1 引言

安全风险判断框架

查看大图

我讲 AI 安全隐私时，会先把模型放回系统里看。风险不只在算法，也在输入表单、知识库、日志、权限、接口和最后拿结果做决策的人。

查看大图

读完后可以先画一张自己的 AI 应用链路图：数据从哪里来，经过哪些服务，谁能看见，最后会影响什么动作。画不出来的地方，就是下一步要问清的地方。

1.1 什么是人工智能？

在当今快速发展的科技环境中，人工智能（AI）逐渐成为改变我们生活和工作的关键技术。从自动驾驶汽车到智能助手，人工智能的应用无处不在。然而，尽管许多人听说过这个名词，但对其真正含义却往往缺乏深入的理解。

查看大图

练习《引言》时，建议把输入条件、处理动作和可见结果写在一起，方便下次复查。

查看大图

复习《引言》时，建议把关键概念、操作步骤和可见结果放在同一页里回看。

1.1.1 人工智能的定义

人工智能是指利用计算机程序和算法使机器能够执行通常需要人类智能的任务的技术。这些任务包括但不限于语言理解、图像识别、决策制定和问题解决。具体来说，人工智能可以分为以下几类：

1. 弱人工智能：也称为“窄人工智能”，这是指专门为特定任务设计的AI系统。例如，语音识别软件（如Siri或Alexa）可以理解并响应用户的语音命令，但它不能像人类一样处理其它未编程的任务。

2. 强人工智能：也称为“通用人工智能”，这是指能够理解、学习和应用智能的机器，无论任务的复杂性如何。目前，这种类型的人工智能还处于理论阶段，但科学家们正在积极研究。

1.1.2 人工智能的组成部分

人工智能的实现通常依赖于以下几个核心的技术组成部分：

• 机器学习：一种让计算机通过数据进行学习的方法。机器学习算法能够从经验中学习并改进其性能。常见的机器学习算法包括决策树、支持向量机和神经网络。例如，在图像分类任务中，通过输入大量标注的图像数据，机器学习模型可以学习识别不同的物体。

• 自然语言处理（NLP）：这一领域致力于使计算机理解和生成自然语言。NLP技术的应用包括语音识别、文本分析和机器翻译等。例如，使用Python的NLTK库，开发者可以实现词法分析和情感分析等功能：

  import nltk
  from nltk.sentiment import SentimentIntensityAnalyzer
  
  # 初始化情感分析器
  sia = SentimentIntensityAnalyzer()
  
  # 分析句子的情感
  sentence = "人工智能将改变未来。"
  sentiment = sia.polarity_scores(sentence)
  
  print(sentiment)
  

• 计算机视觉：使计算机能够理解和处理图像和视频的技术。计算机视觉能够识别图像中的对象、场景和活动。例如，OpenCV库常被用于监控系统中的人脸识别技术。

1.1.3 人工智能的应用案例

人工智能的应用已经深入到多个行业，以下是几个经典的应用案例：

查看大图

AI 安全和隐私不是上线前补一份声明。先把数据、权限、留存和应急流程写清楚，很多工具选择和部署方式都会随之改变。

• 医疗行业：AI可以帮助医生进行疾病诊断。比如，深度学习模型可以通过分析医学影像（如X光片或MRI）来识别早期癌症迹象。

• 金融领域：银行利用AI进行风险评估和市场预测。机器学习算法可以分析客户数据，预测贷款违约的可能性。

• 智能家居：通过连接到互联网的设备，人工智能可以自动调整家庭的温度、照明和安全系统。例如，智能恒温器可以根据用户的习惯自动调整设置。

1.1.4 人工智能的挑战

尽管人工智能给生活带来了便利，但它也面临一系列挑战。其一，数据隐私和安全性问题愈发受到关注。AI系统通常需要大量的个人数据来进行训练，而如何在利用这些数据的同时确保用户隐私，是行业面临的一大难题。其次，算法的偏见问题也开始受到广泛讨论：如果训练数据中存在偏见，那么AI系统的决策也可能带有偏见，从而影响结果的公正性。

查看大图

读完《引言》不要只停在“看懂了”。回头挑一个步骤动手做一遍，再记录哪里卡住，后面的学习会更稳。

综上所述，人工智能不仅是现代科技的一个重要组成部分，也是塑造我们未来的基础技术。在接下来的章节中，我们将进一步探讨与人工智能相关的安全与隐私问题，确保在享受科技进步带来的便利的同时，保持必要的安全防护。