小白也能懂的大模型介绍（1）：AI、机器学习、深度学习、生成式AI与大语言模型到底是什么关系

本文系统梳理了人工智能、机器学习、深度学习、生成式AI与大语言模型五者的层级关系，以生活化类比阐释核心概念。从“让机器变聪明”的人工智能目标出发，层层递进：机器学习通过数据总结规律，深度学习借助神经网络自动提取特征，生成式AI实现内容创作，而大语言模型作为其核心，通过“预测下一个词”生成文本。文章强调，这些概念如俄罗斯套娃般层层包含，理解其本质有助于摆脱术语混淆，理性看待AI能力与局限。

一、前言：为什么要搞清楚这些词

你可能已经在新闻、朋友圈或工作群里见过这些词：AI、人工智能、机器学习、深度学习、生成式AI、大模型……它们经常一起出现，有时还被当成同一个东西。如果有人问你一句"大模型和AI到底有什么区别？"，很多人可能会卡住。

其实这几个词并不是并列的关系，而是一层套一层的包含关系，就像俄罗斯套娃：最大的一个套着中等的，中等的套着更小的，最里面的那个才是我们最常接触到的"大模型"。

接下来，我们就从最外面的那个"娃娃"——人工智能——开始，一层一层往里拆，每一步都配上生活中的例子。

二、人工智能：让机器表现出"聪明"

2.1 什么是人工智能？

人工智能（Artificial Intelligence，简称 AI）的目标，是让机器表现出"聪明"的样子。这里的"聪明"，指的是机器能感知周围的情况、做出判断，并完成一些原本需要人来完成的事。

举几个身边的例子：扫地机器人碰到墙会自动转弯，它"知道"前面有障碍，于是换一个方向，这是AI；手机里的语音助手听懂你说"明天早上七点叫我"，然后自动设置闹钟，这也是AI。

早期的AI非常朴素，主要靠人写规则。比如工程师写下这样的规则："如果前面有障碍物，就向右转；如果电量低于20%，就回充电座。"机器照着规则执行，表现出了"聪明"的行为。这种靠人工规则实现的智能，同样属于AI。

小贴士：只要机器能做出"像聪明人一样"的决定，不管它是怎么实现的，在这个概念里都可以叫作人工智能。它是一个很宽泛的"大目标"，而不是某一种具体的技术。

2.2 两种不同的"聪明"

学术界对人工智能有两种不同的期待。

强人工智能指的是真正拥有意识、能像人一样理解世界的机器。这仍是科学上的远大目标，目前还没有实现。

弱人工智能则是只在特定任务上表现得"聪明"，比如下棋、翻译、识别图片。我们今天接触到的AI产品，几乎都属于弱人工智能。

这里要提醒一点：今天的AI大多是在模仿人类的"行为"。比如它能写出像样的文章，但它是否真正"理解"了文章的含义，至今仍有争议。

2.3 小结

人工智能是最大的那个概念，它描述的是一个目标：让机器变得"聪明"。至于用什么方法去实现这个目标，就要看下一层——机器学习。

三、机器学习：让机器从例子中学

3.1 为什么需要机器学习？

假设你想让机器自动识别垃圾邮件。最直接的办法是写规则：标题里有"免费"两个字，就判为垃圾邮件；发件人是一串乱码，也判为垃圾邮件……但骗子很聪明，他们会把"免费"改成"免费"，或者换一个发件人，规则很快就失效了。规则越写越多，越来越难维护。

机器学习换了一种思路：我们不再一条条地写规则，而是给机器看大量已经分好类的邮件（比如5000封，哪些是垃圾邮件、哪些不是），让它自己从中总结出规律。

一句话定义：机器学习，就是让计算机从数据中自动总结规律，再用这些规律去处理新的情况。

3.2 用打车的例子理解机器学习

假设某打车平台的计费规则是：起步价10元，每公里2元。那么行驶 x 公里的费用 y 就是：

y = 2x + 10

这个式子是人告诉计算机的，所以计算机能很快算出结果。现在换一个问法：如果我们不知道这个规则，只有几次打车的记录呢？

行驶公里数（x）	实际费用（y）
1 公里	12 元
2 公里	14 元
3 公里	16 元

我们人一眼就能看出规律：每多跑一公里，多收2块钱；不管跑多远，都有10块钱的起步价。机器学习做的，就是从这些记录里自动找出这条规律。

具体怎么做呢？机器会尝试各种数字，把"y = ? × x + ?"里的两个问号填上合适的数，直到它算出来的费用和真实记录最接近为止。最后它找到的是 2 和 10。这时，一条规律就学到了。

把这些数据点画在坐标图上，学到的规律正好是一条直线：

图3：根据已知数据找到的规律是一条直线，用它就能预测新的情况

有了这条规律，机器就能回答新的问题："我要去20公里，大概要多少钱？"计算一下：2 × 20 + 10 = 50，大约 50 元。这一步，就叫作预测。

图2：机器学习的基本流程：先从历史数据中学习规律，再用学到的模型去预测新情况

3.3 认识几个关键词

上面的例子里出现了几个重要的词，我们用生活中的类比来理解：

术语	在打车例子中是什么	生活中的类比
特征	输入的信息，这里是"公里数"	你判断一个水果是否成熟时，看的颜色和软硬程度
标签	正确答案，这里是"实际费用"	做练习题时，书后面附的标准答案
参数	模型需要学习的数字，这里是 2 和 10	做菜时的配方比例，盐放多少、糖放多少
训练	用历史数据找出参数的过程	刷了很多套题，总结出解题套路
预测（推理）	用学好的模型处理新数据	考试时，用学到的套路去解没见过的新题

3.4 机器学习的五种学习方式

机器学习的核心，是机器从哪里获得"学习信号"——也就是它怎么知道自己做得对不对。根据这个信号的来源，机器学习大致可以分为五种。

学习方式	怎么学	生活类比	例子
监督学习	数据带有标准答案，机器对照答案修正自己	老师批改作业，对错一目了然	根据花瓣的测量数据判断花的品种（鸢尾花数据集，150朵花，3个品种）
无监督学习	没有标准答案，机器自己找出数据中相似的部分	整理衣柜时，没人教你分类，你也会把相似的衣服放在一起	把网购用户按消费习惯自动分成几个群体
半监督学习	只有少量答案，同时利用大量没有答案的数据	复习时只有几道题有标准答案，但你可以借这几道题去理解其他题	医生只标注了少量X光片，再借助大量未标注的片子提升模型的准确率
自监督学习	机器从数据本身"自造"答案，不需要人工标注	做完形填空：把句子里的一个词遮住，让你猜	大语言模型通过"预测下一个词"从海量文本中学习
强化学习	根据做事后得到的奖励或惩罚，不断调整策略	玩游戏时，靠得分高低慢慢摸索出打法	AlphaGo 通过大量对弈不断改进棋艺，2016年击败了世界围棋冠军李世石

小贴士：不需要现在就把五种方式背下来，只要知道它们的区别就够了。其中，自监督学习是大语言模型训练的核心方式，后面会反复用到。

3.5 机器学习能做哪些事？

分类：判断一个东西属于哪一类。比如判断邮件是不是垃圾邮件，判断照片里是猫还是狗。

回归：预测一个具体的数值。比如根据面积和地段预测房价，根据历史数据预测明天的气温。

聚类：把相似的东西自动归为一组。比如把用户分成"喜欢运动""爱看美食"等群体，而事先并不知道有哪些群体。

关联规则：找出经常同时出现的东西。比如超市发现买牛奶的顾客，常常也会买面包，于是把两者摆在相近的位置。

序列预测：根据前面的内容推测后面的内容。比如根据前几个字猜下一个字，或者把一句中文逐词翻译成英文。

四、深度学习：让机器自己学会"看重什么"

4.1 深度学习是什么？

深度学习是机器学习的一个分支。它的核心是神经网络。

"神经网络"这个名字听起来很神秘，其实它的灵感来自人脑中的神经元：每个神经元接收信号、做一点简单的处理，再把结果传给下一个神经元。把成千上万个这样的简单单元连接起来，就形成了一张网络。

可以把它想象成一群人接力传话：第一个人听到原话，稍作加工后告诉第二个人；第二个人再加工，一层一层往下传；最后一个人说出结论。每个人只做一件小事，合在一起，却能完成很复杂的任务。

4.2 "深"是什么意思？

一个神经网络通常由三部分组成。

输入层负责接收原始信息，比如一张图片里每个像素点的颜色数值。

隐藏层负责一层一层地加工信息。它们之所以叫"隐藏"，是因为这些中间过程不直接展示给使用者看。

输出层给出最终结果，比如"这张图是猫的概率是97%"。

图5：数据从左边的输入层进入，经过中间的隐藏层层层加工，从右边的输出层得出结果

深度学习中的"深"，指的就是隐藏层很多，网络很深。层数越多，网络能够处理的信息就越复杂。

4.3 逐层抽象：网络是怎么"看懂"图片的？

以"认出一只猫"为例。电脑看到的一张图片，本质上只是一大堆数字，每个数字代表某个像素点的颜色亮度。这些数字本身毫无意义，人眼看到的"猫"，对电脑来说什么都不是。

深度学习网络会一层一层地提取信息：

浅层：发现哪里有明暗交界的线条，哪里是某种颜色，也就是最基础的边缘和颜色。

中层：把这些线条和颜色组合起来，识别出耳朵的形状、眼睛的位置、胡须的走向等局部部件。

深层：把这些部件拼在一起，判断它是一只完整的猫。

图6：从像素到整体，信息一层比一层抽象，越来越接近最终答案

这个过程很像你认识一个熟人：你先注意到一双眼睛、一个鼻子，再把它们合起来，认出这个人。从细节到整体，逐层抽象。

最关键的一点是：每一层"应该关注什么特征"，并不是工程师一条条写进去的，而是网络在大量图片的训练中自己学会的。这就是深度学习的"自动学习特征"，它省去了人工设计特征这一步最费力的工作。

4.4 深度学习和传统机器学习有什么不同？

比较方面	传统机器学习	深度学习
特征从哪来	大多需要人工设计	网络从原始数据中自动学习
结果好解释吗	比较清楚，容易看出判断依据	内部像"黑盒"，较难解释
对数据量的要求	数据少时也能有一定效果	通常需要海量数据
计算资源	普通电脑通常就能完成训练	训练需要大量GPU等高性能计算资源

需要说明的是，深度学习并不是"全面更好"的代名词。它在图像、语音、语言这类复杂数据上表现突出，但在数据很少、又需要清楚解释判断依据的场景里，传统方法依然很有价值。

4.5 深度学习已经用在哪里？

手机的人脸解锁、语音转文字、拍照识别植物、外语翻译、自动驾驶中的行人识别……这些功能的背后，很多都依赖深度学习。你每天可能都在不知不觉中使用它。

五、生成式AI：从"判断"走向"创作"

5.1 判断式AI与生成式AI

前面讲的很多AI，本质上是在做"判断"：这封邮件是不是垃圾邮件？这张图里是不是猫？它们从已有的内容中挑出答案，也叫"分析式AI"。

生成式AI（Generative AI，简称 GenAI）则不同。它能根据你的要求，创造出从前并不存在的内容：一段文字、一幅画、一段音乐、一段代码。

图4：判断式AI输出的是"已有的答案"，生成式AI输出的是"新的内容"

5.2 为什么同一个问题，AI的回答每次可能不一样？

我们用天气预报来理解。天气预报说"明天降雨概率60%"，它并没有说"明天一定下雨"。如果你今天问，它说有雨；明天再问，它的数字可能变了。但这些说法都是根据概率做出的合理判断。

生成式AI的工作方式和这很像。它学到的，是"在这种情况下，各种可能的内容各自出现的概率"，然后根据这些概率选出一个结果。这有点像抽签：概率高的签就多，但每次抽到的不一定是同一支。

这也解释了一个常见现象：同一个问题问两次，AI的回答文字可能不完全一样，但意思通常相近。

注意："概率高"不等于"一定正确"。生成式AI说得很流畅，并不代表每个细节都对，这一点在后面的章节还会讲到。

5.3 生成式AI有哪些常见类型？

类型	能做什么	常见产品举例
文本	写文章、写邮件、总结资料、翻译、回答问题	ChatGPT、DeepSeek、Kimi、豆包
图像	根据文字描述画图、修图、设计海报	Midjourney、DALL·E 3、Stable Diffusion、豆包
音频	生成语音、背景音乐、歌曲	Suno、Udio
视频	根据文字或图片生成短视频	Runway、Veo、可灵

产品名称会随时间变化，这里仅作举例。

小贴士：严格来说，生成式AI是一个更宽泛的概念。目前主流的生成式AI几乎都是基于深度学习实现的，所以在实际讨论中，两者经常被放在一起说。

六、大语言模型：会"接龙"的文字大师

6.1 什么是大语言模型？

大语言模型（Large Language Model，简称 LLM），顾名思义，是一种"很大的"、专门处理语言的模型。它通过阅读海量的文本进行训练，参数规模达到数十亿以上，因此能够理解和生成人类语言。

需要注意，大模型并不是把读过的文字原样存进了一个数据库，而是把其中的语言规律"压缩"进了大量参数里。所以它能写出从没见过的句子，也能解释它没有专门背过的概念。

它和生成式AI是什么关系？生成式AI是一个大类，能生成文字、图像、音频等多种内容；大语言模型则是其中专门处理文本的核心技术路线。我们平时说的ChatGPT、DeepSeek，都属于这一类。

6.2 大模型是怎么"说话"的？

很多人以为，大模型是在脑子里想好一整段话，再一口气说出来。其实它的基本工作非常朴素：根据前面的内容，预测下一个最可能出现的词。

你可以想象一下手机输入法的联想功能。你输入"今天天气真"，输入法会推荐"好""热""不错"之类的候选词，并且把你最可能想要的排在前面。大模型做的事情与此类似，只不过它参考的前文更长、候选更多、判断也更精准。

图7：大模型会给每个可能的下一个字打分，再从中选出合适的一个（数字为示意）

选出一个字之后，模型把它接到原文后面，再重新预测下一个字。如此反复，一个字一个字地"接龙"，直到写成一段完整的话。这和成语接龙有相似之处：每一步都要看前面已经有什么，然后接上一个合适的内容。

这也解释了为什么大模型能写出很长的文章：它的本质是一次次地预测下一个词，只不过每一次预测都做得非常精准。

6.3 Token：大模型眼中的"文字单位"

大模型并不是逐个汉字去理解文字，而是把文字切成一个个叫作 Token（可以译作"词元"）的小片段来处理。一个 Token 可能是一个字，也可能是一个词，还可能是一个词的一部分。

对初学者来说，只需要记住两点：第一，大模型的输入和输出，本质上都是一串 Token；第二，"消耗了多少 Token"是衡量大模型用量和计费的常用单位。

6.4 "大"体现在哪里？

大语言模型的"大"，主要体现在三个方面。

第一，数据大。训练时读过的文字规模可以达到万亿 Token 的量级，包括书籍、百科、新闻、论文和代码等大量公开内容。这个数量远远超过任何一个人一生能读到的文字。

第二，参数大。参数可以理解为模型内部的"旋钮"，数量越多，模型能容纳的规律和知识就越丰富。训练的过程，就是不断调整这些旋钮，让预测越来越准。

图8：近几年大模型参数量的增长，纵轴为对数坐标（每一格代表10倍）

例如，GPT-3（2020年）有1750亿个参数，DeepSeek-V3 的总参数量约为6710亿。

DeepSeek-V3 采用了一种叫"混合专家"（MoE）的结构，可以类比成一家大医院：医院里有很多科室，病人只需挂对应科室的号，而不是让全院专家同时会诊。因此，模型每次处理内容时，只会激活其中一部分参数（约370亿），既保留了庞大的知识容量，又控制了单次计算的成本。

第三，算力大。训练这样的模型，需要成千上万张高端 GPU（一种擅长大规模并行计算的芯片）连续运行数月，投入的硬件和能耗成本动辄达到数百万美元以上。

6.5 大模型的三种常见结构

目前主流的大模型，内部结构大致分为三类。它们读写文字的方式不同，擅长的事情也不同。

结构	通俗理解	擅长什么	代表模型
仅解码器（Decoder-only）	边读前文边接着往下写，像作家续写故事	聊天对话、写作、写代码、推理	GPT系列、Llama 3、DeepSeek-V3
仅编码器（Encoder-only）	把一段话从前到后通读，理解它的意思	文本分类、情感分析、语义搜索	BERT、RoBERTa
编码器-解码器（Encoder-Decoder）	先完整读懂原文，再写出另一种形式的结果	机器翻译、文章摘要	T5、BART

目前主流大模型大多基于2017年提出的 Transformer 架构。我们平时说的"大模型"，多指第一类，也就是以GPT为代表的生成式模型。

6.6 为什么大模型既"聪明"又会"犯错"？

它很"聪明"的原因：它学的是语言的规律和海量的知识，所以能写出流畅的文章，也能解释复杂的概念，还能完成翻译、总结、编程等多种任务。

它会"犯错"的原因：它是靠概率一步步"接龙"生成内容的，有时会写出听起来很合理、实际却不正确的内容。这种现象叫作"幻觉"，例如编造一篇并不存在的论文，或给出错误的数字和日期。

它的知识有时间边界：它的知识来自训练数据，训练完成之后发生的新事情，它未必知道，除非借助搜索等工具去补充。

使用建议：涉及医疗、法律、财务、考试等重要内容时，一定要核实原始来源。把大模型当作一个知识面很广、但偶尔会记错细节的助手，是比较健康的使用方式。

七、一张图看懂五者的关系

图1：五个概念的包含关系。圈越外，范围越大；圈越里，越具体

用一句话概括：人工智能是最大的圈，是一个目标；机器学习是实现这个目标的主要方法；深度学习是机器学习中，用多层神经网络来学习的一类方法；生成式AI是能够创作内容的AI，目前主要依靠深度学习实现；大语言模型则是生成式AI中专门处理文本的核心，也是我们现在最常接触到的"大模型"。

八、常见问题解答

Q1：大模型会"思考"吗？

从结果看，它能完成很复杂的任务。但它的基本机制是根据概率预测下一个词。它是否真正"理解"了内容，目前学界仍有不同观点，并没有定论。

Q2：大模型就是搜索引擎吗？

不是。搜索引擎的作用是帮你找到已经存在的网页；大模型则是根据学到的规律生成回答。两者也可以结合使用：很多AI产品在回答问题时，会先联网搜索，再由大模型整理成通俗易懂的回答。

Q3：学这些，需要先会编程或数学吗？

入门阶段不需要。理解概念主要靠生活类比和直观的例子。如果之后想动手开发，再学编程和数学会更顺利。

Q4：普通人怎样入门体验？

最好的方法是直接打开常用的AI对话工具，多问、多试、多比较。比如同一个问题换一种说法，看看回答有什么不同；让它解释一个不懂的概念，再追问一句"能举个生活中的例子吗？"。边问边想，就是最好的学习过程。

九、术语速查表

学习过程中遇到不懂的词，可以随时回来查阅。

术语	一句话解释
人工智能（AI）	让机器表现出"聪明"行为的技术科学，是一个宽泛的目标
机器学习（ML）	让计算机从数据中自动总结规律，并用来处理新情况
深度学习（DL）	使用多层神经网络进行学习的机器学习方法
神经网络	由大量简单计算单元相互连接组成的网络，是深度学习的基础
生成式AI（GenAI）	能够创作文本、图像、音频、视频等新内容的AI
大语言模型（LLM）	在海量文本上训练，能够理解和生成语言的大规模模型
特征	输入给模型的信息，例如公里数、图片的像素值
标签	训练数据中的正确答案，例如实际费用、图片属于哪一类
参数	模型内部可以调整的数字，决定模型的能力与"知识容量"
训练	用大量数据不断调整参数，让模型越来越准的过程
推理（预测）	用训练好的模型处理新数据、给出结果的过程
Token	大模型处理文本的基本单位，可以是一个字、一个词或词的一部分
提示词（Prompt）	你输入给大模型的指令或问题，也就是你对AI说的话
幻觉	模型生成的内容看起来合理，但实际上与事实不符

十、总结

回顾全文，我们可以用一条线把这些概念串起来：人工智能是目标，机器学习是让机器从数据中学习的主要方法，深度学习是其中用多层神经网络来学习的一类技术，生成式AI是能够创作内容的AI，而大语言模型则是专门处理语言、靠"预测下一个词"工作的核心技术。

理清这层关系，再看新闻里的各种概念，基本就不会混淆了。接下来，不妨打开一个AI对话工具，亲自试一试。很多概念，动手用一用，就会豁然开朗。

北京朝阳AI社区

更多推荐

27届智能体面试准备（一百四十九）：智能体的价值对齐与安全护栏工程——对齐目标建模/奖励黑客防护/护栏分层/红队收敛

北京朝阳AI社区

Lisp代码不完整？三步搞定括号匹配问题

当遇到"Lisp 代码不完整”的提示时，通常意味着代码存在或的问题。特别是在将 Lisp 用作大模型提示词（Prompt）的场景下，由于自然语言中常包含括号或特殊符号，极易破坏 Lisp 的 S-表达式结构。

北京朝阳AI社区

AI大模型系统课学习笔记

本文分享一套专为零基础设计的AI大模型系统课程，涵盖基础、进阶与实战三大板块，内容涵盖Transformer原理、提示词工程、RAG、Agent、私有化部署及模型微调。课程结合趣味讲解与企业级项目实战，如数字人、知识库问答系统等，并配套学习计划、课件、电子书等上百G资料，助力小白轻松入门，快速掌握AI核心技能，实现学以致用。