什么是人工智能：给医生一个清晰的起点

引子：三个常见的误解

在开始之前，先破除三个医生最常陷入的误区：

误解一： 「AI就是会说话的电脑」。 不对。会说话只是AI能力的冰山一角。AI真正的

本质是从数据中自动学习规律，而不是被编程规则。

误解二： 「AI快要有自我意识了」。 不对。今天的大语言模型本质上是一个超级预测

器——预测「下一个字应该是什么」。它没有意识、没有情绪、没有意图。

误解三： 「我不懂技术，用不了AI」。 不对。使用AI不需要任何编程知识，只需要会

提问。而医生的核心能力恰恰就是提问——问病史、做鉴别、定方案。

1.1 AI的定义：用医生能听懂的语言

人工智能的学术定义很绕：「使机器能够感知环境、学习知识、进行推理并采取行动以实现特定目标的能力。」

翻译成医生语境就是：

人工智能 = 让计算机从经验（数据）中学习，而不是依赖人类逐条写规则。

传统程序：如果 A 且 B 且 C → 做 D（人写死规则） 现代AI：看一万个 A → D 的例子
→ 自己发现规律 → 遇到新的 A' 也能判断

这就是为什么AI能看胸片——不是因为程序员写了「如果圆形阴影+边缘毛刺=肺癌」

的规则，而是AI翻阅了数百万张标注过的胸片，自己学会了这个规律。

1.2 图灵测试：70年前的灵魂拷问

1950年，英国数学家艾伦·图灵在论文《计算机与智能》中提出了一个简单但深刻的问题：「机器能思考吗？」

他设计了一个测试：一个人类裁判通过文字与两个对象聊天——一个是人，一个是机器。如果裁判无法区分谁是谁，机器就通过了测试。

2024年，GPT-4在一项严格对照研究中，让54%的评判者误认为它是人类（人类对照组的成绩是67%）。虽然还没完全通过，但差距已经很小。

1.3 弱AI、强AI、超AI：三个层级

1.4 AI、机器学习、深度学习：一张图理清关系

很多医生听到这三个词，以为是三种不同的东西。其实它们是嵌套关系：

人工智能（AI）
└── 机器学习（Machine Learning）
└── 深度学习（Deep Learning）
└── 大语言模型（LLM）

机器学习 让计算机从数据中学习，不人工写规则循证医学（从临床数据总结规律）

深度学习 用多层神经网络学习，适合处理图像/语音/文本影像学（从CT/MRI图像中识别病变）

大语言模型 在巨量文本上训练的深度学习模型 一个有百科全书级知识的主治医生

1.5 AI为什么在2022年爆发了？

这个问题困扰着很多人：深度学习、神经网络都不是新东西（1980年代就有了），为什么偏偏是2022年底ChatGPT引爆了？

三驾马车同时成熟

1.6 作为医生，你需要知道多少？

全书写到63章，但你不必每章都精读。这里给你一个分层阅读建议：

1.7 本章小结

最后记住一句话：AI不是来替代医生的，是来替代那些「不会用AI的医生」的。

本章初稿，待浩哥审阅。下一章：算力的进化——从ENIAC到英伟达万亿之路。