AI 编程与传统编程有何不同？

AI 编程与传统编程有何不同？由 BTW Media 进行分析，因为公开证据将其与互联网基础设施、治理、运营依赖关系或市场可见性联系起来。

• 传统计算机程序通过编码指令为特定任务在固定规则中编程。
• AI 模型基于学习到的模式做出决策并提供解决方案，并且能够生成与学习内容不同的新输入。

人工智能技术不断发展并应用于生活的许多领域。它与传统编程有何不同？在这篇博客中，我将讨论每种编程是什么，它们的不同侧重点，以及每种编程适用于哪些特定领域。首先，观看 IBM 的 Martin Keen 讨论 AI 系统与传统代码的视频。

AI 编程：概述

我来简要总结一下视频内容。Martin 讨论了 AI 通过三个步骤学习数据，即训练（获取数据）、验证（学习）和测试（性能表现）。而在传统编程中，程序遵循规则，通过手动编写代码行来实现。他指出这两种编程方法之间的三个差异：首先是可扩展性，AI 允许大量代码和数据，而传统编程需要更多代码输入；其次，传统编程对系统拥有完全控制，因为其输出正是所构建的内容，而 AI 则可能难以预测，因为它可以基于模式学习，生成超出预期的全新内容；第三点是学习和数据处理方面。

另请阅读：IBM 报告 AI 订单增长，超出盈利预期

我们可以从开发步骤表中清楚地看到 AI 与传统编程之间的区别。第一个高级编程语言可追溯到 1942 年，商业化版本称为 FORTRAN（公式翻译），由 IBM 的一个团队领导开发。早期的计算机容量和内存有限，迫使程序员编写手动调优的语言程序。

几十年来，更多编程语言被发明，拥有更先进的处理重点。传统编程适用于许多需要安全和精确环境的领域，如会计系统、网页开发，以及这些领域内的支付处理和用户认证，这些都受治理规则监管。而 AI 则恰恰相反。AI 作为一门学科成立于 1956 年，随后几十年因缺乏资金信心而遭遇障碍，最终在 2012 年迎来 AI 之春。通过深度学习超越其他 AI 技术，导致了 2020 年代的 AI 繁荣。

另请阅读：人类与 AI 投资顾问：哪个更好？

AI 编程与机器学习

机器学习在早期 AI 的发展中起到了关键作用。机器学习是研究能够提高特定任务执行性能的程序。这与现在的生成式 AI 理念非常相似：学习数据模式并输出不同的内容。开发人员将第三步称为训练，因为其类似于“测试”（传统编程中的步骤）中的强化学习：实验者会对良好的响应给予奖励（发出好信号），对不良响应给予惩罚（发出坏信号），从而训练机器学会给出“正确”的答案。从定义到起源/历史的解释，我们理解了两者的不同之处，这非常类似于心理学中的术语：经典条件反射和操作性条件反射，前者认为行为是被诱发的，而后者认为行为是自发产生的。

从这些差异中不难理解，为什么许多人对 AI 的伦理问题及其对人类未来的风险提出质疑。因为它们确实可以像我们一样学习。传统编程为 AI 的发展提供了坚实的基础，那么 AI 是否会在某些时候也在体力上超越人类？这仍然是一个问题。