说到近些年的火热名词，“人工智能”必须榜上有名。随着春节deepseek爆火出圈，“AI（Artificial Intelligence，人工智能）”屡次霸屏热搜榜，由以前的AI的概念已经进入到了AI的时代，在接下来，不管是哪个行业的人，我觉得大家都要去拥抱他，人工智能、机器学习、深度学习，到底是个啥，他们之间有什么关系？？？接下来争取通过这张图给大家一次性说明白，不管以后谈论AI agent 、机器学习、深度学习、大模型，我们脑海中一定要有这张图，明白他是处于那一环。

一、AI 的概念

（一）AI（人工智能）

简单来讲，人工智能就是让计算机系统变得跟人一样聪明（顶级的人类智慧），能去完成各种复杂的任务。像学习新知识、进行推理思考、理解我们日常说的话，还有识别看到的东西，这些都属于 AI 的本事。从应用的范围来看，AI 主要分成两大类：

窄人工智能 (Narrow AI)：这就好比是只擅长一门绝技的高手，只专注于做特定的任务。比如说咱们平常使用的文字处理软件，能精准识别语音的工具，还有给图像分类的程序等，它们在各自负责的领域里可厉害了。

通用人工智能 (AGI)：这是一种理想化的人工智能，它就像个全能冠军，不管什么领域的知识，它都能理解、学习，还能运用起来，拥有和人类一样高水平的智能。不过呢，到现在它还在研究阶段，科学家们还在努力攻克这个难题。

（二）机器学习和深度学习

我们日常听到的AI，他其实是基于一套完整的理论，机器学习（算法）；

机器学习是人工智能里特别重要的一部分，它让计算机不用靠复杂的编程，就能从数据里学到东西，让自己变得更厉害。它的关键在于那些巧妙的算法和统计模型，能从大量的数据里找出有价值的规律和知识。机器学习又可以细分成下面这几种类型：

监督学习：这就像学生在老师指导下学习，用已经标好答案的数据来训练，这样就能学会从输入到输出的对应关系。在实际生活中，像给事物分类，或者预测数值这样的任务，大多都属于监督学习。

无监督学习：没有老师在旁边指导，计算机就自己用那些没有标答案的数据，去发现数据里面隐藏的规律和结构。比如说把相似的数据归到一起，或者把复杂的数据简化，这些就是无监督学习在干的事儿。

强化学习：计算机通过和周围环境不停地互动，根据得到的奖励或者惩罚，来调整自己的行为策略。就好比游戏里的角色，通过一次次尝试，找到能得高分的最好玩法。

深度学习呢，是机器学习这个领域里特别厉害的一个分支，它主要靠深度神经网络来学习。我们现在听到的最多的是什么？大模型，目前来看都是“文本大模型”，文本大模型就是基于深度学习开发的。它的模型有好多层，这就让它能处理特别复杂的数据，在很多地方都取得了很大的突破：

图像识别：卷积神经网络（CNN）在识别图像里的物体方面，表现得特别出色，能准确地说出图片里是什么东西。

自然语言处理（大模型）：循环神经网络（RNN）和（Transformer）在这里发挥了大作用，它们让机器能理解我们说的话，还能生成像人说的那样自然流畅的语言，在翻译、写文章这些方面都很有用。

这里要注意，机器学习是包含深度学习的，机器学习是人工智能的一部分，就像一个大套小的盒子一样，这就是它们之间的包含关系。

（三）AIGC

AIGC，就是 AI generated content 的缩写，这个离我们最近，意思是利用人工智能技术自动生成各种内容，基本上把互联网上能传播的东西都包括了，像文本、图像、声音还有视频。

文本生成：现在有好多 AIGC 的应用，能写出有条理、通顺的文章。像百度的文心一言、阿里的通义千问、科大讯飞的讯飞星火，还有特别厉害的 ChatGPT、DS，它们都能按照咱们的要求，生成质量很高的文字内容。

图像生成：只要在这类 AIGC 应用里输入画画的提示，它很快就能生成特别好看、质量很高的图像，就算你从来没学过画画，也能轻松实现自己的创意。

声音生成：它能把文字快速变成听起来很自然的语音，而且有好多不同的 AI 声音可以选，对那些需要把文字变成语音的人来说，极为方便。

视频生成：按照视频脚本，它就能合成、编辑视频，做出有特定场景、角色和动作的视频片段，大大提高了做视频的效率。

Generative AI 生成的内容，国内叫做 AIGC。

（四）大语言模型 (LLM)

大语言模型是基于深度学习技术，专门用来处理自然语言的 AI 模型。它通过学习海量的文本数据，能生成、理解和翻译我们人类的语言。

OpenAI 的 GPT - 3 和 GPT - 4 就是这类大语言模型的典型代表。大语言模型在聊天机器人、写文章、总结内容等好多任务里都用得很广泛。从本质上来说，大语言模型属于那种有超多参数（一般都在十亿个以上）的神经网络模型，现在大部分的大模型都用的是 transformer 架构。

大语言模型是人工智能在自然语言处理这个方向上的一种应用，它也是基于深度学习技术发展起来的，和前面说的深度学习、机器学习、人工智能也存在着一层包含关系，深度学习是大语言模型实现的技术基础，而大语言模型又是人工智能在特定领域（自然语言处理）的具体体现。

二、AI Agent（智能体）

（一）AI Agent 的概念

AI Agent，直接翻译过来就是 AI 代理人，它是一种能自己去完成任务或者实现目标的系统。它可以是一个软件程序，也能是一台智能机器。AI Agent 能感知周围的环境，然后根据这些信息做出合理的决定。它能把好多技术结合起来。

包括AI大模型（LLM），但它们的核心是交互性和目标导向性。而AI大模型通过深度学习技术，开始“理解”人类的语言了（本质上就是通过Al大模型，对下一个token的预测准确率大大的提高了，如何通过prompt(提示词)也就是输入进一步提高准确率），这个时候和“它”对话，其作用逐渐显现出来，感觉也越来越像人一样智能了。

（二）AI Agent 的应用场景

AI Agent能干什么事， 总结下来它应用场景很多，生活和工作的好多地方都能看到它：

自媒体领域：做自媒体的人可以用 AI Agent，快速模仿出不同平台上的爆款视频或者文案，还能突出特定的风格和特点。

智能客服：现在好多企业都用像真人一样的聊天机器人当客服，它们能和客户很顺畅地交流，回答各种问题，处理电商里订单退换货这些业务。

自动驾驶：像理想汽车的自动驾驶，还有百度的萝卜快跑自动驾驶。它能处理传感器传来的数据，规划好行驶路线，自动躲开行人和其他车辆，实现安全又高效的自动驾驶。

股票交易：AI Agent 能根据股票市场的价格、成交量这些指标，自动帮投资者选股票，计划好什么时候买卖，做出交易的决定，让投资者不用天天盯着股票大盘看。

企业运营：有些企业利用 AI Agent 从自媒体平台上收集用户搜索的关键词，分析用户的需求，再结合自己的产品，生成很有针对性的图文内容，发布出去吸引用户。然后再用 AI Agent 筛选用户，最后完成销售。

（三）AI Agent 与传统程序的区别

AI Agent 和传统程序有很大不同：

学习能力：AI Agent 特别会学习，能通过训练数据和得到的反馈，不断让自己变得更好，解决问题的能力也会越来越强。可传统程序一旦编好，功能和行为就固定了，没办法自己学习新东西、做出改变。

自主决策：AI Agent 能根据环境的变化和设定的目标，自己决定怎么做。传统程序就只能按照程序员一开始写好的规则和流程，死板地运行，没有自己做决定的能力。

适应性：AI Agent 能在一定程度上适应那些不确定、一直在变的环境，灵活应对各种复杂情况。传统程序大多依赖固定的输入和规则，遇到变化就不太好办了。

灵活性：碰到复杂的情况或者数据，AI Agent 能更灵活地处理，更好地应对各种没遇到过的状况。传统程序要是遇到超出原来设定范围的情况，往往就表现不好了。

泛化能力：AI Agent 有时候能把在训练中学到的知识，用在新的数据上，做出合理的判断。传统程序一般就只能处理那些已经知道的、特定的情况，没有这种举一反三的能力。

随着技术不断进步，AI Agent 正慢慢走进我们的生活。以后，它肯定会在更多地方发挥大作用，把我们的生活和工作方式彻底改变。让我们一起期待 AI Agent 带来的各种可能吧！

最后

如果你真的想学习人工智能，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！

这里也给大家准备了人工智能各个方向的资料，大家可以微信扫码找我领取哈~