从文化想象到智能工作流

正确答案：AI 围绕明确任务参与部分步骤，并接受输入、检查和责任边界的约束

现实中的 AI 通常承担生成、转换、解释或探索等局部能力；它需要被放进可观察、可验证的工作流，而不是被假定为自主承担全部任务的主体

正确答案：像人一样思考 → 推理过程是否接近人的认知过程；像人一样行动 → 外部表现能否让观察者难以区分人机；理性思考 → 推理过程是否符合逻辑规则；理性行动 → 系统能否在环境与约束中选择有效行动

四种目标分别关注人的认知过程、人的外部表现、符合规则的推理和面向目标的行动；目标不同，评价标准也不同

正确答案：符号主义 → 把知识和推理写成可以表达与推演的形式结构；联结主义 → 通过样本训练和连接调整逐渐形成能力；行为主义 → 在环境中行动并根据反馈持续调整

三个流派分别从符号与规则、数据与连接、行动与反馈探索机器智能；现代系统经常组合使用这些路线

正确答案：形式系统与符号问题求解 → 面向专业任务的专家系统 → 统计学习与深度学习 → 大语言模型与智能体系统

人工智能从显式规则和搜索，发展到领域知识系统，再转向从数据中学习，最终让通用模型通过工具和反馈进入行动循环

正确答案：演示覆盖的任务和环境边界是什么、数据、算力和工程条件能否持续提供、输出是否有独立验证方法、出错后由谁解释并承担责任

从演示走向可靠应用，需要同时检查任务边界、支撑条件、验证方式和责任机制；表达风格和视觉效果不能证明系统可靠

正确答案：根据转写稿生成笔记提纲 → 模型；把课堂录音转写为带时间戳的文字 → 工具；自主读取材料、选择下一步并根据结果调整 → 智能体；串联上传、转写、整理、人工复核和归档 → 工作流

模型完成一次生成，工具执行边界明确的操作，智能体围绕目标选择行动，工作流则组织多个角色、步骤和检查点

正确答案：采集课堂录音 → 将录音转写为文本 → 按提示词生成笔记草稿 → 人工复核错词、遗漏和重点 → 输出讲义、复习材料或可复用 Skill

工作流从保留原始输入开始，经过可检查的中间产物和人工复核，再形成可复用输出

正确答案：论文 PDF、问题清单和笔记模板 → 输入；解析结构并定位方法、结论与局限 → 执行步骤；论文提纲、证据摘录和待核实问题 → 中间产物；对照原文核对概念、引文和论证关系 → 检查点；带准确引文和页码的论文笔记 → 输出

输入、步骤、中间产物、检查点和输出共同让任务过程可见，从而能够定位错误、复查结果并复用流程

正确答案：提出分析方向并生成候选分类框架 → AI 或智能体探索；按照已确认规则批量去重并生成图表 → 脚本执行；判断数据来源、异常取舍和结论边界 → 人作判断

AI 适合处理模糊探索，脚本适合重复且可精确验证的操作，人负责语境、标准、风险和最终责任

正确答案：缺少来源、规则或独立方法进行验证、错误可能造成较高的时间、金钱或安全损失、最终结果需要有人签字、解释或承担后果

人工复核强度取决于可验证性、错误代价和责任归属；格式清楚或曾经运行成功，都不能消除复核需要