（与共绩一起学习人工智能：无代码・轻松无忧系列）第二篇：人工智能到底是什么

1.与我同行：零代码玩转 AI

当 AI 席卷全球，你真正了解它吗？​

如果您花时间上网，您可能已经看到了 AI 工具的爆炸式增长——ChatGPT、MidJourney、DALL·E、Claude 和 Gemini。每个人都在谈论 AI，但当你问“AI 到底是什么”时，答案从“魔法”到“机器人抢走我们的工作”再到“只是一堆数学”。

因此，让我们分解一下 - 不只是从程序员的角度，而是从以写作、营销和创作为生的人的角度。因为如果 AI 正在改变世界，我们可能应该了解它的工作原理和原因。最重要的是，我们如何使用无代码 AI 工具在不编写任何代码的情况下对 AI 进行实验。

2.概念破冰：AI≠机器学习≠大模型

您可能听说过 AI、机器学习（ML）和深度学习可以互换使用。它们是相关的，但不是一回事。

• AI（人工智能）​ 广义指机器模拟人类智能的能力，如图像识别、文本创作。涵盖从规则自动化到原创内容生成的全频谱技术。
• ML（机器学习）​ AI 的子集。核心在于机器通过数据自我进化​，而非被动执行指令。好比厨师通过顾客反馈优化菜谱，而非死守食谱。
• LLM（大语言模型）​ ML 的分支技术。通过千亿级文本训练掌握语言规律，实现人类对话式交互（如 ChatGPT）。背后依赖 Transformer 架构​——深度学习的革命性突破。

3.AI 爆发的三重推力

AI 已经存在了几十年，但它现在无处不在的原因归结为三件事。

• 海量数据可用性：AI 模型在人类历史上最大的数据集（数万亿个单词、数百万张图像等）上进行训练。大量可用的训练数据使 AI 比旧系统更强大。
• 前所未有的计算能力：GPU（图形处理单元）和云计算的进步使 AI 训练更加高效。虽然像 DeepSeek V3 这样的大型模型仍然需要数百万个 GPU 小时，但更小的专用模型现在可以在几天而不是几个月内完成训练或微调。例如，在 RunPod 上微调 7B 参数模型可能只需要几天时间。
• 神经网络设计的突破：传统的 AI 模型依赖于基于规则的编程。今天的 AI，尤其是基于 transformer 的模型，学习上下文和含义，而不仅仅是记住模式。这种转变使 AI 在自然语言理解、图像生成和决策方面更加有用。

这就是为什么今天的 AI 工具不仅可以自动完成句子，还可以撰写论文、生成图像、创作音乐和制作视频。而且它只会越来越先进。

4.如果你不编码，学习 AI 意味着什么？

长期以来，AI 感觉像是只有机器学习工程师和研究人员才能理解的东西。让我们明确一点——工程师所做的工作对于实现 AI 绝对至关重要。没有它们，我们就没有为从聊天机器人到图像生成器的一切提供支持的模型、工具和基础设施。但 AI 不仅适用于编码人员，也适用于任何想要有效使用它的人。它的潜力不仅限于工程师;它适合所有人。

那么，“学习 AI”而不深入研究 Python 和 TensorFlow 意味着什么呢？

它从了解基础知识开始。您不需要从头开始训练模型，但您确实需要了解 AI、ML 和深度学习的真正含义、模型的训练方式以及计算能力为何如此重要。没有这个基础，很容易迷失在炒作中或误解 AI 能做什么和不能做什么。

除了理论之外，学习 AI 还意味着动手使用无代码 AI 工具，使 AI 易于访问。我将尝试使用 AI 驱动的应用程序，例如用于文本生成的 ChatGPT、用于图像创建的 MidJourney 和 Stable Diffusion，以及将 AI 集成到工作流程中的自动化工具，而不是编写代码。我将在共绩算力平台上运行我自己的开源 LLM，使用 webui 等前端以无代码方式与它们进行交互。但是，如果我需要更进一步呢？

即使我确实需要一些代码，我也会依靠 Cursor 和 Trae 等 AI 驱动的编码助手来指导我。这是一件大事，因为这意味着您不必记住语法或成为编程专家——AI 可以帮助弥合差距。

学习 AI 的另一个关键部分是了解其道德影响。AI 不是魔法;它带来了真正的风险 — 数据偏见、错误信息和隐私问题。知识产权和版权法也是主要考虑因素，尤其是当 AI 模型基于现有数据集生成文本、图像甚至代码时。谁拥有 AI 生成的内容？当 AI 模型在受版权保护的材料上进行训练时会发生什么情况？这些都是正在进行的辩论，目前还没有明确的答案，这使得了解 AI 的道德格局变得更加重要。了解如何负责任地使用 AI 与了解 AI 的工作原理同样重要。

归根结底，学习 AI 并不是要成为一名工程师，而是要知道如何有效地应用 AI。这是关于测试不同的模型，优化 AI 生成的内容，并弄清楚 AI 在现实世界的工作流程中的位置。换句话说，这是关于像 AI 用户一样思考，而不仅仅是观察者。

5.击碎 AI 认知泡沫

​泡沫 1：“AI 只是高级打字机”​

AI 模型可以预测文本，但它们也会从训练数据中学习结构、语气和推理，这使得它们比简单的模式匹配器更先进、更强大。

​泡沫 2：“人类岗位终结者”​ 虽然 AI 可以自动执行任务，但人类带来了 AI 无法复制的创造力、策略和决策——至少现在还不能。未来不是 AI 取代人类;它是 AI 增强人们的能力。

以人类运动为例。身体是一个极其复杂的系统，数百块骨骼和肌肉以无数种方式协同工作。每个动作都涉及微妙的、相互关联的调整——如果您稍微移动重心，您的整个姿势也会随之变化。即使我们向 AI 模型提供数百万个人类运动示例，它仍然缺乏来自拥有身体的更深入、更具体的理解。这不仅仅是向问题投入更多数据或计算的问题;AI 的学习方式与人类不同，人类智能的某些方面（如物理直觉和常识）不太可能被完全取代。

这就是为什么即使人工智能取得了巨大进步，人类也可能始终处于循环中，做出关键决策并提供机器无法提供的创造力。

​泡沫 3：“AI 是工程师的专利”​ 实践证实：营销人用 ChatGPT 策划爆款活动，插画师借 Stable Diffusion 突破创意瓶颈——​应用能力与代码无关。了解 AI 在高层次上的工作原理比大多数人想象的要容易得多。您不需要计算机科学博士学位即可有效地使用 AI。

6.下一步行动：从观察到参与者

在下一篇文章中，我们将为不编码的人分解机器学习基础知识 — 训练模型意味着什么，数据为什么重要，以及您现在可以尝试哪些开源 AI 模型在共绩算力上开即用，而无需成为工程师。

AI 不仅是未来，也是现在。最好的学习方法是什么？通过玩它。