人工智能新手入门先搞懂这8个基础概念再上手

前几天有个做行政的读者给我发消息，说她最近被公司安排去对接一个智能客服项目，对方满嘴的算法、模型、训练数据，她坐在会议室里全程假装点头，其实脑子里一片空白。回来之后她问我，想入门人工智能，到底该先搞懂哪些东西，才不至于像个局外人。

说实话，这个问题我太有感触了。我自己刚开始接触人工智能的时候，也走过不少弯路，买了一堆书，翻了几页就犯困，术语堆在一起像天书。后来我换了个思路，不追求一次性搞懂所有技术细节，而是先把几个核心概念吃透。结果发现，一旦这8个概念弄明白了，再看那些文章和方案，理解起来顺畅多了。今天就把这8个基础概念按照重要程度和入门友好度排个序，挨个说清楚。

先说说我评选这8个概念的标准

市面上讲人工智能入门的资料很多，有的上来就讲神经网络的反向传播，新手看了直接劝退。我这次筛选的标准就三条。第一，这个概念是不是理解其他内容的基础，如果不懂它，后面很多东西没法聊。第二，它在新手实际工作和生活中出现的频率高不高。第三，能不能用生活化的例子讲明白，不需要高等数学也能听懂。

按照这三个标准，我挑出了8个概念，从最容易理解的开始，逐步深入。每个概念我会尽量用大白话解释，再用一个实际场景帮你加深印象。

第8名到第5名：这些概念帮你打好地基

排在第8的是数据标注。你可以把它理解成给人工智能当老师。比如你想让人工智能认出照片里有没有猫，就得先找一堆猫的照片，一张张告诉它这是猫，那不是猫。这个告诉的过程就是标注。没有标注好的数据，人工智能就是个啥也不懂的孩子。我认识一个在老家做数据标注的团队，十几个人每天的工作就是给图片画框、给文字分类，听起来简单，但特别考验耐心。

第7个概念是训练集和测试集。这个特别像咱们上学时候的复习和考试。训练集就是你平时做的练习题，测试集就是期末考卷。人工智能在练习题上反复练，然后拿考卷来检验它到底学会了没有。如果练习题做得好但考卷一塌糊涂，那就是死记硬背，没真正掌握。

第6个是特征。这个有点抽象，我说个例子你就懂了。你想判断一个人的信用好不好，会看他的收入、工作年限、有没有欠债不还的记录，这些就是特征。人工智能也一样，你喂给它什么特征，它就从什么角度去判断。特征选得准不准，直接决定了最终效果好不好。

第5个是模型。你可以把模型想象成一个加工厂，输入的是数据，出来的是判断结果。模型不是天生就聪明的，它需要经过训练才能工作。模型有大有小，有的模型参数多，像个巨型工厂，能处理复杂任务但耗费资源；有的模型小巧灵活，适合在手机上跑。

前四名来了：这几个搞懂了才算真正入门

排在第4的是算法。一说算法很多人就紧张，觉得是程序员才需要懂的东西。其实算法就是解决问题的一套步骤。比如你把大象装冰箱分几步，这就是一个简单的算法。在人工智能里，算法决定了模型怎么从数据里学东西，是学习的方法论。

第3个是深度学习。这是机器学习的一个分支，也是近几年人工智能火起来的主要推手。传统方法需要人手动去挑特征，深度学习厉害的地方在于它能自己从原始数据里找规律。就像你教小孩认猫，不用告诉他猫有尖耳朵、有胡须，给他看足够多的猫，他自己就能总结出猫长什么样。深度学习就是模拟这个过程，用很多层的网络结构来一层层提取信息。

第2个是机器学习。这个概念比深度学习更大，深度学习只是机器学习的一种方法。机器学习的核心思想是让计算机从数据中自动学习规律，而不是程序员把每条规则都写死。比如垃圾邮件过滤，你没办法写一条规则说包含什么词的就是垃圾邮件，因为发件人总会换花样。但机器学习可以通过大量邮件自己总结出垃圾邮件的特征。

排在第1名的是神经网络。你可能会奇怪，为什么神经网络排第一？因为它是深度学习的基础结构，理解了它，深度学习、模型训练这些概念就有了根。神经网络是受到人脑神经元连接方式的启发设计出来的，由很多个小的计算单元组成，每个单元接收输入、做简单的计算、再传给下一层。单个单元很简单，但成千上万个连在一起，就能干很复杂的事。我第一次搞懂神经网络的基本原理时，感觉就像小时候第一次明白电视机里的画面是由无数小点组成的一样，豁然开朗。

提示：这8个概念不用死记硬背，先有个印象，然后拿一个你感兴趣的智能应用去对照着理解，比如刷脸支付或者语音助手，把概念往里面套，很快就能理顺。

常见问题

怎么用这个榜单来指导你的学习

如果你是完全零基础，我建议从榜单的下半部分开始，先弄明白数据标注和特征到底是什么，这两个概念最贴近实际工作，也最容易找到练手的机会。等你对数据有了感觉，再往上走，去理解模型和算法的关系。

如果你已经有一些技术背景，只是之前没系统接触过人工智能，那可以直接从神经网络和机器学习切入。这两个理解了，深度学习自然就顺了。

最后我想说的是，概念是地图，不是终点。你不需要把地图背得滚瓜烂熟才出门，大概知道方向，边往前走边对照地图调整路线，反而记得更牢。我自己到现在有时候还会把一些细节搞混，但这并不妨碍我理解人工智能在解决什么问题。

对了，那个行政读者后来怎么样了？她照着这个思路，花了两周时间把概念大概过了一遍，虽然技术细节还是讲不清楚，但开会的时候至少能听懂对方在说什么阶段、遇到什么类型的问题了。她说这感觉就像去国外旅游，虽然不会说当地语言，但能看懂路牌了。我觉得这个比喻挺到位的，学习人工智能，先看懂路牌，再慢慢学说话吧。