AI、机器学习、深度学习、生成式 AI 有什么区别？一张图讲清关系

一句话回答

人工智能（Artificial Intelligence，AI） 是最大的圈：让机器完成需要“智能”的任务。机器学习（Machine Learning，ML） 是其中一种做法：不由人写规则，而让程序从数据里学规则。深度学习（Deep Learning，DL） 是机器学习里用多层神经网络的那一支。今天常说的 生成式 AI（Generative AI），比如大语言模型和文生图模型，基本都是深度学习做出来的“会生成内容”的模型。

flowchart TB
  subgraph AI["人工智能 AI：让机器完成需要智能的任务"]
    R["规则式 AI：专家系统、搜索、规划"]
    subgraph ML["机器学习 ML：从数据中学规则"]
      T["传统 ML：线性回归、决策树、梯度提升"]
      subgraph DL["深度学习 DL：多层神经网络"]
        D["判别式：图像分类、语音识别"]
        G["生成式 AI：大语言模型、文生图、语音合成"]
      end
    end
  end

规则式 AI 与学习式 AI

早期的 AI 主要靠人写规则。比如一个识别垃圾邮件的程序，可以写“标题里有‘中奖’就判为垃圾”。这种规则式 AI（也叫符号 AI、专家系统）透明、可控，但规则写不完：骗子换个说法就绕过去了。

机器学习换了思路：收集一大批已标好“垃圾/正常”的邮件，让算法自己找出哪些特征和结果有关。规则不再由人逐条写出，而是存在模型的参数里。数据变了，重新训练即可。

三种主要的学习方式

大模型的训练恰好把三种方式都用上了：先在海量文本上自监督预训练，再用人写的示范做监督微调，最后用人类偏好做强化学习（见 大模型如何学习）。

深度学习为什么胜出

传统机器学习往往需要人先设计“特征”（例如图片的边缘、颜色直方图）。深度学习用很多层神经网络，让前几层自动学到简单特征、后几层组合成复杂概念，省掉了大部分手工特征工程（LeCun、Bengio、Hinton，2015）。

它在 2012 年迎来转折：AlexNet 用 GPU 训练的深度卷积网络，在 ImageNet 图像识别比赛上大幅领先（Krizhevsky 等，2012）。此后语音识别、机器翻译陆续转向深度学习。2017 年的 Transformer 结构（Vaswani 等）让模型能高效地并行训练，成为今天几乎所有大模型的底座。神经网络本身怎么工作，见 神经网络入门。

三个条件缺一不可：更多的数据（互联网）、更强的算力（GPU）、更好的结构与训练方法。

生成式模型与判别式模型

• 判别式模型学的是“给定输入，答案是什么”：这张图是猫还是狗？这笔交易有没有风险？输出是类别或分数。
• 生成式模型学的是“数据长什么样”，因此能造出新的样本：写一段文字、画一张图、合成一段语音。GAN（Goodfellow 等，2014）、扩散模型和大语言模型都属于这一类。

大语言模型通过反复“预测下一个 token”来生成文字（见 大模型是什么）。GPT-3 的论文还展示了：模型足够大后，只要在提示里给几个例子，它就能完成没专门训练过的任务（Brown 等，2020）。这也是下一课 提示词基础 的出发点。

常见误区

• “AI = 大模型”：大模型只是最新、最显眼的一支。推荐系统、风控、导航、OCR 里大量用的是其他 AI 方法。
• “深度学习一定比传统机器学习好”：数据少、特征清晰的表格任务，梯度提升树往往更准、更快、更好解释。
• “模型从数据里学到的就是事实”：模型学到的是统计规律，数据有偏差，模型也会有偏差；生成式模型还会“幻觉”。

动手试试

1. 打开 Teachable Machine，不写代码，用摄像头给两种手势各拍几十张图，训练一个分类器——这就是监督学习。
2. 打开 TensorFlow Playground，把隐藏层从 0 层加到 3 层，看决策边界如何从直线变成复杂曲线——这就是“深度”的作用。
3. 想入门系统学习，可以从免费的 Elements of AI、AI for Everyone 或 Google 机器学习速成课 开始。