DeepSeek的火爆，伴随而来的是人工智能的热潮，甚至在我们公司也引起了不小的关注。

   上周，我为同事们举办了一次关于人工智能入门的分享会，思考过后，我觉得内容非常适合那些对这方面不太了解的朋友们。

   于是，我决定将这次分享整理成文章，希望能帮助大家更好地认识到人工智能。

   如果你对AI的世界依然感到迷茫，不妨仔细读一读这篇文章。

   这将是一次有益的导航，有助于你建立起初步的认知。

   不仅会介绍到AI的技术原理、创造内容的本质，还会聊聊它能完成的工作以及使用一些实用工具的方法。

   其实，深究人工智能的背后，不禁让人思考大语言模型为何在当下的时代蓬勃发展。

   这一切得从三方面来剖析。

   首先是计算方法的突破，2017年Google团队推出的Transformer架构，为人工智能打开了一扇新窗。

   这种结构能够通过神经网络学习语言中的规律，进而实现文本的理解与生成。

   这相当于给予了计算机理解语言的能力，使其能够识别和处理更复杂的语义关系，最重要的是，它能够捕捉到长距离的语义关联，像个“超级读者”!另一方面，生成对抗网络的技术进步，也为我们带来了新的变化。

   2014年首次提出的这一技术，实现了生成器与判别器之间的对抗训练，进而让机器能够生成逼真的图像和视频。

   这样的技术让一定的创造力被计算机所具备，产生了许多独特的内容。

   在这样的时代背景下，AI的出现在某种程度上是必然的。

   其次，随着互联网的迅猛发展，我们积累了海量的信息。

   在信息化的浪潮下，尤其是近年来，网络上涌现出大量优质内容，数据的不断累积为AI提供了丰沛的“学习资源”。

   想象一下，过去几千年所产生的知识，可能都不及这二十年制造的信息量!人工智能的学习过程，实际上就是从这些海量信息中寻找规律，从而模仿人类的创作。

   因此无论是语言的结构还是视觉的特征，AI都能从中提炼出潜在的规律。

   不仅如此，只有拥有足够高质量的信息，AI才能获取到与人类文本之间的相似性。

   再者，硬件性能的飞速成长也是我们必须提到的。

   从过去计算能力较低的显卡，到如今如NVIDIAH100这样的强大设备，AI的训练不再是需要几年的时间，而是几周，甚至几天。

   技术的飞跃使得昂贵的计算变得更加普及与平民化。

   分布式计算技术的发展，更是让谷歌TPUv4的每秒运算能力达到2.3exaflops!这样强大的基础支撑，为人工智能的全面崛起提供了充足的动力。

   那么，为什么人工智能能够创造出内容呢？以DeepSeek为例，它可以看作是我们生活中那种读过无数书籍、知识渊博的朋友。

   人工智能的工作方式就是它通过海量的知识进行“阅读”，并在此过程中不断建立各种知识之间的关联。

   说到这里，值得关注的是，支持这种能力的核心技术正是我们前面提到的Transformer架构。

   它的“注意力机制”让语言的理解变得更加高效，就好比一位“超级读者”，能够迅速锁定文本中的关键信息。

   DeepSeek在不断发展的过程中，“阅读”了与人类积累的海量知识。

   在这段过程中，它从严肃的维基百科到富有文学感的作品，甚至包括学术论文与专业技术文档，通过逐步预测句子中缺失的词，来掌握语言的规律。

   理解到某个词后面多半会出现哪个词，AI所做的也仅仅是根据概率最大化的原则进行“猜测”而已。

   那它是否真的理解了我们所说的内容呢？答案是否定的。

   在某种意义上，人工智能更像一只鹦鹉，模仿人类的表达，而不是通过逻辑推理来回答问题。

   它与我们在影视中看到的大智若愚的人工智能有着显著的区别，真正的AGI仍然遥不可及。

   既然人工智能如此有限，我们自然会对它能够做什么产生好奇。

   当前，人工智能能够做的事情大致可以分为几类。

   首先是一些基础能力，像文本生成、图片生成、视频生成和音频生成等。

   必须指出，尽管DeepSeek的表现令人惊叹，很多人对它寄予了过多的期望，事实上AI的目前能力主要体现在内容创作上，仅此而已。

   借用一下我的经验，我创建过一段《舌尖上的中国》风格的搞怪视频。

   整个制作流程中，我先利用DeepSeek生成脚本和具体文案，接着使用Whisk生成静态图片，然后通过可灵将静态图片转化为视频画面，最后借助剪映的AI配音功能合成完整视频。

   基于这些基础能力，人工智能的另一个发展方向则是它的进阶能力。

   我们看到市面上涌现出更多AI工具，比如豆包聊天机器人、秘塔AI搜索、Manus等，它们在某一方面得到了真实的强化。

   Manus和秘塔AI搜索可以理解为AI智能体，这些系统能够感知环境、作出决策并采取行动，目的就是完成一定的目标。

   但现代的AI智能体的定义已经有所拓展，像在豆包上各种不同的聊天机器人都被统称为智能体。

   不断发展后，这些智能体具备了输入、处理和输出的多重能力，重心则在于对信息的处理与反应，不同的智能体依靠的技术手段和复杂程度则各有不同。

   以豆包的聊天机器人为例，它是初级智能体，能够根据设定的指令作出相应的回应。

   而Manus这类“通用型”的人工智能智能体就更加高阶，能为我们解决多种复杂问题。

   当用户告诉它当前需要完成的任务时，它能够自主规划，自动浏览网页并调用多种工具来达到目的，无需人工干预。

   而它的功能范围也很广泛，行业趋势分析、旅游攻略的制定，甚至小型游戏的开发都不在话下。

   随着技术不断进步，这些智能体将具备更高级的特质，包括更强的自主性、更广泛的感知能力和复杂的决策能力。

   无疑，AIAgent便是AI发展的主要趋势之一，它们正在弥合强大AI能力与实际应用之间的差距。

   对于普通用户而言，AI不再是一个复杂的工具，而是一个真正理解和执行任务的助手。

   对企业来说，AIAgent将有效降低人工智能的应用门槛，使得更多行业和场景能够切实享受到人工智能带来的效率提升。

   大家或许会觉得与人工智能的互动特别重要。

   虽然很多人对其要求较高，但实际上，人工智能并没有现实世界的体验。

   可以把AI看成是一位全知的实习生：什么都懂，但做不到。

   因此，与其沟通时需要掌握一些技巧。

   首先，提示词的编写至关重要，清晰且具体的指令将直接影响其生成内容的质量。

   要明确表达你的需求，如“撰写一篇关于火星探索的科普文章”，这样的指令将帮助人工智能理解所需内容。

   有三个类型的提示词方式，分别是任务型、角色型和结构化的。

   任务型的就是明确指派任务，比如“翻译以下内容”，适合目标清楚的情况；角色型则是设定某种角色指导AI，例如“假设您是营养专家，设计一周的减脂食谱”，增强专业性；而结构化的则更加复杂，是利用模板提供指令，提高理解效率。

   以CRISPE原则为例，按照清晰度、角色、步骤、示例、反馈的规范进行指令的设定能够进一步帮助提升沟通的效率。

   处理复杂任务时，人工智能有时会“偷懒”，这时候可以考虑逐步指导。

   比如要求AI撰写一篇“远程办公的未来趋势”的文章，建议将任务分解成几步，以确保最终结果的质量。

   此外，持续提问也是至关重要的，在与AI的互动中，尽量别期待一次性完成所有内容，不妨把它当作一位优秀的实习生，给予引导与反馈，定期优化生成的内容。

   不过，用户在使用人工智能时应当保持警惕。

   正如DeepSeek的R1版本，其幻觉率可能高达14%。

   人工智能的“幻觉”是指有时其会编造看似合理但实际上错误的信息。

   有些情况下，比如AI可能会依据错误的引导信息来虚构文章，因此在信息需求过于复杂的场合，应当十分小心。

   人机互动的核心在于双方的信息交互，用户必须明确其预估的范围。

   同时在互动时最好不要ば信任它的所有建议，例如在健康问题上，AI的判断肯定不应代替专业医生的意见。

   结合这些看法，我们不妨重新审视人工智能的未来。

   DeepSeek的崛起不仅是技术的成功，更是我们人类认知进化的一部分。

   面对人工智能的快速发展，无论我们处在什么时候，始终要保持好奇、批判的心态。

   这样的认知不仅帮助我们解码当下，还能为我们的未来打下基础，助力我们在更广泛的领域内创造出更多可能