我们所说的AI是什么

学习目标

预计时间：20分钟

完成本课程后，你将能够：

• 区分生成式AI与你日常接触的分类和预测型AI
• 理解生成式AI的特性在能力与局限之间构成连续光谱
• 预览你将深入探索的四个核心特性：Next Token Prediction、知识储备、工作记忆和可操控性

生成式AI的定义

(4分钟)

世界上大多数AI（垃圾邮件过滤、推荐系统、欺诈检测）并非生成式。本课程关注的是基于Transformer架构、逐token生成新内容的文本模型。

构建AI心智模型

AI能力与局限框架

塑造AI行为边界的四大特性，每个特性都构成光谱——越往右端，越需要验证和补偿措施。

能力

局限

Next Token Prediction

AI答案从何而来？

成熟路径：摘要、格式转换、常见概念解释 陌生领域：稀疏模式、"真实vs听似真实"

知识储备

AI实际知道什么？

高频、近期训练、一致性内容：主流话题、流行语言 罕见、训练截止后、小众、地域性或争议性话题

工作记忆

AI当前关注什么？

内容适中、会话新鲜、提供相关上下文 超长文档/对话、跨会话连续性需求（悬崖效应）

可操控性

用户控制程度？

简短具体可验证指令（"用表格回答"、"100字内"） 复杂推理链、抽象要求、原生精度需求

核心要点

• 生成式AI创造新内容而非分类现有内容
• AI能力并非均匀分布，在四个可预测维度呈现强弱差异：Next Token Prediction、知识储备、工作记忆和可操控性
• 每个特性都是连续光谱，同一机制既赋予能力也带来局限
• 校准信任意味着在光谱上定位任务需求，而非全盘信任或否定

实践练习

练习：是否生成式？

目的：你已了解生成式AI与过滤垃圾邮件、推荐视频的AI存在本质区别，现在需要运用这个认知分析自身经历

• 列出本周接触的五个AI功能：广泛涵盖自动补全、照片标记、垃圾过滤、聊天回复、翻译、商品推荐、语音助手等
• 逐一判断：它在创造新内容，还是在排序/分类现有内容？
• 让AI检查你的判断：对存疑项，要求用一句话解释区别。然后提问："这五项中哪个最可能出现本课程能帮你理解的故障模式？"
• 回顾第一课任务列表：为每项任务标记当前最相关的特性问题：
• 答案来源？（Next Token Prediction）
• 知识范围？（知识储备）
• 注意力焦点？（工作记忆）
• 控制程度？（可操控性）

不要求完全正确，重在建立可供后续四节课验证的预测。

课程反思

• 生成式/分类的区分是否改变了你对某些工具的看法？
• 查看任务标记时，是否有任务感觉可归属多个特性？

后续内容

在深入四大特性前，我们将用一节课探讨AI如何形成"性格"——为何礼貌、乐于助人、诚实，有时过度附和，为何拒绝某些请求。这个塑造过程会在所有行为中留下痕迹。

反馈

课程进行中，我们期待了解你如何应用课程概念，以及任何改进建议。点击此处分享反馈。

版权声明

_© 2026 Anthropic。基于Rick Dakan教授（瑞格林艺术设计学院）和Joseph Feller教授（科克大学）开发的AI流畅性框架创作。采用CC BY-NC-SA 4. 0许可协议发布。_