AI的常见研究领域
我的概括
Yo,我是浩然,CS科班出身,GitHub万星项目维护者。今天从技术视角给你们捋一捋AI的核心研究领域。不整虚的,直接上干货。
落到执行上:Yo,我是浩然,CS科班出身,GitHub万星项目维护者。
1. 计算机视觉 (Computer Vision)
我的判断是:干嘛的?
我会先把握这一点:说白了就是让机器有眼睛。
核心原理:就是让模型学会从像素里提取特征。
落到执行上:实用场景:
- 我的判断是:图像分类、目标检测
- 我会先把握这一点:人脸识别、姿态估计
- 这里更重要的是:图像分割、自动驾驶感知
# 用Python调用视觉模型的简单示例
import torch
model = torch.hub.load( 'pytorch/vision' , 'resnet50' , pretrained = True )
# 输入图片 → 输出类别概率
2. 自然语言处理 (Natural Language Processing - NLP)
落到执行上:干嘛的?
我的判断是:Siri、小爱同学、微信翻译、垃圾邮件过滤——都是NLP。
核心任务:
- 这里更重要的是:NLU(理解) :让机器看懂你写的啥
- 落到执行上:NLG(生成) :让机器写出人话
我的判断是:技术演进:从RNN→LSTM→Transformer,GPT就是NLP的产物。
# 调用大语言模型的简单示例
response = openai.ChatCompletion.create(
model = "gpt-4" ,
messages = [{ "role" : "user" , "content" : "解释一下什么是过拟合" }]
)
3. 机器学习 (Machine Learning)
我会先把握这一点:干嘛的?
这里更重要的是:这是AI的核心——不是人写死规则,而是让机器自己发现规律。
落到执行上:三大类型:
| 类型 | 特点 | 例子 |
|---|---|---|
| 监督学习 | 有标签,数据有正确答案 | 猫狗分类、房价预测 |
| 无监督学习 | 无标签,让模型自己找规律 | 用户分群、异常检测 |
| 强化学习 | 通过奖励信号学习策略 | AlphaGo、游戏AI |
我的判断是:重要概念:损失函数、优化器、过拟合/欠拟合、梯度下降。
4. 机器人学 (Robotics)
我会先把握这一点:干嘛的?
这里更重要的是:工厂里的机械臂、扫地机器人、能做手术的达芬奇机器人、火星探测器——都是机器人学。
核心挑战:
- 我的判断是:感知(视觉、触觉、力反馈)
- 我会先把握这一点:规划(路径规划、运动规划)
- 这里更重要的是:控制(精确执行)
5. 语音识别 (Speech Recognition)
落到执行上:干嘛的?
我的判断是:微信语音转文字、会议实时字幕、语音助手听懂你说话——都是这技术。
我会先把握这一点:技术链路:声波→特征提取→声学模型→语言模型→文字输出。
总结:AI系统的”身体部位”
若把AI比作一个人:
| 领域 | 相当于 | 功能 |
|---|---|---|
| 机器学习 | 大脑 | 通用学习能力 |
| 计算机视觉 | 眼睛 | 图像/视频理解 |
| NLP | 嘴巴 | 语言生成与理解 |
| 语音识别 | 耳朵 | 声音→文字 |
| 机器人学 | 手脚 | 物理世界交互 |
💻 浩然学长推荐
落到执行上:想入门这些领域?
- 我的判断是:CV :学OpenCV、PyTorchvision,配合吴恩达课程
- 我会先把握这一点:NLP :直接用Hugging Face套件入门
- 这里更重要的是:ML :Andrew Ng的机器学习课+ Kaggle实战
- 落到执行上:语音 :WebRTC、Whisper API
我的判断是:别光学理论,代码跑起来才是真会。
我的延伸
我会把 AI 当作放大器:先定义任务和验收标准,再调用工具,并保留事实核验、隐私边界和人工判断。
- 我会先把这篇内容压缩成三个关键词,并写下一个可以在一周内验证的小实验。
- 我会在决策前补充一个反面案例,确认这条经验的适用边界。
- 我会在实践后记录结果、偏差和下一步修正,让知识从“读懂”走向“会用”。