人工智能基础概念：智能体、机器学习、深度学习、监督学习、无监督学习、强化学习
人工智能（Artificial Intelligence, AI）自1956年达特茅斯会议正式确立以来，已经历了从符号主义到连接主义、从专家系统到深度学习的多次范式跃迁。对于计算机一级考生而言，理解AI并非要求掌握复杂的数学推导，而是需要建立一套清晰的概念坐标系：知道AI的终极目标是什么、当前主流技术路径是什么、各类学习范式之间的边界在哪里。本章将围绕六个核心术语展开——智能体、机器学习、深度学习、监督学习、无监督学习、强化学习，帮助你在脑海中搭建一张AI知识地图。
3.1 智能体：AI的“行动者”
3.1.1 核心原理
智能体（Agent）是人工智能领域中一个具有统摄性的概念。它指的是能够通过传感器感知环境、通过决策机制处理信息、并通过执行器作用于环境的实体。智能体不一定是机器人——一个推荐系统、一个语音助手、一个自动驾驶系统都可以被视为智能体。其核心循环为：感知（Perception）→ 决策（Decision）→ 行动（Action）→ 反馈（Feedback）。这个循环不断迭代，使智能体能够在动态环境中调整自身行为。
3.1.2 智能体的关键属性
| 属性 | 说明 | 示例 |
|---|---|---|
| 自主性 | 无需外部直接干预，自行控制行为 | 扫地机器人自主规划清扫路径 |
| 反应性 | 能感知环境并实时响应变化 | 智能恒温器根据室温自动调节 |
| 主动性 | 不仅被动响应，还能主动采取目标导向行为 | 邮件助手主动整理收件箱并分类 |
| 社会性 | 能与其他智能体或人类交互协作 | 多机器人协同搬运货物 |
3.1.3 案例拆解：智能客服机器人
以银行智能客服为例：感知层接收用户输入的文本或语音；决策层通过意图识别模型判断用户是想查询余额、办理挂失还是投诉；行动层调用后端API返回答案或转接人工；反馈层记录用户满意度评分，用于后续模型优化。这个闭环中，智能体并非简单执行预设规则，而是通过历史对话数据不断调整自己的应答策略。
3.2 机器学习：让计算机“学会学习”
3.2.1 核心原理
机器学习（Machine Learning, ML）是人工智能的核心实现路径。其基本思想是：不通过显式编程来解决问题，而是让算法从数据中自动发现规律。传统编程中，人类编写规则、输入数据、得到输出；而在机器学习中，人类提供数据和期望输出（或仅提供数据），算法自行学习从输入到输出的映射函数。Tom Mitchell给出了经典定义：“如果计算机程序在任务T上的性能P，随着经验E的增加而提高，则称该程序从经验E中学习。”
3.2.2 机器学习的基本流程
- 数据收集与清洗：获取原始数据，处理缺失值、异常值、重复值。
- 特征工程：选择或构造对预测有帮助的特征变量。
- 模型选择：根据任务类型（分类、回归、聚类等）选择合适的算法。
- 训练与验证：将数据划分为训练集和测试集，训练模型并在验证集上评估。
- 部署与监控：将模型上线，持续监控性能并定期重新训练。
3.2.3 机器学习 vs 传统编程
| 维度 | 传统编程 | 机器学习 |
|---|---|---|
| 输入 | 数据 + 规则 | 数据 + 期望输出（或仅数据） |
| 输出 | 答案 | 规则/模型 |
| 适用场景 | 规则明确、逻辑固定 | 规则难以手工编写、模式复杂 |
| 示例 | 计算器程序 | 垃圾邮件识别 |
3.3 深度学习：机器学习的“深度”进化
3.3.1 核心原理
深度学习（Deep Learning, DL）是机器学习的一个子领域，其核心是使用多层人工神经网络来自动学习数据的层次化特征表示。与传统机器学习需要人工设计特征不同，深度学习通过“端到端”的方式，让网络自动从原始数据中逐层提取特征——底层学习边缘、纹理，中层学习部件、形状，高层学习语义概念。深度学习的“深”体现在网络的层数上，从早期的几层到如今的数百层（如ResNet、系列）。
3.3.2 深度学习 vs 传统机器学习
| 对比维度 | 传统机器学习 | 深度学习 |
|---|---|---|
| 特征提取 | 人工设计特征（特征工程） | 自动学习特征 |
| 数据需求 | 相对较少（千级~万级） | 大量数据（百万级以上） |
| 计算资源 | 普通CPU即可 | 需要GPU/TPU加速 |
| 可解释性 | 较好（如决策树规则明确） | 较差（“黑盒”问题） |
| 适用场景 | 结构化数据、小样本场景 | 图像、语音、自然语言等非结构化数据 |
3.3.3 常见深度学习网络结构
- CNN（卷积神经网络）：擅长图像处理，通过卷积核提取局部特征。
- RNN/LSTM（循环神经网络）：擅长序列数据，如时间序列、语音、文本。
- Transformer：基于自注意力机制，是当前大语言模型（如、BERT）的基础架构。
3.4 三大学习范式：监督学习、无监督学习、强化学习
3.4.1 监督学习：有“标准答案”的学习
监督学习（Supervised Learning）使用带标签的数据进行训练。每条样本包含输入特征和对应的正确输出（标签）。模型通过学习输入与输出之间的映射关系，对未见过的数据进行预测。监督学习分为两大类：
- 分类（Classification）：输出是离散类别。例如：垃圾邮件识别（是/否）、手写数字识别（0-9）。
- 回归（Regression）：输出是连续数值。例如：房价预测、气温预测。
常见算法包括：线性回归、逻辑回归、决策树、随机森林、支持向量机（SVM）、K近邻（KNN）等。
3.4.2 无监督学习：无“标准答案”的学习
无监督学习（Unsupervised Learning）使用无标签数据，目标是发现数据内在的结构和规律。它不关心“这是什么”，而关心“这些数据如何组织”。主要任务包括：
- 聚类（Clustering）：将相似样本自动分组。例如：用户分群、图像分割。
- 降维（Dimensionality Reduction）：在保留主要信息的前提下压缩特征维度。例如：PCA、t-SNE。
- 异常检测：识别与大多数样本显著不同的数据点。例如：信用卡欺诈检测。
3.4.3 强化学习：通过“试错+奖励”学习
强化学习（Reinforcement Learning, RL）是一种通过与环境交互、依据奖励信号来学习最优策略的范式。智能体在环境中采取行动，环境返回新的状态和奖励，智能体不断调整策略以最大化长期累积奖励。强化学习的核心要素包括：
| 要素 | 说明 | 示例（围棋AlphaGo） |
|---|---|---|
| 智能体（Agent） | 学习和决策的主体 | AlphaGo程序 |
| 环境（Environment） | 智能体交互的外部世界 | 围棋棋盘与对手 |
| 状态（State） | 当前环境的观测 | 当前棋局落子分布 |
| 动作（Action） | 智能体可执行的操作 | 在某个交叉点落子 |
| 奖励（Reward） | 环境对动作的即时反馈 | 赢棋得+1，输棋得-1 |
| 策略（Policy） | 从状态到动作的映射 | 根据棋局决定下一步落子 |
3.4.4 三种学习范式对比
| 维度 | 监督学习 | 无监督学习 | 强化学习 |
|---|---|---|---|
| 数据标签 | 有标签 | 无标签 | 无标签，有奖励信号 |
| 学习方式 | 从“输入-输出”对中学习映射 | 发现数据内在结构 | 通过试错与环境交互 |
| 反馈类型 | 直接反馈（正确答案） | 无直接反馈 | 延迟反馈（奖励） |
| 典型任务 | 分类、回归 | 聚类、降维 | 游戏、机器人控制、自动驾驶 |
| 类比 | 学生做有答案的习题 | 学生自己整理知识框架 | 学生通过考试分数调整学习方法 |
3.5 案例闭环：从概念到应用——智能推荐系统
为了帮助你将上述概念串联起来，我们以一个短视频推荐系统为例进行完整拆解。
背景与约束：某短视频平台拥有数亿用户，每天产生数十亿次浏览行为。平台的目标是提高用户停留时长和互动率。约束条件包括：实时性要求高（毫秒级响应）、数据量巨大、用户兴趣动态变化。
初始现象与目标：早期平台采用“热门榜单”推荐，但用户留存率低。目标转变为“千人千面”的个性化推荐。
关键输入数据：用户历史浏览记录、点赞/评论/转发行为、视频内容标签、用户画像（年龄、地域、设备）、实时上下文（时间、网络环境）。
分析判断过程：
- 数据层：使用无监督学习（聚类）对用户进行初步分群，识别出“科技爱好者”“美食达人”“健身人群”等粗粒度群体。
- 召回层：从海量视频中快速筛选出数百个候选视频。这里使用监督学习（点击率预估模型）和深度学习（双塔模型）结合，根据用户特征和视频特征计算匹配度。
- 排序层：对候选视频进行精细排序。使用强化学习的思想，将推荐视为一个序列决策问题——不仅要考虑用户当前是否点击，还要考虑长期留存。模型通过模拟用户反馈来优化排序策略。
- 探索与利用：系统会保留一定比例的“探索”流量，推荐一些用户历史行为中未出现过的内容，避免信息茧房。
实际操作步骤：工程师首先离线训练深度学习排序模型，使用过去30天的用户行为日志作为训练数据；然后进行A/B测试，将新模型与旧模型各分配给10%的用户流量，对比点击率、人均观看时长等指标；确认新模型效果提升后，逐步扩大流量至100%。
结果对比：新推荐系统上线后，人均观看时长提升23%，点赞率提升17%，用户次日留存率提升8%。
风险与代价：深度学习模型训练成本高（需要数千张GPU卡），且存在“黑盒”问题——当推荐结果出现偏差时难以解释原因。此外，过度追求点击率可能导致内容低俗化，需要加入人工审核和价值观约束。
复盘经验：推荐系统是多种学习范式的综合应用——无监督学习用于用户理解，监督学习用于点击率预估，强化学习用于长期策略优化，深度学习作为底层特征提取引擎。没有任何单一范式能解决所有问题。