【FDE系列】阶段1Day 1：AI 层级关系 — 四个嵌套的圈

正经教主

505人浏览 · 2026-09-15 09:34:08

正经教主 · 2026-09-15 09:34:08 发布

📚前言

【大纲】FDE 前沿部署工程师学习系列教程-CSDN博客

阶段1Day 1：AI 层级关系 — 四个嵌套的圈

FDE 学习系列教程 · 第一阶段 · 第 1 周 预计时长：2 小时 | 难度：★☆☆☆☆ | 前置知识：无

老哥开场白

嘿，兄弟，欢迎上车。

不管你之前是做制造、做金融、做政务还是做零售的——今天开始，咱们一起从零搞懂 AI。

别紧张。我这人不讲公式，不拽术语。咱就用人话聊。

今天这节课，目标就一个：搞清楚 AI、ML、DL、生成式 AI 这四个词到底是什么关系。

学完之后，你能在饭桌上用三分钟给同事讲明白，就算过关。

核心概念：四个嵌套的圈

咱们先画个图

想象你桌上放着四个大小不同的圈，一个套一个：

┌─────────────────────────────────────────────────┐
│                                                   │
│    人工智能 AI                                     │
│    (Artificial Intelligence)                      │
│    ┌───────────────────────────────────────┐      │
│    │                                       │      │
│    │    机器学习 ML                         │      │
│    │    (Machine Learning)                 │      │
│    │    ┌───────────────────────────┐      │      │
│    │    │                           │      │      │
│    │    │    深度学习 DL              │      │      │
│    │    │    (Deep Learning)         │      │      │
│    │    │    ┌─────────────────┐     │      │      │
│    │    │    │                 │     │      │      │
│    │    │    │  生成式 AI       │     │      │      │
│    │    │    │  (GenAI)         │     │      │      │
│    │    │    │  GPT / SD / Sora │     │      │      │
│    │    │    │                 │     │      │      │
│    │    │    └─────────────────┘     │      │      │
│    │    └───────────────────────────┘      │      │
│    └───────────────────────────────────────┘      │
│                                                   │
└─────────────────────────────────────────────────┘

  外圈最大 → 内圈最小 → 越往里越"新"、越"猛"

看明白没？四个圈是嵌套关系——不是并列的。

就像俄罗斯套娃：打开大的，里面有个小的；再打开，还有更小的。

一个一个拆开讲

第 1 层：AI（人工智能）— 最大那个圈

一句话：让机器表现出"智能"的任何方法，都叫 AI。

这是最大的概念。1956 年一群科学家开了一场会，说"咱要让机器像人一样思考"，给这个事儿起了个名——Artificial Intelligence。

最早的 AI 长什么样？就是人写 if-else 规则：

如果 客户信用分 > 700  →  批准贷款
如果 客户信用分 ≤ 700  →  拒绝贷款

这也算 AI。没错，你没看错。只要机器干了"看起来需要动脑子"的事，都算 AI。 哪怕规则是人写的。

这种"人写规则、机器执行"的方式，有个专门的名字叫符号 AI（Symbolic AI），也叫"专家系统"。后面 Day 3 会细讲。

第 2 层：ML（机器学习）— 中间那个圈

一句话：不写死规则了，给机器大量数据，让它自己找规律。

AI 那个圈太大了。人写规则的方式有个致命问题——规则写不完。

比如你想让机器认猫。你写规则："猫有尖耳朵、有胡须、有尾巴……" 但碰到一只折耳猫呢？一只没尾巴的猫呢？规则就崩了。

于是人们换了个思路：别写规则了，让机器自己学。

怎么学？给机器看 10 万张猫的照片，告诉它"这些是猫"。再给 10 万张狗的照片，告诉它"这些是狗"。机器自己从中找规律。

学完之后，你给它一张新照片，它能判断："这大概率是猫。"

这就是机器学习（Machine Learning，简称 ML）。

类比：

符号 AI = 你给新员工一本操作手册，他照着做

机器学习 = 你给新员工 10 万份案例，他自己总结规律

第 3 层：DL（深度学习）— 再往里那个圈

一句话：ML 的一种实现方式，用"多层神经网络"来学。

机器学习有很多种"学法"。其中最猛的一种叫深度学习（Deep Learning，简称 DL）。

深度学习用的工具叫神经网络——结构上模仿人脑的神经元连接。有多层网络，一层一层地提取特征：

输入：一张猫的照片
  ↓
第 1 层：识别边缘、线条
  ↓
第 2 层：识别形状（圆形、三角形）
  ↓
第 3 层：识别部件（耳朵、眼睛、鼻子）
  ↓
第 4 层：识别整体（这是猫！）
  ↓
输出：猫

"深度"就是"层数多"的意思。层数越多，能提取的特征越复杂。

2012 年是关键年份：一个叫 AlexNet 的深度学习模型在图像识别比赛中碾压了所有对手。从此深度学习成为主流，AI 进入了加速期。

第 4 层：生成式 AI（GenAI）— 最里面那个圈

一句话：不只判断了，还能创造新内容。

以前的 AI（包括 ML 和 DL），核心能力是"判断"：

这张图是猫还是狗？→ 判断
这封邮件是不是垃圾邮件？→ 判断
这个用户会不会买这个商品？→ 判断

生成式 AI 不一样——它能"无中生有"：

写一首诗（以前不存在的诗）
画一张图（以前不存在的图）
写一段代码（以前不存在的代码）

2017 年之后的一系列突破（我们下一节讲的 Transformer 就是关键），生成式 AI 做到了又通用、又强大、又人人可用。你天天用的 ChatGPT、DeepSeek、豆包，都是生成式 AI。Stable Diffusion 画图、Sora 生成视频，也是。

一句话区分：

传统 AI = 裁判（判断对错、分类）

生成式 AI = 创作者（写文章、画画、写代码）

一张表搞定所有区别

能力	传统 AI（规则）	机器学习	深度学习	生成式 AI
会认	✅	✅	✅	✅
会判断	✅	✅	✅	✅
会创造	❌	❌	❌	✅
从数据学	❌	✅	✅	✅
用神经网络	❌	❌	✅	✅

看这张表，从左到右，能力越来越多。生成式 AI 是"最猛"的那个——它能做前面所有的事，还能额外"创造"。

生活中的例子

来，看看你身边的东西分别属于哪个圈：

你见到的东西	属于哪个圈	为什么
银行用规则审核贷款	AI（最外圈）	人写 if-else 规则，机器执行
刷脸过闸机	ML / DL	机器从大量人脸照片中学了规律
抖音推荐你爱看的视频	ML / DL	机器从你的行为数据中学了你的喜好
Siri / 小爱同学听懂你说话	ML / DL	机器从大量语音数据中学会了语音识别
ChatGPT 写周报	生成式 AI	机器创造了新的文字内容
AI 画一张不存在的猫	生成式 AI	机器创造了新的图片内容
Excel 里写公式算工资	不算 AI	纯计算，不涉及"智能"

注意：很多人一提"AI"就想到 ChatGPT，其实 ChatGPT 只是 AI 最内层那个小圈。AI 的外层大圈大得很。

动手实践

任务 1：画一张层级关系图

用你喜欢的方式（纸笔、PPT、或者在线工具），画出四个嵌套圈。

推荐工具：Excalidraw（免费在线画图，手绘风格）

要求：

每个圈里写一句话定义
每个圈里写 1-2 个代表技术/产品
画完拍照或截图保存

任务 2：自我检测

回答下面三个问题（答案在本文末尾）：

Q1：智能音箱识别你的语音指令，属于哪个圈？

Q2：ChatGPT 写一首诗，属于哪个圈？

Q3：银行用规则引擎做信用卡审批，属于哪个圈？

今天学到了什么

知识点	一句话总结
AI	让机器表现出"智能"的任何方法
ML	不写规则，让机器从数据中自己学
DL	ML 的一种方式，用多层神经网络
GenAI	不只判断，还能创造新内容
四者关系	嵌套：AI > ML > DL > GenAI

资源	类型	时长	链接
腾讯云 ADP FDE 课程 Ch01 L1.1	视频	~15min	腾讯云教育平台
吴恩达《AI for Everyone》第 1 节	视频	~10min	Coursera 免费
3Blue1Brown 神经网络第 1 集	视频	~20min	B站/YouTube