人工智能入门文档深度页
人工智能是什么
从理性行动、任务环境与可验证目标理解人工智能，而不是把 AI 等同于单一模型。
学习目标
- 能说明人工智能是什么解决什么问题，以及何时适用。
- 能解释为什么“把 AI 等同于聊天机器人”是误区。
学习前需要掌握
概率与逻辑基础内容待补充
背景与问题
AI 同时包含符号推理、搜索规划、统计学习、生成模型和智能体系统，不同路线解决的问题与证据标准不同。
概念定义
人工智能研究和构建能够感知环境、表示信息、推理或学习，并采取行动以实现目标的系统。
直观理解
AI 像一套解决问题的工程学：先定义“什么算完成”，再选择表示、算法、模型与行动机制。
核心原理
任务必须先被表示为可观察输入、内部状态、候选行动与成功标准。
理性并不要求永远正确，而是在有限信息与资源下选择预期效用较高的行动。
生成结果需要由评测、约束或外部事实验证，流畅度不是正确性的充分证据。
理解与实践步骤
- 1
定义任务环境与用户目标
- 2
确定可观察信息和行动范围
- 3
选择规则、搜索、学习或生成方法
- 4
执行并收集反馈
- 5
按验收标准评估和改进
实际应用
- 辅助决策
- 自动化工作流
- 感知与生成系统
常见错误
把 AI 等同于聊天机器人
没有先定义成功标准
把拟人化描述当成机制解释
官方来源与时效
资料记录日期：2026-08-30（不代表已逐项核验）。产品能力、SDK 参数和协议状态可能变化，请以链接页面的当前版本为准。
推荐学习资料
视频课程A 级
CS50’s Introduction to Artificial Intelligence with Python
通过搜索、知识表示、概率、优化、机器学习与语言项目学习 AI 基础。
Brian Yu / David J. Malan · Harvard CS50
资料笔记
书籍A 级
Artificial Intelligence: A Modern Approach
以统一框架组织搜索、知识、推理、规划、学习、智能体和机器人等主题。
Stuart Russell / Peter Norvig · AIMA