第2章：AI的核心能力
在上一篇文章中，我们介绍了 AI 的起源及发展。本节将探讨 AI 的应用领域 以及 人工智能究竟能做什么。
AI 让我们能够开发出 令人惊叹的软件，它不仅能够 改善医疗健康、帮助残疾人克服障碍，还能 构建智慧基础设施，提高社会生产效率。从本质上来说，AI 是一种能够模仿人类行为和能力的软件。
AI 主要有以下 六大核心能力，它们在各行各业中发挥着重要作用：
机器学习（Machine Learning, ML）
AI 的核心，其本质是通过算法和模型让计算机从数据中学习规律，并利用这些规律进行预测或决策。
常见的机器学习分类：
监督学习（Supervised Learning）
无监督学习（Unsupervised Learning）
半监督学习（Semi-supervised Learning）
强化学习（Reinforcement Learning）
典型应用场景：
Netflix 的个性化推荐系统
银行 的信用评分模型
股票市场预测
计算机视觉（Computer Vision）
让机器通过摄像头、视频和图像 “看见” 并理解视觉世界。
典型应用场景：
人脸识别（Face ID、门禁系统）
自动驾驶（Tesla 自动驾驶系统）
制造行业质检（自动检测产品瑕疵）
自然语言处理（Natural Language Processing, NLP）
使计算机能够 理解、解析并响应 书面或口头语言。
典型应用场景：
聊天机器人（ChatGPT、Siri）
语言翻译工具（Google Translate、DeepL）
情感分析（分析社交媒体上的用户情绪）
文档智能（Document Intelligence）
管理和处理来自 表单和文档 的大量数据，帮助企业自动化流程。
典型应用场景：
自动处理发票（财务系统自动读取和处理发票）
合同数据提取（自动识别合同中的关键条款）
OCR（光学字符识别）（扫描 PDF 文档并转换为文本）
知识挖掘（Knowledge Mining）
从 非结构化数据 中提取有意义的信息，创建 可搜索的知识库。
典型应用场景：
研究论文分析（自动提取论文关键内容）
法律文档检索（从法律文件中查找相关条款）
搜索引擎优化（ChatGPT 可能部分取代 Google 搜索的原因）
生成式人工智能（Generative AI）
AI 创造原创内容，包括文本、图像、代码或音乐。
典型应用场景：
AI 撰写文章（ChatGPT、Notion AI）
AI 生成艺术（DALL·E、Stable Diffusion）
AI 编写代码（GitHub Copilot、AlphaCode）
总结
以上展示了 AI 的 核心能力 及其在不同行业中的 实际应用。如果你对 AI 感兴趣，不妨选择 适合你的方向 深入学习！
© 2025 Bill Gui. 本文采用 MIT License 许可协议，允许自由转载、修改，但请注明来源。
Last updated