昨天和朋友吃飯，聊到個話題，他現(xiàn)在用豆包、Kimi這些智能助手，總感覺回答的不是自己想要的內容。我就從什么是AI，什么是大模型聊起，科普了下這方面的知識。發(fā)現(xiàn)對于大眾來說，這些艱澀的技術，確實挺難理解。今天就來簡單概括下，讓大家腦子有個概念到底什么是大模型？

解釋什么是大模型之前，先說說AI的類別、機器學習和深度學習，便于更清楚大模型的來龍去脈。

01AI的類別

人工智能是一個非常龐大的科學領域。

從1950年代正式誕生以來，圍繞人工智能，已經(jīng)有很多科學家進行了大量的研究，也輸出了很多非常了不起的成果。

這些研究，根據(jù)思路方向的不同，被分為了很多種學派。比較有代表性的，是符號主義學派、聯(lián)結主義學派、行為主義學派。這些學派并沒有對錯之分，相互之間也有一些交叉融合。

早期的時候（1960-1990），符號主義（以專家系統(tǒng)、知識圖譜為代表）是主流。后來，從1980年開始，聯(lián)結主義（以神經(jīng)網(wǎng)絡為代表）崛起，一直到現(xiàn)在，都是主流。

將來，也許有新的技術崛起，形成新的學派，也不一定。

除了方向路線之外，我們也可以從智能水平以及應用領域等方面對AI進行分類。

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

弱人工智能只專精于單一任務或一組相關的任務，不具備通用智能能力。我們目前就處于這個階段。

強人工智能更厲害一些，具有一定的通用智能能力，能夠理解、學習并應用于各種不同的任務。這個還處于理論和研究階段，還沒落地。

超人工智能當然是最強的。它在幾乎所有方面都超過人類智能，包括創(chuàng)造力、社交技能等。超人工智能是未來的終極形態(tài)，我們假設它能夠實現(xiàn)。

02機器學習&深度學習

什么是機器學習？

機器學習的核心思想，是構建一個可以從數(shù)據(jù)中學習的模型，并利用這個模型來進行預測或決策。機器學習不是一個具體的模型或算法。

它包括了很多種類型，例如：

監(jiān)督學習：算法從帶有標簽的數(shù)據(jù)集中學習，即每個訓練樣本都有一個已知的結果。

無監(jiān)督學習：算法從沒有標簽的數(shù)據(jù)集中學習。

半監(jiān)督學習：結合了少量的帶標簽數(shù)據(jù)和大量的未帶標簽數(shù)據(jù)進行訓練。

強化學習：通過試錯的方式，學習哪些行為可以獲得獎勵，哪些行為會導致懲罰。

什么是深度學習？

深度學習，具體來說，是深度神經(jīng)網(wǎng)絡學習。深度學習是機器學習的一個重要分支。機器學習底下有一條“神經(jīng)網(wǎng)絡”路線，而深度學習，是加強版的“神經(jīng)網(wǎng)絡”學習。

神經(jīng)網(wǎng)絡是聯(lián)結主義的代表。顧名思義，這個路線是模仿人腦的工作原理，建立神經(jīng)元之間的聯(lián)結模型，以此實現(xiàn)人工神經(jīng)運算。

深度學習所謂的“深度”，是神經(jīng)網(wǎng)絡中“隱藏層”的層級。

經(jīng)典機器學習算法使用的神經(jīng)網(wǎng)絡，具有輸入層、一個或兩個“隱藏層”和一個輸出層。

深度學習算法使用了更多的“隱藏層”（數(shù)百個）。它的能力更加強大，讓神經(jīng)網(wǎng)絡能夠完成更困難的工作。

機器學習、神經(jīng)網(wǎng)絡和深度學習的關系，通過下面的圖可以看出：

神經(jīng)網(wǎng)絡從1980年代開始崛起之后，就形成了很多的模型和算法。不同的模型和算法，有著各自的特性和功能。

卷 積 神 經(jīng) 網(wǎng) 絡 （ Convolutional Neural Network ， CNN ） 和 循 環(huán) 神 經(jīng) 網(wǎng) 絡 （ Recurrent Neural Network ，RNN），是1990年代左右誕生的比較知名的神經(jīng)網(wǎng)絡模型。它們的具體工作原理比較復雜。

反正大家記�。�

卷積神經(jīng)網(wǎng)絡（CNN）是一種用于處理具有類似網(wǎng)格結構的數(shù)據(jù)（例如圖像和視頻）的神經(jīng)網(wǎng)絡。所以，卷積神經(jīng)網(wǎng)絡通常用于計算機視覺中，可以用來圖像識別和圖像分類。

而循環(huán)神經(jīng)網(wǎng)絡（RNN）是一種用于處理序列數(shù)據(jù)的神經(jīng)網(wǎng)絡，例如語言模型和時間序列預測。所以，循環(huán)神經(jīng)網(wǎng)絡通常用于自然語言處理和語音識別。

transformer也是一個神經(jīng)網(wǎng)絡模型。它比卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡出現(xiàn)時間更晚，2017年由谷歌研究團隊提出，也更加強大。

作為非專業(yè)人士，不需要去研究它的工作原理，只需要知道：

1、它是一種深度學習模型；2、它使用了一種名為自注意力（self-attention）的機制；3、它有效解決了卷積神經(jīng)網(wǎng)絡和循環(huán)神經(jīng)網(wǎng)絡的瓶頸（局限性）問題；4、它很適合自然語言處理（NLP）任務。相比循環(huán)神經(jīng)網(wǎng)絡，它的計算可以高度并行化，簡化了模型架構，訓練效率也大大提升；5、它也被擴展到了其他領域，如計算機視覺和語音識別。

6、現(xiàn)在我們經(jīng)常提到的大模型，幾乎都是以transformer為基礎。

神經(jīng)網(wǎng)絡還有很多種，這里就看下圖，知道有很多就好。

03

什么是大模型？

這兩年說的火熱的人工智能，說的就是大模型。那么，什么是大模型？

大模型，是具有龐大參數(shù)規(guī)模和復雜計算結構的機器學習模型。

參數(shù)，是指在模型訓練過程中，學習和調整的變量。參數(shù)定義了模型的行為、性能、實現(xiàn)的成本以及對計算資源的需求。簡單來說，參數(shù)是模型內部用來做出預測或決策的部分。

大模型，通常擁有數(shù)百萬至數(shù)十億的參數(shù)。相對應的，參數(shù)少的，就是小模型。對一些細分的領域或場景，小模型也夠用。

大模型需要依賴大規(guī)模數(shù)據(jù)進行訓練，對算力資源的消耗極大。

（《從歷史規(guī)律，探尋AI大模型的發(fā)展周期和未來趨勢》這篇文章詳細講了算法、數(shù)據(jù)、算力的代表人物杰夫辛頓、李飛飛和黃仁勛，感興趣的可以看下。）

大模型有很多種類別。通常所說的大模型，主要是指語言大模型（以文本數(shù)據(jù)進行訓練）。但實際上，還有視覺大模型（以圖像數(shù)據(jù)進行訓練），以及多模態(tài)大模型（文本和圖像都有）。絕大多數(shù)大模型的基礎核心結構，都是Transformer及其變體。

按應用領域，大模型可以分為通用大模型和行業(yè)大模型。

通用大模型的訓練數(shù)據(jù)集更加廣泛，覆蓋的領域更加全面。行業(yè)大模型，顧名思義，訓練數(shù)據(jù)來自特定行業(yè)，應用于專門的領域（例如金融、醫(yī)療、法律、工業(yè)）。

GPT

GPT-1、GPT-2……GPT-4o，等等，都是美國OpenAI這家公司推出的語言大模型，同樣都是基于Transformer架構。

GPT的全稱，叫做Generative Pretrained Transformer，生成式-預訓練-Transformer。

Generative（生成式），表示該模型能夠生成連續(xù)的、有邏輯的文本內容，比如完成對話、創(chuàng)作故事、編寫代碼或者寫詩寫歌等。

這里剛好提一下，現(xiàn)在常說的AIGC，就是AI Generated Content，人工智能生成內容。內容可以是文本、圖像、音頻、視頻等。

文生圖，比較有代表性的是DALL·E（也來自OpenAI）、Midjourney（知名度大）和Stable Diffusion（開源）。

文生音頻（音樂），有Suno（OpenAI）、Stable Audio Open（由Stability.ai開源）、Audiobox（Meta）。

文生視頻，有Sora（OpenAI）、Stable Video Diffusion（由Stability.ai開源）、Soya（開源）。圖也可以生視頻，例如騰訊的Follow-Your-Click。

AIGC是一個“應用維度”的定義，它不是一個具體的技術或模型。AIGC的出現(xiàn)，擴展了AI的功能，打破了此前AI主要用于識別的功能限制，拓寬了應用場景。

好了，繼續(xù)解釋GPT的第二個字母——Pre.trained。

Pre.trained（預訓練），表示該模型會先在一個大規(guī)模未標注文本語料庫上進行訓練，學習語言的統(tǒng)計規(guī)律和潛在結構。通過預訓練，模型才有了一定的通用性。訓練的數(shù)據(jù)越龐大（如網(wǎng)頁文本、新聞等），模型的能力就越強。

大家對于AI的關注熱潮，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模型開發(fā)的一個AI對話應用服務。

AI的作用，極為廣泛。

概括來說，AI和傳統(tǒng)計算機系統(tǒng)相比，能提供的拓展能力，包括：圖像識別、語音識別、自然語言處理、具身智能等方面。

圖像識別，有時候也被歸類為計算機視覺（Computer Vision，CV），讓計算機具備理解和處理圖像和視頻的能力。常見的是攝像頭、工業(yè)質檢、人臉識別之類的。

語音識別，就是理解和處理音頻，獲得音頻所搭載的信息。常見的是手機語音助手、電話呼叫中心、聲控智能家居之類的，多用于交互場景。

自然語言處理，前面介紹過，就是使計算機能夠理解和處理自然語言，知道我們到底在說什么。這個很火，多用于創(chuàng)造性的工作，例如寫新聞稿、寫書面材料、視頻制作、游戲開發(fā)、音樂創(chuàng)作等。

具身智能，就是把人工智能搭載在一個物理形態(tài)（“身體”）上，通過與環(huán)境互動，來獲得和展示智能。帶AI的機器人，屬于具身智能。

斯坦福大學年初推出的“Mobile ALOHA”，就是一個典型的家用具身機器人。它可以炒菜、煮咖啡甚至逗貓，火爆全網(wǎng)。并不是所有的機器人，都是人形機器人。也不是所有的機器人，都用到了AI。

結語：

AI特別擅長對海量數(shù)據(jù)進行處理，一方面通過海量數(shù)據(jù)進行學習和訓練，另一方面，基于新的海量數(shù)據(jù)，完成人工無法完成的工作�；蛘哒f，找到海量數(shù)據(jù)中潛在的規(guī)律。

有句話說的好：“未來，淘汰你的不是AI，而是掌握了AI的人”。知道這些AI常識，就是擁抱AI的第一步。至少和別人聊天的時候，談到AI，就不會一頭霧水了。

學會使用常見的AI工具和平臺，幫助自己提升工作效率，改善生活品質。就已經(jīng)領先了90%的人了。

       原文標題 : 什么是大模型？未來淘汰你的不是AI，而是掌握了AI的人