泛化能力）
• **错在哪里？错得贵不贵？**（业务代价）
• **与基线相比提升多少？**（可量化收益）

常见误区是只盯一个指标。比如分类任务：

• Accuracy（准确率）在类别极不平衡时会骗人（比如 99% 都是正常样本）。
• Precision/Recall/F1 更能反映“错判的代价”。
• AUC 更关注排序能力（推荐/广告常用）。

> 快速判断：当“漏掉坏样本”代价很高（风控、医疗），更关注 Recall；当“误杀好样本”代价很高（内容审核误封），更关注 Precision。

5）部署：从 Notebook 走向真实世界

部署是初学者最容易忽略的一环，但它决定了你能否把模型变成产品能力。部署至少包含：

• **推理接口**：给定输入，返回输出。
• **版本管理**：模型/特征/代码如何对应。
• **监控与回滚**：线上分布漂移、延迟、错误率。
• **持续迭代**：线上数据回流，形成闭环。

你会在后续章节逐步学习：如何保存模型、如何做最小可用 API、如何监控指标，以及为什么“上线后效果变差”是常态而不是意外。

初学者常见误区：你需要刻意避免的坑

下面这些坑几乎每个学习者都会踩一遍。提前知道它们，会显著缩短你的学习曲线。

误区一：只背概念，不做实验

AI 是一门“可运行的技术”。你真正需要掌握的是：

• 能把数据读进来、看明白分布；
• 能训练出一个基线模型；
• 能用指标评估好坏；
• 能对单条样本做推理解释。

本书每章都会安排“最小实验”，你可以用 30–60 分钟跑通。跑通一次胜过看十遍定义。

误区二：只调参，不懂指标

调参像“拧螺丝”，指标像“仪表盘”。没有仪表盘，你永远不知道车到底快了还是更耗油。你需要建立两个习惯：

• 每次尝试只改少量因素（一次只改一个关键点）。
• 每次都记录指标与结论（形成可复盘的实验日志）。

误区三：迷信大模型，忽视数据与业务目标

生成式 AI 很强，但不是万能钥匙。很多业务问题：

• 需要严格可控的错误率；
• 需要稳定延迟与成本；
• 需要可解释或可审计；
• 需要在小数据、强约束下工作。

这时传统机器学习可能更合适，或者是“传统模型 + 大模型”的组合。技术选择永远服务于目标与约束。

误区四：忽略基线与对照实验

如果你没有基线，就无法判断改进是否真实有效。基线可以很朴素，例如：

• 规则：按销量排序；
• 统计：用平均值预测；
• 简单模型：逻辑回归/朴素贝叶斯。

只要能跑通流程，它就是你的“地平线”。后续所有提升都能被量化。

本书的实践方式与环境建议：把学习变成可持续的工程

你需要哪些工具？

• **Python**：AI 学习的通用语言。
• **Notebook（Jupyter/VS Code）**：适合边写边运行边记录。
• **包管理**：建议 `conda` 或 `uv/pip`，保证环境可复现。
• **核心库**（按阶段）：
• 入门：`numpy`、`pandas`、`scikit-learn`、`matplotlib`
• 深度学习：`PyTorch`（本书后续会逐步引入）
• 生成式 AI：`transformers` 等（后续章节讨论）

> 提示：环境最重要的不是“最新”，而是“稳定可复现”。你应该能回答：我用的 Python 版本是多少？依赖版本是什么？代码在另一台机器能否跑起来？

需要 GPU 吗？什么时候需要？

先给一个实用判断标准：

• **不需要 GPU 的情况**：你在学习表格数据、传统机器学习、做小规模实验、理解指标与流程（本章示例就是）。
• **建议使用 GPU 的情况**：训练卷积网络做图像、训练/微调较大的文本模型、需要更快的实验迭代。
• **必须 GPU 的情况**：训练中大型深度模型（尤其是生成式模型）或做大量推理。

如果你暂时没有 GPU，有三个替代方案：

1. 云 Notebook：如 Colab（适合入门快速体验）。 2. 本地 CPU 也能学：先把全流程跑通，再升级硬件。 3. 小模型小数据：用缩小版任务训练同样的技能。

建议的学习节奏：每章三步走

1. 读懂概念：能用自己的话复述。 2. 跑通实验：能得到可复现的指标输出。 3. 写下复盘：用 Markdown 记录“我做了什么、为什么、结果如何、下一步是什么”。

你会发现：第三步最容易被忽略，但它决定了你是否真正掌握。

一个最小可运行的端到端示例：加载数据 → 训练 → 评估 → 推理

下面用一个经典且轻量的二分类任务演示完整流程：预测肿瘤是良性还是恶性（数据来自 `scikit-learn` 内置数据集，离线可用）。你不需要医学背景，把它当成“特征 → 标签”的分类问题即可。

> 你应该把这一段代码当成“模板”。后面你做推荐、搜索、文本分类，流程都类似：换数据、换特征、换模型、换指标。

第一步：准备环境

如果你本地还没有相关库：

```bash pip install -U scikit-learn pandas numpy matplotlib joblib ```

第二步：写一段能跑通的代码（建议直接放进 Notebook）

```python import numpy as np import pandas as pd

from sklearn.datasets import load_breast_cancer from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.linear_model import LogisticRegression from sklearn.metrics import classification_report, roc_auc_score from sklearn.pipeline import Pipeline import joblib

1) 加载数据

data = load_breast_cancer() X = pd.DataFrame(data.data, columns=data.feature_names) y = pd.Series(data.target) # 0/1，含义见 data.target_names

print("样本数:", X.shape[0], "特征数:", X.shape[1]) print("类别分布:\n", y.value_counts())

2) 切分训练集/测试集（模拟“未见过的新数据”）

X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42, stratify=y )

3) 定义一个最小可用模型：标准化 + 逻辑回归

Pipeline 的好处：训练和推理会复用同一套预处理

model = Pipeline(steps=[ ("scaler", StandardScaler()), ("clf", LogisticRegression(max_iter=2000)) ])

4) 训练

model.fit(X_train, y_train)

5) 评估

y_pred = model.predict(X_test) y_proba = model.predict_proba(X_test)[:, 1] # 预测为 1 的概率

print("\n分类报告：") print(classification_report(y_test, y_pred, digits=4))

auc = roc_auc_score(y_test, y_proba) print("ROC-AUC:", round(auc, 4))

6) 推理：对单条样本做预测

one = X_test.iloc[[0]] pred_label = model.predict(one)[0] pred_prob = model.predict_proba(one)[0, pred_label] print("\n单条样本预测：label =", pred_label, "prob =", round(float(pred_prob), 4))

7) 保存模型（部署前的关键一步）

joblib.dump(model, "baseline_logreg.joblib") print("\n模型已保存：baseline_logreg.joblib") ```

第三步：你应该从这个示例学到什么？

不要急着追求“更高分”，先确认你理解了每个环节在做什么：

• **数据**：`X` 是特征表，`y` 是标签；你看过了类别分布，避免被“全是某一类”的数据误导。
• **模型**：选择了可解释的逻辑回归作为基线；用 `Pipeline` 防止预处理不一致。
• **训练**：`fit` 发生在训练集上；你知道训练的目的不是记住数据，而是学规律。
• **评估**：在测试集上输出 `classification_report` 和 AUC；你知道指标来自“未见过数据”才有意义。
• **推理**：你能对单条样本做预测，理解“概率输出”与“类别输出”的区别。
• **部署雏形**：你把模型保存成文件，这是上线的第一步（后续会扩展为 API 与监控）。

> 小练习（强烈建议做）：把 `LogisticRegression` 换成 `RandomForestClassifier`，再比较 AUC 与推理速度。你会开始形成“效果—成本”的工程视角。

三件套阅读方式：把知识变成可用资产

同样的内容，用不同载体会产生不同的学习效果。本书采用“三件套”不是形式主义，而是为了让你在不同场景下效率最高。

纸书：用于“系统学习”和“长链条理解”

纸书的优势是连续、专注、结构稳定。建议用法：

• 按章节顺序阅读，建立整体框架；
• 在关键框架处做标记（例如本章的五段式流程）；
• 不追求一次看懂所有细节，先抓住主线。

电子版：用于“跳转”和“扩展”

电子版适合：

• 点击链接扩展背景（例如指标解释、工具文档）；
• 快速搜索关键词回到某个概念；
• 在碎片时间复习某个小节。

你可以把电子版当成“可检索的知识库入口”。

Markdown：用于“复盘”和“构建个人知识库”

Markdown 是最容易被长期积累与复用的格式。建议你为每章建立一个自己的笔记文件，固定三段结构：

1. 我学到了什么（用 5–10 条要点写出来） 2. 我跑通了什么（贴上关键代码或命令） 3. 我还不懂什么（列问题清单，后续回填）

长期坚持，你会得到一份真正属于你的 AI 路线图：可检索、可迭代、可迁移到新项目。

本章小结：你已经迈出了正确的第一步

到这里，你已经获得了全书最重要的“导航系统”：

• 你能区分 AI、机器学习、深度学习，并理解它们是选择题而不是背诵题。
• 你看到了推荐、搜索、语音、图像、生成式 AI 的应用版图，并意识到它们共享底层方法论。
• 你掌握了统一的五段式流程：数据 → 模型 → 训练 → 评估 → 部署，并知道每一段怎么检查、怎么避免常见坑。
• 你已经跑通了一个端到端的最小示例：从加载数据到保存模型，完成闭环。

接下来，你要做的不是立刻追逐最复杂的模型，而是把这套流程变成肌肉记忆：每学一个新概念，都能落到“我能用它做一个小实验，并用指标验证”。下一步，我们将从数据与问题定义入手：如何把一个模糊的需求，转化成可训练、可评估、