如今几乎没有一天听不到"AI"这个词。无论新闻还是社交媒体，每天都有关于AI的话题涌来。但AI这项技术本身早在1950年代就已开始研究。为什么偏偏到了今天，才引发如此轩然大波？本章将抛开专业术语，一口气讲清楚什么是AI、为什么是现在、它能做什么又不能做什么、以及如何上手使用。
3分钟掌握全貌
AI热潮的真相 ― 为什么现在闹得这么热
答案很简单："AI终于达到了普通人也能使用的水平"。
转折点出现在2022年11月。OpenAI发布了ChatGPT。在此之前，说到AI，都是程序员和研究人员才会用的高深工具。而ChatGPT只需打开浏览器、输入问题即可。写一句"帮我列一份下周出差的物品清单"，几秒钟就能得到回答。正是这份简便，改变了世界。
用数字看AI的爆炸式普及
它究竟普及到了什么程度？让我们用具体数字来看看（截至2026年3月）。
SimilarWeb 2025
McKinsey 2025
2024年为11%→急剧增长
约3,000〜5,400亿美元
仅仅三年前还在问"AI？那是什么？"的人们，如今已经在用AI撰写工作邮件、起草报告了。这是一场堪比智能手机普及时的巨大变革。
与以往的AI热潮有何不同？
其实，这已经是第三次AI热潮了。过去也曾有过"AI将改变一切！"的喧嚣时期，但每次都撞上了技术瓶颈，期待逐渐落空。这次之所以被称为"动真格的"，是因为出现了以下两项进化。
以前的AI是需要专家用命令或程序来操作的。而如今的AI，只要用普通的日常语言对它说话，它就会作答。既不需要手册，也不需要代码。
文章、图像、代码、音乐、视频。AI能够生成全新的内容了。这项技术被称为"生成式AI（Generative AI）"，正是这轮热潮的核心。
大致梳理AI的类型 ― 生成式AI、预测式AI、识别式AI
虽说都叫"AI"，其实它有各种各样的类型。不必全部记住，但只要大致分成三大类，AI的世界就会一下子清晰起来。
💡 界限正变得越来越模糊。 近来的AI可以一边生成文本（生成），一边理解图像内容（识别），还能根据上下文预测接下来的内容（预测）。这种兼具多种能力的AI被称为"多模态AI"。详情将在第6章中讲解。
当下最受热议的生成式AI，只要你请ChatGPT"帮我构思下周演示的框架方案"，它就能整套生成出来；只要你对Midjourney写下"待在夕阳海边的猫"，几秒钟就能生成图像。就在几年前还被视为"只有人类才能完成的工作"，如今AI也能胜任了——这正是当前这轮热潮的本质。
ChatGPT的内部原理 ― LLM是"超高性能的输入预测"
使用ChatGPT、Claude、Gemini时，它们仿佛在"思考"后作答。但实际的机制其实出乎意料地简单。一句话概括，就是手机输入法预测的超强版。
打出"早"，就会联想出"早上好"。它根据你的输入历史，预测接下来最可能出现的词（数据量：数MB，仅看前面的几个字）。
它做的事情同样是"预测下一个词"，只是规模天差地别。它从互联网上海量的文本中进行预测（数据量：数TB以上，会考虑整段对话的上下文）。
手机只看前面的几个字，而LLM会考虑整段对话的上下文，逐词生成"接下来最恰当的词"。正是这份"理解上下文的能力"，让LLM看起来如此聪明。
它是如何变"聪明"的 ― 三个步骤
读入网页、书籍、论文等，将语言的规律记忆到数千亿个参数中（预训练）。动用数千台GPU，历时数月。
用优质对话作为范本，追加学习"被提问时该这样回答"（微调）。
由人类评判"好／危险"，提升回答质量（RLHF）。让回答变得礼貌且无害。
⚠️ 它不是"知道"，而是在"预测"。 对"日本的首都是？"回答"东京"，并不是因为AI把东京当作知识记住了，而是因为它学到了"日本的首都是"后面会跟着"东京"这个规律。正因这套机制，它有时会一本正经地给出貌似合理却错误的信息——这就是后文所说的"幻觉（hallucination）"。
AI能做什么、不能做什么 ― 避免过度信任与过度低估
人们对AI既有"无所不能的魔法工具"的期待，也有"说到底不过是台机器"的低估。而实际情况介于两者之间，它擅长的事和不擅长的事泾渭分明。
- 撰写、编辑文章（起草邮件、摘要、校对）＝最能发挥实力的场景
- 翻译（英文邮件从30分钟缩短到1分钟）
- 作为头脑风暴的对话伙伴
- 帮你写代码或数学公式
- 保证事实准确（貌似合理未必正确）
- 承认错误（越是错的答案越自信／MIT研究）
- 做最终决定（不要把医疗、法律、重大决策交给它）
- 最新信息（对训练截止之后的内容有时并不擅长）
📊 可信度会因领域而剧变。 即便是最优秀的模型，在基础任务中也会有约0.7%的幻觉发生率（Suprmind 2026）。但也有研究指出，在法律领域有75%以上、在医疗领域有23%以上的概率会混入错误信息（Stanford RegLab）。把"AI在不同领域是完全不同的东西"记在心里，才更安全。
实用的取舍诀窍
关键在于在AI擅长的领域使用它，在它不擅长的领域则务必由人来把关。只要记住下面三条原则，就不会大失所望。
让AI写初稿，确认内容无误后再发出。
让它给出多个选项，选哪一个由自己拍板。
把AI的回答当作起点，重要事实要用官方来源核实。
动手实际体验一下 ― 今天就能试的3款免费AI工具
百闻不如一见。主流的AI工具都能免费试用，也无需登记信用卡。只要有一个邮箱或Google账号，5分钟后你就能和AI对话了。
点燃AI热潮的引路者。拿不定主意就先用它。到 chat.openai.com 用邮箱／Google账号注册。
试试:"帮我列一份京都三天两夜的物品清单"／粘贴自己的邮件正文，说"帮我改写得更礼貌一些"
Anthropic出品。以细致而有逻辑的回答见长。到 claude.ai 用邮箱注册，支持Web/iOS/Android。
试试: 上传一份PDF说"归纳成5个要点"／"指出这份企划书的弱点和改进方案"
与搜索、Gmail、文档联动，也擅长获取最新信息。到 gemini.google.com 用Google账号登录即可。
试试:"今天东京的天气和推荐的穿搭"／上传照片问"这是什么？"
该选哪一个？ 说实话，如果是第一次用，哪个都行。三款都免费，全部试一遍、找到最适合自己的那款，才是最好的办法。各工具详细的取舍之道，我们将在第2章《AI工具的选择方法》中彻底讲解。
使用AI时至少要知道的事
在开始使用之前，有三件事希望你先记在心里。每一件都是"不知道可不行"的重要要点。
AI会一本正经地生成并非事实的信息，甚至会捏造出根本不存在的论文。有估算认为，这给整个企业界带来每年约10万亿日元的损失（AllAboutAI 2024）。
对策: 不要全盘照收，重要事实要用其他来源求证。
你输入的内容有时会被用于训练。有调查显示，约8.5%的提示词中含有机密数据。
对策: 不要输入公司机密、他人的个人信息和密码。请确认公司的使用政策。
AI生成物的权利在全球仍处于争议之中。美国也出现过"不承认纯AI作品拥有著作权"的判决。
对策: 不要原样使用输出，要自行改编、加工。用于工作时应注明属生成物，或进行充分的再加工。
关于AI的风险与伦理课题，我们将在第5章中作进一步深入探讨。
- AI如今成为热潮，是因为它变得"能对话、能创作"了（生成式AI）。
- 类型分为生成、预测、识别三种。界限正在模糊化（多模态）。
- ChatGPT的内部原理是"超高性能的输入预测"＝它不是知道，而是在预测。
- AI会若无其事地出错。草稿交给AI、最终把关靠人，是铁律。
- 先免费试用一款。ChatGPT/Claude/Gemini任选其一皆可。
读到这里的你，已经理解了AI的基本原理和相处之道。在下一章第2章《AI工具的选择方法》中，我们将对比主流AI工具的特点，讲解如何找到最适合自己的那一款。
参考文献
- McKinsey《The State of AI》（2025年调查） ― 企业AI导入率88%
- Suprmind《AI Hallucination Rates & Benchmarks》（2026年） ― 幻觉率的对比数据
- AllAboutAI《AI Hallucination Report》（2024年） ― 幻觉造成的经济损失674亿美元
- MedhaCloud《67 AI Adoption Statistics for 2026》 ― AI普及相关统计数据
- Netguru《AI Adoption Statistics in 2026》 ― 38%的知识工作者每天使用AI