人工智能的技术分支,通行分法是七类:机器学习、深度学习、自然语言处理、计算机视觉、语音识别与合成、知识图谱、强化学习。它们不是并列关系——机器学习是方法论底座,深度学习是它最主流的一支,其余多在其上做具体任务。
七类分支为什么不是平级的?
因为分类的标准不统一。机器学习、深度学习讲的是「怎么学」,属于方法层;自然语言处理、计算机视觉、语音讲的是「处理什么」,属于任务层;知识图谱讲的是「怎么组织知识」,属于表示层;强化学习讲的是「怎么在反馈中优化」,属于策略层。
把不同层级的东西摆在一起,是科普文章的常见做法,好处是好记,坏处是容易让人以为它们互相独立。实际上做一个语音助手,语音识别、自然语言处理、知识图谱、语音合成会同时上场,底层都跑着深度学习模型。
理解这一点很实用:看到「某技术属于人工智能哪个分支」这类问题,先分清问的是方法还是任务,答案就不会打架。
机器学习与深度学习:从人工设计特征到自己找特征
机器学习是让程序从数据里找规律,而不是由人把规则一条条写死。三大范式是监督学习、无监督学习和强化学习:监督学习用带标签的数据学映射,无监督学习找数据内部的结构,强化学习靠奖励信号试错。
深度学习是机器学习的一支,用多层神经网络自动提取特征。它的转折点是图像识别比赛:多层网络在识别准确率上大幅领先传统方法之后,深度学习迅速成为主流,「特征工程」这件事从人工设计变成了模型自己学。
近十几年最重要的架构进展是注意力机制。基于它的 Transformer 结构提出后,先改变了机器翻译,随后成为大语言模型的基础。今天说「大模型」,说的是参数量极大的 Transformer 类网络,本质上仍属深度学习。
| 技术分支 | 解决的问题 | 典型应用 |
|---|---|---|
| 机器学习 | 从数据中学习规律 | 信用评分、销量预测、故障预警 |
| 深度学习 | 自动提取高层特征 | 图像识别、大模型、语音转写 |
| 自然语言处理 | 理解与生成人类语言 | 机器翻译、问答、文本摘要 |
| 计算机视觉 | 理解图像与视频内容 | 人脸识别、缺陷检测、医学影像 |
| 语音识别与合成 | 声音与文字互转 | 语音输入、智能客服、有声读物 |
| 知识图谱 | 结构化组织实体与关系 | 搜索引擎、风控、智能推荐 |
| 强化学习 | 在反馈中优化决策 | 博弈、机器人控制、调度优化 |
自然语言处理与计算机视觉:感知的两条主线
自然语言处理处理的是符号序列。传统流程要分词、词性标注、句法分析、语义理解,一步步往上走;深度学习方法则把整段文本映射成向量,端到端地完成翻译、问答、摘要、分类。大语言模型出现后,很多子任务被统一成「给一段提示,生成一段文本」。
计算机视觉处理的是像素。四大任务是图像分类、目标检测、语义分割和图像生成:分类回答「这是什么」,检测回答「在哪里、有几个」,分割回答「每个像素属于什么」,生成则是从噪声里还原出图像。
两条线近年正在合流。多模态模型同时处理文字与图像,可以看图答问、按文字生成图片,也可以把视频转成描述。这类模型的底层仍是深度网络,只是输入输出不再限于单一模态。
语音、知识图谱、强化学习各管一段
语音技术分两半:识别把声音转成文字,合成把文字转成声音。识别要解决口音、噪声、断句的问题,合成要解决自然度与情感的问题,两者常被串在同一个对话系统里。
知识图谱用「实体—关系—属性」的三元组组织世界知识,比如「某公司—总部位于—某市」。它的价值在于可解释、可推理,搜索引擎的知识面板、金融风控的关联排查,用的都是这套结构。
强化学习让智能体在环境中试错,以累积奖励最大化为目标。它在棋类博弈上最先出成绩,之后进入机器人控制、数据中心节能、交通信号调度等场景。它的难点是样本效率低,真实世界里试错成本太高。
弱人工智能与强人工智能差在哪?
弱人工智能也叫专用人工智能,只能完成特定任务,换个场景就不灵。强人工智能也叫通用人工智能,要求具备跨领域的理解、迁移与自主设定目标的能力。目前所有落地应用,包括能力很强的大模型,都属于弱人工智能。
这个区分很重要,因为日常讨论常把两者混为一谈。一个模型能写文章、能编程、能答题,看起来「什么都会」,但它没有持续的目标,没有对世界的稳定理解,也不会主动提出一个自己想做的问题。能力广不等于通用。
也有第三种说法,把「超人工智能」单列,指在几乎所有领域远超人类的系统。那属于远景讨论,目前没有实现路径上的共识,学界说法不一。看相关文章时,先分清作者说的是哪一档,能省掉很多误解。
常见问题
人工智能主要包括哪些技术?
方法层是机器学习与深度学习,任务层是自然语言处理、计算机视觉、语音识别与合成,表示层是知识图谱,策略层是强化学习。实际系统往往是多者组合。
深度学习和机器学习是什么关系?
深度学习是机器学习的子集,用多层神经网络自动提取特征。所有深度学习都属于机器学习,反之不成立。
现在的大模型算强人工智能吗?
不算。它仍属弱人工智能,能力覆盖广但缺乏跨领域的自主目标与稳定世界模型。
学习通