昨天和朋友吃饭，聊到个话题，他现在用豆包、Kimi这些智能助手，总感觉回答的不是自己想要的内容。我就从什么是AI，什么是大模型聊起，科普了下这方面的知识。发现对于大众来说，这些艰涩的技术，确实挺难理解。今天就来简单概括下，让大家脑子有个概念到底什么是大模型？

解释什么是大模型之前，先说说AI的类别、机器学习和深度学习，便于更清楚大模型的来龙去脉。

01AI的类别

人工智能是一个非常庞大的科学领域。

从1950年代正式诞生以来，围绕人工智能，已经有很多科学家进行了大量的研究，也输出了很多非常了不起的成果。

这些研究，根据思路方向的不同，被分为了很多种学派。比较有代表性的，是符号主义学派、联结主义学派、行为主义学派。这些学派并没有对错之分，相互之间也有一些交叉融合。

早期的时候（1960-1990），符号主义（以专家系统、知识图谱为代表）是主流。后来，从1980年开始，联结主义（以神经网络为代表）崛起，一直到现在，都是主流。

将来，也许有新的技术崛起，形成新的学派，也不一定。

除了方向路线之外，我们也可以从智能水平以及应用领域等方面对AI进行分类。

按智能水平，可以分为：弱人工智能（Weak AI）、强人工智能（Strong AI）、超人工智能（Super AI）。

弱人工智能只专精于单一任务或一组相关的任务，不具备通用智能能力。我们目前就处于这个阶段。

强人工智能更厉害一些，具有一定的通用智能能力，能够理解、学习并应用于各种不同的任务。这个还处于理论和研究阶段，还没落地。

超人工智能当然是最强的。它在几乎所有方面都超过人类智能，包括创造力、社交技能等。超人工智能是未来的终极形态，我们假设它能够实现。

02机器学习&深度学习

什么是机器学习？

机器学习的核心思想，是构建一个可以从数据中学习的模型，并利用这个模型来进行预测或决策。机器学习不是一个具体的模型或算法。

它包括了很多种类型，例如：

监督学习：算法从带有标签的数据集中学习，即每个训练样本都有一个已知的结果。

无监督学习：算法从没有标签的数据集中学习。

半监督学习：结合了少量的带标签数据和大量的未带标签数据进行训练。

强化学习：通过试错的方式，学习哪些行为可以获得奖励，哪些行为会导致惩罚。

什么是深度学习？

深度学习，具体来说，是深度神经网络学习。深度学习是机器学习的一个重要分支。机器学习底下有一条“神经网络”路线，而深度学习，是加强版的“神经网络”学习。

神经网络是联结主义的代表。顾名思义，这个路线是模仿人脑的工作原理，建立神经元之间的联结模型，以此实现人工神经运算。

深度学习所谓的“深度”，是神经网络中“隐藏层”的层级。

经典机器学习算法使用的神经网络，具有输入层、一个或两个“隐藏层”和一个输出层。

深度学习算法使用了更多的“隐藏层”（数百个）。它的能力更加强大，让神经网络能够完成更困难的工作。

机器学习、神经网络和深度学习的关系，通过下面的图可以看出：

神经网络从1980年代开始崛起之后，就形成了很多的模型和算法。不同的模型和算法，有着各自的特性和功能。

卷 积 神 经 网 络 （ Convolutional Neural Network ， CNN ） 和 循 环 神 经 网 络 （ Recurrent Neural Network ，RNN），是1990年代左右诞生的比较知名的神经网络模型。它们的具体工作原理比较复杂。

反正大家记住：

卷积神经网络（CNN）是一种用于处理具有类似网格结构的数据（例如图像和视频）的神经网络。所以，卷积神经网络通常用于计算机视觉中，可以用来图像识别和图像分类。

而循环神经网络（RNN）是一种用于处理序列数据的神经网络，例如语言模型和时间序列预测。所以，循环神经网络通常用于自然语言处理和语音识别。

transformer也是一个神经网络模型。它比卷积神经网络和循环神经网络出现时间更晚，2017年由谷歌研究团队提出，也更加强大。

作为非专业人士，不需要去研究它的工作原理，只需要知道：

1、它是一种深度学习模型；2、它使用了一种名为自注意力（self-attention）的机制；3、它有效解决了卷积神经网络和循环神经网络的瓶颈（局限性）问题；4、它很适合自然语言处理（NLP）任务。相比循环神经网络，它的计算可以高度并行化，简化了模型架构，训练效率也大大提升；5、它也被扩展到了其他领域，如计算机视觉和语音识别。

6、现在我们经常提到的大模型，几乎都是以transformer为基础。

神经网络还有很多种，这里就看下图，知道有很多就好。

03

什么是大模型？

这两年说的火热的人工智能，说的就是大模型。那么，什么是大模型？

大模型，是具有庞大参数规模和复杂计算结构的机器学习模型。

参数，是指在模型训练过程中，学习和调整的变量。参数定义了模型的行为、性能、实现的成本以及对计算资源的需求。简单来说，参数是模型内部用来做出预测或决策的部分。

大模型，通常拥有数百万至数十亿的参数。相对应的，参数少的，就是小模型。对一些细分的领域或场景，小模型也够用。

大模型需要依赖大规模数据进行训练，对算力资源的消耗极大。

（《从历史规律，探寻AI大模型的发展周期和未来趋势》这篇文章详细讲了算法、数据、算力的代表人物杰夫辛顿、李飞飞和黄仁勋，感兴趣的可以看下。）

大模型有很多种类别。通常所说的大模型，主要是指语言大模型（以文本数据进行训练）。但实际上，还有视觉大模型（以图像数据进行训练），以及多模态大模型（文本和图像都有）。绝大多数大模型的基础核心结构，都是Transformer及其变体。

按应用领域，大模型可以分为通用大模型和行业大模型。

通用大模型的训练数据集更加广泛，覆盖的领域更加全面。行业大模型，顾名思义，训练数据来自特定行业，应用于专门的领域（例如金融、医疗、法律、工业）。

GPT

GPT-1、GPT-2……GPT-4o，等等，都是美国OpenAI这家公司推出的语言大模型，同样都是基于Transformer架构。

GPT的全称，叫做Generative Pretrained Transformer，生成式-预训练-Transformer。

Generative（生成式），表示该模型能够生成连续的、有逻辑的文本内容，比如完成对话、创作故事、编写代码或者写诗写歌等。

这里刚好提一下，现在常说的AIGC，就是AI Generated Content，人工智能生成内容。内容可以是文本、图像、音频、视频等。

文生图，比较有代表性的是DALL·E（也来自OpenAI）、Midjourney（知名度大）和Stable Diffusion（开源）。

文生音频（音乐），有Suno（OpenAI）、Stable Audio Open（由Stability.ai开源）、Audiobox（Meta）。

文生视频，有Sora（OpenAI）、Stable Video Diffusion（由Stability.ai开源）、Soya（开源）。图也可以生视频，例如腾讯的Follow-Your-Click。

AIGC是一个“应用维度”的定义，它不是一个具体的技术或模型。AIGC的出现，扩展了AI的功能，打破了此前AI主要用于识别的功能限制，拓宽了应用场景。

好了，继续解释GPT的第二个字母——Pre.trained。

Pre.trained（预训练），表示该模型会先在一个大规模未标注文本语料库上进行训练，学习语言的统计规律和潜在结构。通过预训练，模型才有了一定的通用性。训练的数据越庞大（如网页文本、新闻等），模型的能力就越强。

大家对于AI的关注热潮，主要源于2023年初的ChatGPT爆火。

ChatGPT的chat是聊天的意思。ChatGPT是OpenAI基于GPT模型开发的一个AI对话应用服务。

AI的作用，极为广泛。

概括来说，AI和传统计算机系统相比，能提供的拓展能力，包括：图像识别、语音识别、自然语言处理、具身智能等方面。

图像识别，有时候也被归类为计算机视觉（Computer Vision，CV），让计算机具备理解和处理图像和视频的能力。常见的是摄像头、工业质检、人脸识别之类的。

语音识别，就是理解和处理音频，获得音频所搭载的信息。常见的是手机语音助手、电话呼叫中心、声控智能家居之类的，多用于交互场景。

自然语言处理，前面介绍过，就是使计算机能够理解和处理自然语言，知道我们到底在说什么。这个很火，多用于创造性的工作，例如写新闻稿、写书面材料、视频制作、游戏开发、音乐创作等。

具身智能，就是把人工智能搭载在一个物理形态（“身体”）上，通过与环境互动，来获得和展示智能。带AI的机器人，属于具身智能。

斯坦福大学年初推出的“Mobile ALOHA”，就是一个典型的家用具身机器人。它可以炒菜、煮咖啡甚至逗猫，火爆全网。并不是所有的机器人，都是人形机器人。也不是所有的机器人，都用到了AI。

结语：

AI特别擅长对海量数据进行处理，一方面通过海量数据进行学习和训练，另一方面，基于新的海量数据，完成人工无法完成的工作。或者说，找到海量数据中潜在的规律。

有句话说的好：“未来，淘汰你的不是AI，而是掌握了AI的人”。知道这些AI常识，就是拥抱AI的第一步。至少和别人聊天的时候，谈到AI，就不会一头雾水了。

学会使用常见的AI工具和平台，帮助自己提升工作效率，改善生活品质。就已经领先了90%的人了。

原文标题:什么是大模型？未来淘汰你的不是AI，而是掌握了AI的人