资源介绍
视频数量：9个
总时长：1小时12分
课程介绍：
认识狭义人工智能与通用人工智能
你有没有想过一个问题：你手机里的人脸识别解锁功能，和科幻电影里那些能思考、会创造的机器人，用的都是同一种技术吗？答案可能会让你意外——它们虽然都叫人工智能，但实际上分属两个完全不同的世界。一个只能在固定范围内重复做一件事，另一个却梦想着像人类一样全能思考。这就是我们今天要聊的主题：狭义人工智能和通用人工智能。
这门课只有九段视频，加起来一个多小时，篇幅不长，但把这两个概念讲得清清楚楚。课程来自Process Lab，内容很实在，不跟你绕弯子，直接告诉你这两种人工智能到底是什么、有什么区别、各自能做什么、现在发展到哪一步了。
先说说什么是通用人工智能。你可以把它的英文缩写AGI记住，以后看到不会陌生。通用人工智能的终极目标，是让机器像人一样思考和学习。它有几个关键特征，首先是能够学习多种不同的任务，不像那些只会一件事的程序；其次是需要很少的人工干预，它自己能判断该怎么做；第三是能处理结构化数据和非结构化数据，表格数据它看得懂，自然语言、图像这些乱七八糟的信息它也能理解；第四是能从反馈中学习和纠正，做错了能自己调整；第五是支持在线学习，就是能边用边学，实时更新自己的知识；最后是能从模拟环境和真实世界中同时获取经验。简单来说，通用人工智能追求的是一种全能型的智能，理论上它应该能在任何领域都表现得像人类一样好，甚至比人类更好。
不过现实很骨感。虽然通用人工智能听起来很美好，但实现它面临巨大的挑战。课程专门用了一整节来讲这个话题。到底难在哪里？数据的完整性和质量是一大难题，通用人工智能需要处理不完整的信息，还需要强大的推理能力和常识理解，这些目前都是技术上的硬骨头。还有算力问题、能耗问题、安全问题，每一个都不是短时间能解决的。所以虽然我们经常在新闻里看到各种AI突破，但要真正达到通用人工智能的水平，还有很长的路要走。
然后说狭义人工智能，也叫专用人工智能或者窄域人工智能。这个词你可能听着陌生，但它的应用你肯定天天都在接触。人脸识别、语音助手、机器翻译、垃圾邮件过滤，这些全都是狭义人工智能的典型应用。它的特点是什么呢？它专注于完成一个特定的任务，而且通常做得又快又准。比如下棋的程序就只会下棋，让它去识别图片它完全不行；人脸识别系统能在一秒内从几万张照片里找到目标，但要它理解照片里的内容讲了什么故事，它就傻眼了。
狭义人工智能的工作方式也很特别。它需要大量标注过的训练数据，什么叫标注？就是人工给数据打上标签，告诉机器这张图是猫、那张图是狗。没有这些标注数据，机器就不知道自己在学什么。同时它只能在预先设定好的边界内工作，超出这个范围它就束手无策。另外一个关键点是，狭义人工智能缺乏对真实世界的深层理解，它能执行分析任务，但不一定真正“懂”自己在做什么。好处是，因为只专注一件事，所以效率极高，精度也可以很高。
课程里通过两个具体例子帮你加深理解。一个是Open AI的例子，让你看看当前最先进的通用型AI系统长什么样，它们的能力边界在哪里。另一个是狭义人工智能的应用案例，展示像智能推荐系统这样的技术是怎么工作的。你有没有发现，当你打开某个视频网站，它总能精准地给你推荐你感兴趣的内容？背后就是推荐系统在起作用，它分析你的观看历史、点赞记录、停留时长，然后猜测你可能喜欢什么。这个系统每天处理海量数据，在毫秒级别内做出判断，这就是狭义人工智能的典型应用场景。
还有一个很实用的例子是AI聊天机器人用于常见问题解答。很多公司现在都用这种机器人来回答客户的常规咨询，比如查询订单、修改密码、提供产品信息。课程会带你了解这类机器人是怎么搭建的，它需要哪些技术支持，以及它的局限性在哪里。
学完这门课，你会对当前人工智能的发展格局有一个清晰的认识。你会明白为什么AlphaGo能战胜所有围棋高手却不知道自己在下棋，你会理解为什么现在的AI助手能陪你聊天却写不出一篇真正有见解的文章，你也会知道为什么很多科学家认为通用人工智能还只是一个遥远的梦想。这个认知很重要，它能帮助你理性地看待AI技术的现状和局限，不会被各种夸张的宣传误导，也不会对AI的潜力视而不见。
整门课的信息量不小，但节奏控制得不错。每个概念都配合具体的例子来讲解，不是干巴巴地讲定义，字幕里那些自问自答的讲解方式虽然看起来有点简单，但确实能帮助理解。课程不要求你有技术背景，只要你对人工智能感兴趣，想搞清楚那些经常被混为一谈的概念，这门课就是为你准备的。一个多小时的时间，换来对这些核心概念的清晰理解，这笔时间花得很值。