概念课 无需 AI 连接
AI 是什么？给自己的第一份 AI 使用说明书
在动手之前，我们需要一份正确的"地图"。这节课不谈代码，只帮你建立一个清晰、准确的 AI 心智模型，让你在后续的学习中，步步为营，不走弯路。
一句话定义
AI = 从大量数据中学习规律的程序，让机器能做以前只有人类才能做的事。
点击下方蓝色词可以让 AI 助教帮你解释 →
大语言模型、
神经网络、
Token
AI 是一个数学函数
不是魔法，也不是有意识的存在。它接受输入（你的文字），经过数十亿次数学运算，产生输出（回答）。就像一台非常复杂的计算器——输入确定，计算确定，输出确定。
AI 怎么"想"出答案？——概率接龙游戏
AI 不是在「思考」，而是在算下一个字最可能是什么。选一句下面的前半句，看看模型眼里候选字的概率分布 👇
模型每次只预测一个字，选出来之后把它加到句子末尾，再预测下一个字，如此接龙——一篇千字文章，就是这样一个字一个字"接"出来的。所谓「生成式 AI」，本质就是这个不断猜下一个字的游戏。
AI 简史（你需要知道的 6 个节点）
1950
图灵测试
图灵提问：「机器能思考吗？」——如果你无法通过对话判断对方是人还是机器，机器就通过了测试。
1956
「人工智能」诞生
达特茅斯会议首次提出 Artificial Intelligence，研究者们相信 10 年内能造出像人一样思考的机器。
1980s
专家系统
把人类专家的规则编进程序——如果患者有症状A+B，则诊断为疾病C。有用，但太脆，规则稍变就崩。
2012
深度学习爆发
AlexNet 在图像识别大赛上碾压所有对手。神经网络 + 大数据 + GPU，AI 的现代纪元开始。
2017
Transformer 架构
Google 论文《Attention Is All You Need》。今天所有 大语言模型 的基础，包括 GPT、Claude、Gemma。
2022
大语言模型爆发
ChatGPT 发布，1 亿用户 2 个月达成。AI 从专家工具变成全民工具。DeepSeek、Gemini、Claude 相继涌现，能力快速迭代。
2025–2026
多智能体协作时代（现在）
AI 不再只是回答问题，而是主动完成任务。一个人指挥 多个 AI 协同工作，等于拥有了一支随时待命的团队——你就是一家公司。
AI ≠ 搜索引擎
很多人第一次用 AI 会这样想：「我直接问它不就行了，和搜索引擎一样」。其实差很多。
搜索引擎（Google/百度）
- 找已有的网页，不生成新内容
- 关键词匹配，返回链接列表
- 答案是固定的，别人写的
- 无法理解上下文
- 无法做推理和分析
大语言模型（ChatGPT/Claude）
- 实时生成回答，每次都可能不同
- 理解语义，不只是匹配词
- 可以推理、分析、创作
- 能记住对话上下文（有限）
- 可以按你的格式输出
AI 擅长什么？
在开始探索之前，爸爸妈妈和孩子可以先了解一下 AI 的“超能力”。它既不是无所不能的魔法，也不是只会做算术题的机器。搞清楚它的脾气，我们就能和它玩得更好。
🎨 AI 擅长的魔法
- 天马行空的创作：画一只戴墨镜的猫，或者编一个去火星探险的童话。
- 不知疲倦的翻译和总结：帮你把厚厚的故事书总结成三句话，或者把英语动画片翻译成中文。
- 提供灵感和建议：不知道周末去哪玩？不知道送给好朋友什么礼物？让它帮你列 10 个点子。
- 不知疲倦的讲解：像一位博学的小老师，耐心解答孩子脑子里各种“为什么”。
🔎 需要你来把关的地方
- 需要百分百准确的事实：比如某些冷门的历史年份或科学细节，它可能会记错。
- 复杂的逻辑算术题：理解语言它是天才，但算起大账来，它有时会像刚学数数的小朋友一样粗心。
- 做最终决定：AI 可以给你很多好建议，但最聪明、最有温度的决定，永远需要你和爸爸妈妈来做。
💡 小贴士：现在 AI 越来越能干了，它还能上网、写代码甚至剪视频。我们在后面的课程里会慢慢解锁这些“高级装备”。
💡 为什么要自己把关？认识 AI 的“幻觉”：
AI 就像一个极其热情、总想让你开心的小伙伴。当你问它不懂的事情时，它不想让你失望，于是可能会“一本正经地靠猜”来回答你——这就叫 **幻觉 (Hallucination)**。
所以，当遇到重要的知识时，记得变身“小侦探”，亲手验证一下 AI 说得对不对哦！
核心概念（点击展开）
这些词你会在接下来的课程里反复遇到。现在不用全记住，先有个印象。
AI 收多少钱？——认识 token
AI 行业有个统一的"计量单位"叫 token（大约 1 个汉字 = 1-2 个 token，1 个英文单词 ≈ 1 个 token）。你发给 AI 的字 + AI 回你的字，加起来按 token 收费。
| 模型 |
大致价格（每百万 token） |
特点 |
| DeepSeek-V3 |
约 ¥2 |
国产便宜大碗，日常够用 |
| GLM-4.5-air（智谱） |
约 ¥3 |
中文强，国内速度快 |
| GPT-4o-mini（OpenAI） |
约 ¥4 |
ChatGPT 的平价版 |
| GPT-4o（OpenAI） |
约 ¥18 |
综合能力最强梯队 |
| Claude Sonnet 4（Anthropic） |
约 ¥22 |
写代码 / 长文处理最强 |
| 本地 Gemma / Qwen（跑在你电脑） |
¥0（只花电费） |
速度受你显卡限制，能力略弱 |
举个例子：你用 GPT-4o 问一个问题，输入 200 字（约 300 token）+ AI 回你 400 字（约 500 token）= 约 800 token → 大概 ¥0.014。
换句话说，一杯 20 元的奶茶钱，够你用 GPT-4o 聊 1500 次；用 DeepSeek 能聊 1 万次；如果跑本地模型，管够。
价格随市场变动，以各家官网为准。贵的模型通常更聪明但不总是必要——先用便宜的够不够再说。
AI 能力金字塔：你能站到哪一层？
从最基础的对话，到指挥多个 AI 协同工作——这门课程就是带你一层层往上爬。
我们正身处一个加速的时代
工业革命用了将近 200 年，把人类从手工带进机器。这次 AI 革命的速度，可能是前者的十倍。
有一个类比很准确：学 AI，不是学造发动机，是学开车。你不需要懂引擎原理，但你得会踩油门、认路、知道什么时候该刹车。掌握方向盘的人，才是真正受益的人。
这门课就是你的驾照课。第一课先认识这辆车的脾气——它有多强，哪里要小心，怎么跟它说话它才听懂。
本课总结
本课总结：
你掀开了 AI 的神秘面纱，不再把它看作无所不能的"黑科技"。你看到它的本质——一个强大的概率猜词游戏，也知道了它会"一本正经地胡说八道"，这让你学会了如何带着审视的眼光与它协作。
我明白了，AI 既不是神，也不是机器。它是一个基于概率的"文字接龙"高手，懂它的边界和脾气，才能让它更好地为我所用。
深入学习路径
- 对同一个问题在不同 AI（Kimi、ChatGPT、豆包）上各问一遍 → 感受不同"大脑"的语言风格差异
- 问 AI 一个冷门细节（如某本书的具体出处）→ 感受它如何自信地作答，练习核实习惯
- 让 AI 帮你总结一篇长文，再检查准确性 → 练习评估 AI 输出质量并提出优化指令