AI 和 ML 基础知识
您将学到什么
在本领域中，你将学习人工智能（AI）、机器学习（ML）、深度学习（DL）之间的关系，监督学习、无监督学习与强化学习的区别，以及推进 ML 项目的通用生命周期。这是占 AIF-C01 出题比例 20% 的基础领域，也是后续所有内容的根基。
要点
- AI ⊃ ML ⊃ DL 的包含关系 - AI 是最宽泛的概念，ML 是 AI 的一种方法，DL 是基于神经网络的一种 ML 方法
- 生成式 AI 与智能体式 AI - 生成式 AI 是用基础模型创造新内容的深度学习应用，智能体式 AI 是朝着目标自主推进多个步骤并使用工具的 AI
- 传统 ML 还是基础模型 - 合规要求、解释的必要性、运营约束（响应时间和费用）越严格，越适合传统 ML；处理范围广泛的输入的用途，越适合基础模型
- 监督学习 - 从输入与正确答案（标签）的配对中学习。分为分类（categorical）与回归（numerical）
- 无监督学习 - 在没有正确标签的情况下发现数据的结构。聚类、降维、异常检测是其代表
- 强化学习 - 智能体与环境交互，学习使奖励最大化的行为
- ML 生命周期 - 数据采集 → 预处理 → 训练 → 评估 → 部署 → 监控的循环往复
- 流水线各阶段的 AWS 服务 - 自有模型的开发与运营用 SageMaker AI，基础模型的集成用 Bedrock，编写代码用 Kiro，业务中的使用用 Amazon Quick（考试指南 1.1（英文版）将 Amazon Q 也列为示例）
- 过拟合（overfitting）- 在训练数据上拟合良好但在测试数据上性能下降的现象。需要采取措施保持泛化性能
- 推理（inference）- 向已训练的模型输入新数据以获得预测的处理过程。有实时、批量、异步、无服务器 4 种方式
术语与概念
AI、机器学习、深度学习的关系
AI 是泛指「模仿人类智能行为的技术」的宽泛概念。ML 是「从数据中自动学习规则」的一种 AI 方法，DL 是「使用多层神经网络」的一种 ML 方法。生成式 AI 绝大多数都是 DL 的应用。
生成式 AI 与智能体式 AI 的定位
生成式 AI 是使用以深度学习构建的基础模型来创造文章、图像、代码等新内容的领域。智能体式 AI 是朝着给定的目标制定计划，并自主推进多个步骤和工具调用的 AI。传统的 AI 每次收到指示只回应 1 次，而智能体式 AI 一边利用基础模型的推理，一边反复进行判断和执行，直到达成目标。
传统 ML 还是基础模型
需要向监管机构或客户说明判断依据的审查，适合机制简单、易于解释的传统 ML 模型。存在响应时间或每件费用上限严格等运营约束时，小型的传统模型也更合适。在文章摘要或对话这类处理范围广泛的输入、难以为每种用途准备训练数据的场景中，适合基础模型。能用固定规则写出的处理，则根本不使用 ML。
强化学习（Reinforcement Learning）
智能体（学习者）针对环境选择行为，并以使所获奖励最大化为目标学习策略的方法。它被应用于游戏 AI、机器人控制、推荐优化以及生成式 AI 的 RLHF（基于人类反馈的强化学习）。
过拟合与泛化
过拟合是指对训练数据拟合过度，导致在未知数据上性能下降的现象。可通过增加数据量、正则化、Dropout、交叉验证等方法防止。相反，欠拟合（underfitting）是指模型过于简单，连训练数据都无法学好的状态。泛化的程度用未参与训练的测试数据来衡量，分类模型除了准确率之外，还要看精确率（预测为阳性的样本中真正为阳性的比例）、召回率（真正的阳性中被找出的比例），以及两者的调和平均数 F1 分数。
AI 与 ML 流水线各阶段的 AWS 服务
从数据准备到模型的训练、评估、部署、监控都由自己推进的阶段，使用 Amazon SageMaker AI。无需训练、通过 API 调用基础模型并集成到应用程序中的阶段，以 Amazon Bedrock 为中心。编写该应用程序代码的阶段由 Kiro 承接，在业务中使用做好的 AI 的阶段由 Amazon Quick 承接。考试指南 1.1（英文版）将 Amazon Q 也列为示例（名称与分类截至 2026 年 10 月）。
→ Amazon Bedrock 术语表 / → 使用 Kiro 进行规格驱动开发 / → Amazon Quick 在业务中的应用
推理（Inference）的方式
实时推理是针对每个请求立即返回预测的方式，用于需要低延迟的用途（例如：聊天机器人）。批量推理是一次性处理成批数据的方式（例如：夜间对全部客户进行购买预测），不需要持续运行的端点。异步推理是将请求排入队列依次处理的方式，适合输入较大或处理耗时的请求，没有请求时可以把实例缩减到 0 台。无服务器推理无需选择实例类型或设置扩缩，按调用量自动扩缩，是按用量计费的方式。适合调用之间有空闲时间、能接受启动等待时间（冷启动）的用途。