AI 是什么？从日常例子看懂能力和边界

先说结论：AI（人工智能）是一类让电脑做“本来需要人动脑”的事情的技术，比如认出规律、做预测、听懂文字、写出新内容（IBM）。聊天机器人只是其中一种。

为了方便入门练习，本文把一些日常任务分成三个实用格子。这只是练习用的分法，算不上正式分类，也没有涵盖所有能力：

• 预测/分类：这封邮件是不是垃圾邮件？
• 生成：帮我起草一段回复。
• 查询：某份资料里到底怎么写的？

AI 生成的内容可能出错；话说得再流畅，也不代表已经核实过。所以第一次用，挑一件出错也没关系的小事，先想好怎么检查，重要的决定留给人来拍板。

下面用几个生活里的例子，把能力和边界讲清楚。文末有一张检查卡，填完就能开始你的第一次尝试。

AI 到底是什么

AI 是个大筐，很多技术都装在里面。IBM 的说法是：AI 让电脑模拟人的一部分学习、解决问题和做决定的能力（IBM）。

注意“模拟”这个词。AI 能写出看起来很有想法的话。但写得像样，不代表内容是对的，还得你去核对。

其实你早就在用 AI 了，只是没注意：

• 邮箱自动把一些邮件丢进垃圾箱
• 相册把同一个人的照片归到一起
• 输入法猜你下一个字
• 聊天工具帮你写一段话

看着差别很大，原理是一回事：先从大量例子里学到规律，再拿这个规律去处理新东西。

几个常听到的词，关系是这样的：

简单说：机器学习是从数据里学规律；深度学习是机器学习里用多层神经网络的那一派（IBM）。不是所有 AI 都是深度学习，也不是所有 AI 都会“写东西”。生成式 AI 只是其中专门造内容的一支（密歇根理工大学）。

AI 是怎么工作的

不懂数学也能明白个大概。多数 AI 就三步：

1. 看例子学习。喂给它大量数据，它自己调整，慢慢摸出规律。
2. 接收新东西。你给它一封新邮件、一张新照片、一个新问题。
3. 给出结果。按学到的规律，吐出一个标签、一个数字，或者一段新内容。

第三步好不好，很大程度看第一步。学的例子要是又乱、又少、又旧，结果也会带着这些毛病。所以说到 AI 的风险，数据质量总排在前面（IBM）。

三种活儿：预测、生成、查询

预测、分类和生成，各管各的事（密歇根理工大学）。交给工具之前，可以试着把一些日常任务分到下面三个格子里，方便想清楚怎么检查。

这张卡是本文设计的入门练习，没有穷尽 AI 的能力，也算不上正式分类。有些任务可能同时适合几个格子，也有些不适合任何一个。

任务分拣卡（练习用）

“查询”这个格子特别要留心。很多聊天工具会把三种活儿混在一个回答里。它可能编出一句像是查过的话，比如“根据规定，退款需要 14 天”，其实根本没查任何规定。

先分好类，你就知道这个答案该怎么查。

同一封邮件，两种活儿

下面是一封虚构的邮件，只用来说明区别，没有拿它测试哪个模型更好。

你好，我是社区菜园的小周。原定周四送工具棚，货车被订走了，送不了。能改到下周吗？除了周一，哪天上午都行。谢谢！

活儿一：分类。 你事先定了四个类别：账单、改时间、投诉、其他。让工具给这封邮件贴一个。合理的结果是“改时间”。一共就四个选项，对不对一眼就能看出来。

活儿二：写回复。 你让工具起草回信。它可能写：“好的小周，那就改到下周二上午 9 点吧！”

读着挺顺，但问题来了：周二、9 点，是工具自己定的。谁也没答应过这个时间。生成的内容会自己把空白补上，补得像模像样，但没有依据。

生成照样好用，只是两种活儿出错的方式不一样：

AI 能用在哪儿

用三个格子去看，就容易分清 AI 适合干什么。下表按活儿的类型分了组，并标出哪些适合第一次试。

“适不适合”是本文根据“好不好检查、能不能撤回”做的判断。

能看出一个规律：适合起步的任务，都是你自己知道好结果长什么样，而且错了也不怎么要紧的。

好处和风险

好处很实在：

• 对着空白页发呆时，先给你一个初稿
• 把零散的笔记理出结构
• 把一堆东西分好组
• 用更简单的话解释一个词

它最好用的地方，往往是当个起点，你再接着改。

风险和好处出自同一个地方：AI 写得又快又顺，不管对不对。IBM 列出的问题里，就有数据质量、输出出错和操作层面的风险，这些都需要检查和人来把关（IBM）。

落到日常，大概是这几种：

• 错的事实，说得很笃定。 文字通顺不代表内容正确。
• 数据旧了或者偏了。 它学的例子有局限，结果也会有。
• 信息泄露。 把隐私内容贴进工具，可能传到你没想到的地方。
• 没人检查就自动执行。 一个小错重复一百次，就成了大错。

AI 写出来的话，不等于证据

这是新手最该养成的习惯。

AI 写“研究表明……”“截止日期是 3 月 3 日”，这只是它生成的说法。只有你能找到一个外部来源说了同样的话，它才算证据。

工具给了链接，就点开看。提到某份报告，就去找这份报告。找不到，就当它没被证实。

这些事，先停下来找人看

有些事，就算 AI 给的结果看着不错，也别让它一个人说了算。遇到下面这些，先请懂行的人看过再动手：

• 跟健康、法律、税务、安全有关的决定
• 转钱、签协议、下单买东西
• 决定别人的工作、成绩、住房或处分
• 一次发给很多人的消息，或者发给重要的人
• 删除、覆盖、公开那些不好撤回的东西
• 分享个人隐私、保密内容，或别人的私事

AI 还是可以帮你准备，比如列出要问医生的问题。但最后拍板的，得是人。

挑一件小事开始

一个合适的入门任务，要过五关：

• 风险低：错了顶多有点烦，不会伤到谁
• 你知道好结果长什么样：不用查资料也能判断好坏
• 好检查：几分钟内能拿它跟真实情况对一下
• 没有敏感信息：不涉及隐私、机密或别人的事
• 能撤回：结果不好，扔了自己做就是

通常能过关的：把购物清单按超市货架重新排；把你自己记的会议笔记缩成一段总结；给自己的小项目想几个名字；解释文章里碰到的一个生词。

通常过不了的：自动回复客户投诉；总结一份你自己都没读过的合同；在几个求职者里挑人。

不知道怎么跟 AI 提要求？可以看看提示词会变，提问的方法值得留下。

用之前，先查三样

不管 AI 给了什么，用之前花几分钟做三项检查，最常见的毛病基本都能拦下来。

1. 查事实。 把里面的人名、数字、日期、引语、结论都划出来。一条条问自己：能在工具之外找到来源证实吗？找不到，就删掉，或者标上“未核实”。

2. 查格式。 是你要的样子吗？长度、语气、结构对不对，你交代的要求有没有漏？一段总结，每句都对，但偏偏漏了你最关心的那一点，也算不合格。

3. 查敏感信息。 结果里有没有隐私、别人的信息、不该外传的内容？你之前有没有把不该贴的东西贴进工具？有的话，先处理好再往下走。

用 AI 的时候保住自己的判断，本身就是一项本事。想多了解，可以读用 AI 又不丢掉判断力：保留这几个自己动脑的环节。

你的第一张任务检查卡

把下面这张卡复制下来，拿一件真事填一填，干活时放在手边。这是本文设计的模板。

我的第一个 AI 任务检查卡

一句话说清任务：
_____________________________________________

活儿的类型（圈一个）：  预测/分类   生成   查询

我要给工具的内容：
_____________________________________________
绝对不能贴进去的：
_____________________________________________

好结果长什么样：
_____________________________________________

检查 1 - 事实：人名、数字、日期怎么核对
_____________________________________________
检查 2 - 格式：要多长、什么语气、什么结构
_____________________________________________
检查 3 - 敏感信息：要找什么、删什么
_____________________________________________

人工复核点（谁来看、什么时候看）：
_____________________________________________

在“先停下找人看”的清单上吗？
（健康、钱、法律、别人的工作或成绩、群发、撤不回）  是 / 否
如果是：最后一步不用 AI。

拿到结果后，我要做的一个低风险动作：
_____________________________________________

填好的样例（虚构）：

• 任务：把烹饪课上手写的笔记，整理成一张干净的菜谱卡。
• 类型：生成。
• 给工具的内容：我打出来的笔记。不能贴的：这次没有敏感内容。
• 好结果：先列食材，再写编号步骤，一页纸以内。
• 查事实：每个用量、烤箱温度都对照我的笔记。
• 查格式：食材在前，步骤编号，不超过一页。
• 查敏感信息：没有。
• 人工复核：打印前我自己读一遍。
• 在停下清单上吗：否。
• 低风险动作：先打印一份，自己照着做一次，再分享给别人。

几个常见问题

AI 就是 ChatGPT 吗？ 不是。聊天工具只是生成式 AI 的一种。AI 还包括那些只分类、做预测、认图案，一个字也不写的系统。

AI 说的话能直接拿来用吗？ AI 是在模拟人的部分思考能力（IBM）。你能看到的是它的输出：读着通顺，也可能出错、漏掉或过时。把它当成要检查的东西，别当成已经核实过的结论。

AI 说得很肯定，就能信吗？ 语气肯定，跟内容对不对没关系。每次都做那三项检查。

接下来做什么？ 这周挑一件低风险的小事，填好上面的检查卡，做完三项检查，再自己决定这个结果值不值得用。