计算机的核心操作和存储都依赖两个数字——0和1，它们也被称为二进制位。可以认为，人们将计算机的中央处理器（Central Processing Unit，CPU）和内存设计成可以识别电压的两种状态，即高电压（通常表示为开或1）和低电压（通常表示为关或0）。

计算机内部采用二进制形式存储和处理数据、指令

因此，计算机只能直接理解和操作这些二进制数。为了使计算机能够处理类型更复杂的数据，如文本、图像和声音，我们需要先将这些数据转换为数字编码格式，再将它们表示为二进制格式。下面介绍常用的数字编码方法。

文本的数字编码

当你向聊天机器人发送消息时，这条消息中的每个字符都被转换成一串数字，即数组。这样，AI系统就可以根据这些数组回复你，尽管它并不真正“理解”文字的含义，但它知道如何对数字编码做出反应。

文本可以通过多种方式编码为数组。一种方式是将每个字符映射到唯一的数组，即字符编码；另一种方式是通过词嵌入的形式将单词转换为固定长度的向量[1]，这些向量可以捕获词义关系和语义信息，即嵌入向量。

---

[1]　向量（vector）可以想象成从当前位置指向目标点的一个箭头。这个箭头有两个关键特征，即长度和方向。长度表示需要走多远，箭头越长，需要走的距离就越远。方向表示需要朝哪个方向走，如向北、向南、向东还是向西，或者与这些方向成某个角度。当你看到一个向量时，你可以认为它是一个指向特定目标的箭头，它会告诉你应该走多远以及应该朝哪个方向走。

图像的数字编码

当看到一张猫的图片时，你可以立即认出它是猫。但是，对于计算机来说，这张图片只是数百万像素（pixel）的集合，每像素用一个数字编码表示其颜色。AI系统通过这些数组“理解”图片中可能有什么。

对于黑白图像而言，每像素对应一个值。

而对于彩色图像而言，每像素都有红、绿和蓝（RGB）通道的值。图像中所有像素的颜色都是通过调节三原色的不同比例实现的。例如，红色像素的RGB值是（255，0，0），绿色像素的RGB值是（0，255，0），请你猜猜蓝色像素的RGB值。这些值通常为0~255。这样，我们就可以将一幅图像转换为一个数组（也就是矩阵[2]）。

如果你对语音助手（如Siri或小度）说：“播放我最喜欢的歌曲”，它首先会将声音转换为向量，然后通过AI系统解读那串数字，并做出相应的反应。

声音信号是连续的波形。通过采样技术，我们可以在短的时间间隔内捕获这些波形的值，从而将声音转换为向量。对于复杂的AI任务（如语音识别），声音还可以进一步转换为更高级的特征，如梅尔频率倒谱系数（Mel-Frequency Cepstral Coefficient，MFCC）等。

综上所述，在输入AI系统前，所有的资料都要先转换为矩阵或向量。因此，AI系统可以被理解为数学模型，即从一个矩阵或向量转换成另一个矩阵或向量的函数。数字编码技术确保了AI系统可以有效地处理各种类型的信息。