有没有认真想过，AI到底是个什么玩意儿？它凭什么能瞬间从互联网上抓到你想要的东西？它又凭什么能跟你聊天、写文章、画画，还能谱曲、作视频，甚至做出你没想到的东西？

说实话，AI没那么玄乎。它既不聪明，也不神秘，甚至可以说有点“笨”。它所有的本事，拆开了看，都不难理解。

为了把这事说透，咱们不讲代码，不讲算法，就讲一个孩子的故事。这个孩子叫小石头，从他出生、上户口、上学、打篮球，到最后学校来了个机器人，从头到尾，看完就明白AI是怎么回事，也就搞清齐鲁文化基因解码利用工程了。

关于孩子的故事

出生

小石头出生了。在医院里，护士给他称了体重、量了身长、记录了出生时间，然后给他办了一张出生医学证明。这张纸上写着：小石头，男，某年某月某日某时出生，身长五十厘米，体重三公斤半，父母是谁。从这一刻起，小石头在世界上有了第一份正式档案。

落户

石头爸拿着出生证明去派出所，给小石头上了户口。户口本上又多了一行：小石头，身份证号110101xxxxxxxx，户籍地址幸福路十八号，户主石头爸。从此，小石头有了唯一的身份证号。这个号就像一根绳子，以后他所有的信息，都串在这根绳子上。

公安找人

小石头五岁那年，有一次在商场走丢了。石头爸急得不行，跑去派出所报警。民警问清楚情况后，在电脑上输入小石头的名字和身份证号，一敲回车，电脑屏幕上瞬间跳出一张卡片：小石头，男，五岁，身高一米一，户籍地址幸福路十八号，爸爸妈妈叫什么，联系电话是多少，甚至之前办护照时录过一张照片。

民警把这张照片打印出来，发给商场广播和巡逻的同事，不到半小时就找到了小石头。

您注意，民警找小石头，靠的不是满大街喊名字、挨家挨户敲门。他就是坐在电脑前，输入那个唯一的身份证号，所有信息一下子全出来了。这就是计算机在“已整理好的档案库”里精准调取信息的样子。

入学登记

小石头七岁了，要上小学。入学第一天，学校发给他一张新生登记表，让他和家长一起填。这张表比出生证明和户口本都大，栏目特别多。

第一栏填姓名，第二栏填身份证号，第三栏填家庭住址，第四栏填父母工作单位，第五栏填紧急联系人电话，第六栏填身高体重，第七栏填有没有过敏史或者特殊疾病，第八栏填有什么兴趣爱好，第九栏填有什么特长。

小石头在爱好那一栏写上“打篮球、跑步”，在特长那一栏写上“篮球打得好、跑得快”。学校把这张表全部录入电脑系统。从此，小石头的档案里除了出生信息、户籍信息，又多了健康信息、爱好信息、特长信息。

不过，学校在录入的时候，先把登记表上的每一个栏目都提前定好了标准和范围，比如“身高”这一栏就规定只能填精确到厘米的数字，“兴趣爱好”这一栏要从一个预先列好的清单里选。这些提前定好的栏目，就是将来计算机识别和归类信息的基本依据。

同时，学校还发现家长们填的格式五花八门，有的把身高写成“1.8”，有的写成“180cm”，有的写成“一米八”。学校只好安排专人把这些乱七八糟的格式全部统一成一种标准写法，再把填错的、漏填的、前后矛盾的、甚至重复的信息一个一个挑出来改好或删掉，全部整理干净之后，才能正式录入系统。

不断填写更多信息

上了三年级，学校统一组织体能测试。体育老师给小石头测了五十米跑、立定跳远、仰卧起坐。测试结果又被录入他的档案：五十米跑七秒二，立定跳远两米一，仰卧起坐一分钟四十五个。

到了四年级，班主任在期末评语里写了一句：“该生性格外向，乐于助人，团队合作能力强。”这句评语也被录进了档案。

不过在录入这条评语时，学校不是直接把“性格外向”四个字敲进去，而是把它翻译成了一个标准数字，比如“性格类型：1”，其中1代表外向，0代表内向。同样，“团队合作能力强”被翻译成了“团队合作评分：85分”，满分一百。

五年级时，小石头参加了一次校内篮球比赛，体育老师给他做了个专项评价：“投篮命中率百分之八十五，弹跳力突出，运球基本功扎实。”同样，这条评价也被翻译成了标准数字：“投篮命中率：85%”，“弹跳力：88分”，“运球基本功：82分”，然后录进了档案。

您看，小石头从出生到现在，他的档案越来越厚。出生时只有一张薄薄的出生证明，现在有了户籍信息、健康信息、体能数据、老师评价、专项测试数据，整整几十项。而且每一项都被整理成了格式统一、标准明确的数据。这就是“数据不断完整”的过程。

组建篮球队

小石头上了六年级，学校要组建一支篮球队，参加全市小学生篮球比赛。体育老师李教练负责选人。

李教练以前带过很多届校队，他心里清楚一支好的篮球队需要什么配置：一个中锋负责抢篮板和篮下进攻，一个大前锋负责协防和冲抢，一个小前锋负责突破和快攻，一个得分后卫负责外线投篮，一个控球后卫负责组织传球和掌控节奏。

李教练打开电脑，调出全校六年级所有学生的档案。他先建了一套筛选规则：中锋看身高和弹跳，后卫看命中率和团队合作，小前锋看速度和弹跳。李教练在电脑里把这些规则全部写进去，形成一个完整的选人系统。这个系统就像一个巨大的容器，把后面各种具体的筛选动作都装在里面统一调度。

接着，他把筛选规则细分成好几道工序，一道负责初筛“有没有篮球兴趣”，一道负责按位置分类，一道负责算综合分，一道负责处理异常数据。这些工序各管一摊、互相配合。

然后，李教练先把档案里那些明显不对的数据挑出来，比如有个学生身高填的是“350cm”，明显是笔误，这种数据不能参与选拔，得先标记为无效并清理掉。然后他才开始正式筛选。

他先把所有学生按“有没有打篮球的兴趣爱好”筛了一遍，去掉那些对篮球没兴趣的。然后他按位置分别挑人。

中锋位置，他重点看身高和弹跳力。他在电脑里设了个条件：身高一米七八以上、弹跳力八十五分以上。电脑一筛，符合条件的只有四个人，再按弹跳力从高到低排，最高的是张小飞，弹跳九十五分、身高一米九，选为中锋。

后卫位置，他重点看投篮命中率和团队合作评分。他设条件：命中率百分之八十五以上、团队合作八十分以上。电脑一筛，符合条件的五个人，按命中率从高到低排，最高的是王小胖，命中率百分之九十、团队合作九十分，选为得分后卫。

小前锋位置，他重点看速度和弹跳力。他设条件：五十米跑七秒五以内、弹跳力八十分以上。电脑一筛，符合条件的六个人，按速度从快到慢排，最快的是小石头，七秒二、弹跳八十五分，选为小前锋。

就这样，李教练一个位置一个位置地筛选、排序、取最高，最后电脑屏幕上一共跳出五个人。这五个人以前从来没有一起打过球，但李教练根据他们各自的档案数据，把他们组合成了一支全新的队伍。

不过，李教练心里清楚，他定的这些分数线，中锋要身高一米七八以上、弹跳八十五分以上，不是他自己拍脑袋瞎猜的。他把自己过去十年带队的经验全翻了出来，哪一届校队赢了球，哪一届输了球，赢了的那届中锋是什么数据，输了的那届中锋是什么数据。他反复对比这些历史案例，最终才把每个位置的具体标准磨准确。

另外，李教练在筛选时还有一个原则：不能光看身体数据。以前有一届，他选了个身体条件特别好的中锋，结果到了场上谁也不服、完全不配合队友，队伍打得一塌糊涂。所以这次他定了一条铁规矩：团队合作评分低于八十分的，身体再好也不要。他要把“人的配合意识”也塞进选拔标准里，不能只盯着冷冰冰的数字。

李教练把这份名单打印出来，交给校长说：“这就是我们能组建的最强五人篮球队。”

机器人

又过了两年，学校引进了更先进的技术。李教练以前做的那套“选人规则”，什么位置看什么条件、每个条件具体要多少分，全部被编程装进了一个机器人的“脑袋”里。

这个机器人被放在体育组办公室。它的身体上有一个读卡器，学生一刷学生卡，它就能自动读取这个学生的全部档案数据。它的“大脑”里装着李教练那套选人规则，数据一进来，它自己就开始算：身高多少、弹跳多少、命中率多少、速度多少，然后自动判断这个学生适合打什么位置。而且它会自动按照之前学校定好的那些栏目（身高、体重、弹跳力、团队合作等）去提取和归类数据，不需要人再动手去翻。它的“嘴巴”是一个喇叭或者一块屏幕，算完之后直接输出结果。

不过在正式投入使用之前，李教练先干了一件事。他把过去三届校队的档案和实际比赛成绩全部翻出来，当作“考题”来考这个机器人。他把那些学生的数据输进去，让机器人自己选，然后看机器人选的名单跟当年实际比赛的名单有多大差距。如果机器人没选上当年打得最好的那个学生，或者选上了当年打得最差的那个学生，他就记下来，拿去调整机器人的规则。反复考了五六遍，直到机器人选出来的结果跟实际比赛结果八九不离十了，李教练才点头说：“行了，可以用了。”

今年学校又要组队参加比赛。体育组老师根本不用动手，让每个报名参加选拔的学生去机器人那儿刷一下卡。机器人自己读数据、自己算分、自己排名，最后屏幕上自动跳出一份完整的五人名单，还附带每个人的位置建议和综合评分。

体育组老师只需要拿着这份名单去通知学生训练就行了。

AI的故事

孩子的故事讲完了。现在咱们把刚才故事里的每一段，对应到AI的原理上，一条一条说清楚。

原理一：抓取数据

故事里，民警找小石头，坐在电脑前输入身份证号，所有信息瞬间跳出来，这是在档案已经整理好的前提下进行精准检索。

但在AI的训练中，抓取数据的方式要“暴力”得多。互联网上的信息不像派出所档案那样整整齐齐，它们散落在全球各地的网页里。所以计算机派出的不是“坐办公室的民警”，而是一群不知疲倦的“网络爬虫”。这些爬虫像快递员一样，满世界挨家挨户地跑，看到网页就复制一份背回来，不管内容好坏、不管格式对不对，先统统塞进一个大仓库再说。搜索引擎（比如百度、谷歌）就是靠这些爬虫，把全网的网页搬回来存好。等你搜“小石头”的时候，它就在这个仓库里翻，而不是现去网上找。

所以，抓取数据分两层：第一层是爬虫满世界复制网页（对应AI训练的数据采集），第二层才是靠唯一ID精准调取（对应日常的数据库查询）。故事里“民警找小石头”讲的是第二层，而AI训练真正依赖的是第一层——先把海量数据搬回家再说。

原理二：数据清理和数据标注

故事里，学校在录入新生登记表的时候，先提前定好了每一个栏目的名称和范围，比如“身高”只能填数字、“兴趣爱好”从清单里选。然后才发现家长们填的格式五花八门，于是安排专人统一格式、挑错改错、删掉重复和没用的信息。同时，班主任的评语、体育老师的专项评价，都不是直接录入原文，而是先翻译成标准数字再录入。

这些动作在AI里对应两个概念：数据清理和数据标注。

数据标注，最关键的一步是“先定标签”。就像学校发登记表之前，先设计好表格上要填哪些栏目，姓名、身高、体重、兴趣爱好、特长，这些提前定好的栏目就是“标签”。标签是人为规定的，告诉计算机：“你要去收集这几类信息。”然后在录入时，把“篮球打得好”填进“篮球爱好程度：85分”，把“性格外向”填进“性格类型：1”，把“跑得快”填进“五十米跑：7.2秒”。标签是框架，填进去的数字是内容。计算机只认数字，不认描述，所以必须把每一条日常信息都翻译成标准化的数字，填入对应的标签下面。

数据清理，就是三道工序合在一起。第一，统一格式（“1.8”“180cm”“一米八”统一成“180cm”）；第二，修正错误（填错的、漏改的、前后矛盾的挑出来改好）；第三，删除冗余（重复录入的、毫无意义的数据直接删掉）。脏数据不清理干净，后面算出来的东西全是乱的。

这两步缺一不可。清理不干净，标注再准也没用；标注不细，清理得再干净，计算机也只认得一堆没意义的零。

原理三：建模和大模型

故事里，李教练先搭了一个篮球队的框架：五个位置，每个位置看什么数据。这个框架是一个“大容器”，把后续所有的规则和操作都装在里面统一调度。然后他用过去十年带队的经验，反复对比成功和失败的案例，把每个位置的具体分数线磨了出来。而且他在这个“大容器”里细分了多道工序：初筛兴趣的、按位置分类的、算综合分的、处理异常数据的，各自独立又互相配合。

这个“框架+规则”的整体，在AI里就叫“模型”。

那“大模型”是什么呢？故事里李教练搭建的那个能容纳所有规则和操作的“大容器”，就相当于大模型。它不是一个具体的筛选动作，而是一个巨大的、通用的底座。在这个底座之上，可以跑很多具体的任务，既能选篮球队，也能选舞蹈队，还能选器乐队。大模型更像一个“通用的大脑”，它不限定只干一件事，而是具备处理多种任务的能力。大模型不是指一个超级巨大的东西，而是指一个能容纳多种规则、处理多种任务的通用体系。

建模就是两件事：第一，搭一个合理的框架，规定要看哪些东西、怎么配合；第二，用大量历史案例去磨，把每个具体标准磨准确。

原理四：生成

故事里，李教练把全校六年级学生的档案往电脑里一倒，电脑按照他设的那些条件，一个位置一个位置地筛选、排序、取最高，最后自动跳出一份五人名单。

这份名单，以前从来没有存在过。这五个人以前从来没一起打过球。但是电脑根据每个学生的档案数据和模型规则，把他们组合成了一个全新的队伍。

这个过程，在AI里就叫“生成”。

生成不是凭空造出新东西，而是把已有的数据，按照模型的规则重新排列组合，产生一个以前没有过的新组合。AI写文章、画图、作曲，都是这个道理。

原理五：数据完整性的重要性

故事里，如果小石头的档案里只有“姓名”和“身高”两项，那李教练只能按身高选，选出来的全是高个子但不会打球的，比赛必输。如果档案里有身高、弹跳、速度、命中率、团队合作、性格、耐力，整整七项，而且每项都经过了清理和标注，那李教练就能综合评判，选出来的人各司其职，比赛能赢。

同时，如果原始数据里有很多重复的、无用的垃圾信息，就像档案里同一个学生的体检数据录了三遍，那李教练的电脑就会被这些冗余数据拖慢，甚至算出来的结果出现偏差。所以数据清理不只是“改错”，还要“删废”——把没用的东西扔掉，把有用的东西擦亮。

这就是数据的根本作用。数据是原材料，数据全、数据干净、数据标得准，模型才能算得准，生成出来的结果才好。数据缺、数据脏、数据标得乱，模型再厉害也算不准。

原理六：建模的科学性、逻辑严密性和价值对齐

故事里，如果李教练认为“中锋最重要的是长得帅”，那他建的模型就是看颜值，选出来的人上了场够不着篮板，比赛必输。如果他定的规则自己打架，比如要求“中锋必须是全队身高最高的”，又要求“中锋必须是全队跑得最快的”，但全校最高的那个学生恰恰跑得最慢，那模型就卡住了，选不出人来。

另外，李教练特意加了一条“团队合作低于八十分不要”的铁规矩，因为他以前吃过亏，选了个身体条件极好但不配合队友的，队伍打得一团糟。这个动作在AI里叫“价值对齐”，机器的判断标准必须跟人的真实意图对齐。人的真实意图不是“选五个身体最好的”，而是“选五个能赢球的”。能赢球不光看身体，还看配合、看态度。所以建模时必须把“人的价值观”也塞进规则里。

建模是整条链子的中间环节。框架合不合理、逻辑有没有矛盾、价值取向跟人对不对得上，直接决定了结果好不好。

原理七：评估数据集

故事里，李教练在机器人正式投入使用之前，先把过去三届校队的档案和实际比赛成绩翻出来当“考题”考机器人。考完看结果，如果机器人选错了，他就记下来去调整规则。反复考了五六遍，直到机器人选的结果跟实际情况八九不离十了，才正式启用。

这套用来考模型的“历史案例库”，在AI里就叫“评估数据集”。

评估数据集就像期末考试的卷子。模型是用一批“训练数据”练出来的，但练得好不好，不能听它自己说，得拿一套它从来没见过的题目考它。这套考题就是评估数据集。考得好说明真学会了，考得不好说明还有漏洞，得回去继续改。

而且评估数据集必须跟训练数据是两拨不同的例子。如果用来练模型的例子和用来考模型的例子是同一批，那就像让学生拿着平时做过的原题去期末考试，分数是假的，不能说明他真会了。

原理八：智能体

故事里，李教练把整套选人规则编程装进了机器人，放在体育组办公室。学生一刷卡，机器人自己读数据、自己算、自己出结果，不用老师动手。

这个装了模型的机器人，在AI里就叫“智能体”。

智能体就是三样东西的组合：第一，它能自己“看”，通过读卡器获取外部数据。而且它读数据的时候，会自动按照学校提前定好的那些标签（身高、弹跳、团队合作等）去提取和归类，不需要人再去翻档案、对栏目。这个过程就叫“自动标注”。第二，它有个“大脑”，装进去的模型，而且这个大脑里不只有选人规则，还有之前用评估数据集反复检验修正过的所有经验，相当于李教练二十年的带队经验全浓缩在里面了。第三，它有“手脚”，输出和执行的能力，能打印名单、能喊话指挥、能操控机械臂干活。

有了智能体，人只需要做一件事，把模型建好、建科学，用评估数据集反复检验直到过关，把价值对齐的规则嵌进去。剩下的抓数据、清理、标注、计算、执行，机器全包了。

两个故事概括起来说——

（一）给孩子落户建档，就是建设数据集；不断充实档案、统一格式、删错除重，就是数据清理和标注；公安输身份证号瞬间调出档案，就是信息抓取——这是信息化。

（二）教练员设置篮球队规则，就是算法；算得快靠的是算力；拿历年案例反复对比把标准磨准，就是模型训练；多个规则合在一套系统里统一调度，就是大模型；把团队意识等要求嵌进规则，就是价值对齐；往模型里倒入数据自动跳出五人名单，就是生成；用往届成绩反复考机器人直到过关，就是评估数据集；把规则装进机器人让它自己选人，就是智能体——这是数智化。

（三）文化数据，就是给小石头的人文特质也建档，不只记身高体重。文化大模型，就是那套系统既能组篮球队，也能组舞蹈队、器乐队，同一个底座，干不同的事——这是文化数智化。

（四）弄清这些道理，再看我们山东正在做的一件事。山东是文化大省，儒家文化、齐鲁文化、黄河文化、泰山文化、海洋文化，就像一个个“小石头”，各有各的出身、各有各的特质、各有各的档案。从2023年我们启动了一项工程，就是先把这些文化资源的“身份证”办好（建信息档案），把每一处遗址、每一件文物、每一项非遗、每一个人物故事都标清楚、数字化（数据清理和标注），然后像李教练搭篮球队框架一样，搭起文化资源分类和评价的规则（建模），用海量文化数据反复训练（模型训练），最终建起“齐鲁文化大模型”，既能做智能检索，也能做内容生成，还能做传承决策。这就是山东文化建设的数智化之路：把散落的文化瑰宝变成可查、可算、可生成的数据资产，让齐鲁文化在数字时代活起来、传下去、走出去——这就是齐鲁文化基因解码利用工程。

（王炳春  山东省文化和旅游厅）