【认识大模型】【一堂课厘清AI五大核心概念：从人工智能到大语言模型】流食般投喂

dj_798

600人浏览 · 2026-09-16 11:55:17

dj_798 · 2026-09-16 11:55:17 发布

📝 博客脉络方向

以下是一篇基于课堂实录整理而成的科普博客。我保留了老师在课堂上使用的全部生动案例与通俗比喻，并沿着“AI是什么→怎么实现→怎么自己学特征→怎么创造→集大成者大模型”的认知路径重新组织，希望能帮你把五个高频概念彻底理清楚。

一堂课厘清AI五大核心概念：从人工智能到大语言模型

课堂上，老师一上来就抛出了五个词：人工智能、机器学习、深度学习、生成式人工智能、大语言模型。
“大家在广告里、饭桌上、课件里经常听到这些词，你们能分清楚谁是谁吗？是并列关系，还是父子关系？”
带着这个问题，我们从头开始梳理。

一、人工智能（AI）：让机器像人一样思考、决策、行动

1.1 本质与定义

人工智能（Artificial Intelligence, AI）的本质是对人类智能的模拟。它不是单一的计算机学科，而是涉及统计学、脑神经科学、社会科学等多领域的交叉学科。简单来说，就是让机器变得“聪明”，能够完成原本只有人类才能做到的任务。

1.2 强人工智能 vs. 弱人工智能

老师把AI分成了两类：

强人工智能：具备真正的心智和意识，能回答“我是谁”“我在哪”这种哲学问题。目前尚未实现。
弱人工智能：在特定领域表现出智能行为，甚至在某些方面超越人类。我们现在生活中接触到的AI，全部属于弱人工智能。

为了说明弱AI如何“超越人类”（AI虽然是模拟人的，但是也可以有超越人类的地方），老师举了问界汽车的例子：

在晚上，人类的眼睛即使开灯，最远也只能看到50米左右；而问界装配的雷达感知距离能达到100-200米。更关键的是，在夜间遇到一些灰色物体，人眼可能根本看不清楚，但雷达经过计算分析后，能判定“前方是障碍物”，立即做出停车或变道决策。
这说明，AI的感知能力和计算力完全可以超越人类。

1.3 AI的运作闭环：感知 → 决策 → 执行

老师用问界汽车的自动驾驶完整拆解了AI工作的三个环节，这也是整堂课最核心的框架之一。

① 感知（Perception）
车辆通过摄像头和雷达，像人类的肉眼一样持续感知周边路况。它会发现：前方有一条斑马线，斑马线上有一位老奶奶。

② 决策（Decision）
这些感知数据被送入车内的“大脑”进行分析。系统形成认知：“前面有一位老奶奶正在过马路。”于是立刻制定策略：减速停车。

③ 执行（Action）
决策转化为机械动作——踩刹车，稳稳停在斑马线前；等老奶奶过完马路，确认周边安全后，再踩油门启动离开。

整个过程没有人工干预，机器如同人一样完成了“思考、决策、行动”的闭环。原来需要人手握方向盘、脚踩刹车油门，现在机器自己就能完成。

二、典型应用：AI已经无处不在

理解了“感知-决策-执行”的框架后，老师又带我们看了一圈现实案例，证明AI已深度融入生活与各行各业。

2.1 具身智能：宇树机器狗爬楼梯

一只机器狗自动爬楼梯，看似三岁小孩都会，但对机器却极难。

感知：头部摄像头扫描环境，识别楼梯结构、台阶高度及空隙。
决策：软件系统分析出台阶高度（比如15公分），规划抬腿高度（比如16-17公分），并确定第一只脚、第二只脚、第三只脚、第四只脚的运动顺序。
执行：精密控制机械部件，按规划路径完成攀爬。

老师特别强调：不要以为爬楼梯很简单，它同时涉及复杂的感知、算法决策与超强执行力。

2.2 军事应用：智能无人机

以现代战争（如俄乌冲突）为例，过去二战时期动辄几百辆坦克集群作战，现在无人机及蜂群战术正在取代旧模式。

工作流程同样是“感知-决策-执行”：

识别：在画面中发现敌方坦克。
瞄准与计算：精准计算投掷角度与力度。
打击：实施精确轰炸。

老师据此判断：未来的战争将高度依赖AI，呈现“AI战争”形态。

2.3 日常生活

自动驾驶：感知前方黑车停下，或识别前方弯道，自动执行刹车或转向。
生物识别与支付：手机指纹解锁、人脸识别解锁、支付宝刷脸支付，都基于AI视觉识别。
推荐算法：你之所以在抖音上停留那么久，是因为背后有AI推荐算法——“你喜欢什么，我就给你推什么”。

三、机器学习（Machine Learning，简称：ML）：实现AI最主要的方法

3.1 AI与ML的关系

如果说AI是终极目标（让机器具备类人智能），那么机器学习（Machine Learning, ML）就是实现这个目标最主要的方法。

机器学习的核心价值在于：不再依赖人工手动编写规则，而是通过数据训练算法，让计算机从历史样本中自动总结规律，用于对新问题进行预测和决策。

3.2 核心概念拆解：出租车计费案例

为了让我们理解，老师举了一个极其生活化的例子：出租车打表。

已知：

跑1公里，费用12元
跑2公里，费用14元
跑3公里，费用16元

问：跑10公里要多少钱？

学过初中数学的人立刻能列出方程：y = ax + b，代入两组数据，求出 a = 2，b = 10。因此当 x = 10 时，y = 30。

但机器学习不是这样“人工一步步求解”的。 它的逻辑是：

你只需把 x（公里数）和 y（费用）的对应关系丢给机器。
机器自动化找到参数 a 和 b。
这个过程叫做模型训练（Training / Learning）。

由此引出一组关键概念：

概念	解释	出租车案例对应
特征（Feature）	影响结果的关键输入信息	行驶公里数 `x`
参数（Parameters）	方程里的系数	`a = 2`，`b = 10`
模型（Model）	“骨架”（方程形式）+ “参数”组成的完整计算单元	`y = 2x + 10`
模型文件	实际存储的就是这些参数值	文件中存着 `2` 和 `10`

当模型确立后，你输入新的特征值（如 x = 10），模型算出 y = 30，这个过程叫做模型预测 / 推理（Prediction / Inference）。

3.3 从简单到复杂：方言识别与函数拟合

老师接着抛出一个更复杂的问题：给你一段音频，判断这是四川话、河南话还是河北话。

输入 x 是一段音频，输出 y 是方言类别。
这个问题的参数规模可达近10万量级。
从小学到大学，你都没解过这么多参数的方程，但机器学习能够自动化地找到这海量参数的值。

因此，机器学习的本质可以抽象为：

在给定 x 和 y 的情况下，让机器自动找到对应的函数关系 y = f(x)。
由于现实数据分布复杂，找到的函数往往无法精准穿过每一个点，所以更准确的描述是找到近似函数，即 f(x) ≈ y。

四、深度学习（Deep Learning，简称：DL）：让机器自动学习特征

4.1 层级关系再厘清

AI：最终目标
ML：实现AI最重要的方式
DL（Deep Learning）：机器学习的一个分支，也是当前最热门的方法

4.2 与传统机器学习的本质区别

传统机器学习有一个让人头疼的环节——人工特征工程。老师举了两个画面：

要识别一辆车，需要人工定义特征：“有4个轮子”“有后视镜”“能跑120公里”。
要识别一个人，需要人工定义特征：“有一个头”“两个胳膊”“两条腿”……

这些特征需要领域专家一点点去找，非常繁琐。

深度学习的革命性在于：它直接取消了复杂的人工特征工程。 你只需提供原始数据（比如一张图片的像素），模型会自动从原始数据中逐层抽象出对应特征，并计算出映射函数 f，直接完成从 x 到 y 的预测。

4.3 神经网络结构

典型的神经网络由三层构成：

输入层：接收原始数据 x（比如把图像转换成RGB数字矩阵）。
隐藏层：包含一系列参数（也叫权重/Weights），逐层抽象高级特征。
输出层：输出最终预测结果 y。

4.4 案例：神经网络怎么区分“西红柿炒鸡蛋”与“青椒炒鸡蛋”？

老师用这道菜做例子，生动展示了神经网络“逐层学习”的过程：

输入层：照片被拆成计算机能看懂的数字（像素/RGB值）。
第二层（颜色特征）：通过参数学习到“图片里有红色（西红柿）和黄色（鸡蛋）”。
第三层（形状特征）：进一步学习“西红柿是一块一块的，鸡蛋是絮状的”。
第四层（空间特征）：学习特征之间的空间关系——红色和黄色是混合在一起的，而不是左边全红、右边全黄。
第五层（输出判定）：综合以上特征，判定这是“西红柿炒鸡蛋”。如果检测到绿色，那大概率是“青椒炒鸡蛋”，直接排除。

老师特别强调：这些特征（颜色、形状、空间关系）不是人写进去的，而是模型根据任务需求自动学习得到的。 你只需给几千张“西红柿炒鸡蛋”的原始图片即可。

4.5 数学本质：函数的“套娃”

深度学习的数学本质非常形象——函数的嵌套（套娃结构）：

第一层隐藏层：h₁ = f₁(x)
第二层隐藏层：h₂ = f₂(h₁)
……
最终输出：Y = f(...f(f(x))...)

每一层的输出作为下一层的输入，一层一层套起来。

4.6 为什么叫“深度”和“隐藏层”？

隐藏层：除了输入层和输出层，中间层的特征对人眼不可见；当参数达到数十亿级别时，人类根本难以解释某一层的具体含义，所以叫“隐藏”。
深度：指网络层数极多。GPT-3有96层，GPT-4达到了120层，包含百亿级参数。层数多、参数多，所以叫“深度”学习。

五、生成式AI（Generative AI，简称：GenAI）：从“分析世界”到“创造世界”

5.1 概念与定位

**生成式人工智能（Generative AI, GenAI）**全称应为 Generative AI，是AI的一个分支。截至目前，所有的GenAI都基于深度学习完成。

它与传统AI的核心区别在于任务重心：

维度	传统AI	生成式AI
核心重心	分析（Analyze）	生成（Generate）
典型任务	图像分类、用户画像、数据预测	写作文、画画、生成视频
角色比喻	分析者	创作者、造物主

老师把这次转变称为质的跨越：

过去我们拿数据做分析（NLP(Natural Language Processing，自然语言处理)、CV(Computer Vision，计算机视觉)本质上都是分析）；现在你给AI一个目标，它直接给你创造出一个从未存在过的结果。

5.2 工作原理：成语接龙与概率采样

GenAI到底是怎么“创作”的？老师给出的核心机制非常通俗：它是一个基于概率列表的随机抽奖过程，就像成语接龙，逐字生成。

以句子**“今天天气真____”**为例：

模型内部计算出一个候选词概率列表：
- “好” → 45%
- “不” → 20%
- “热” → 15%
- “冷” → 10%
第一次采样：模型像“摇骰子”一样随机抽取。如果命中45%，就输出“好”，句子变成“今天天气真好”。
动态迭代：如果第一次抽中的是“不”，句子变成“今天天气真不”。此时上下文已改变，模型会重新计算所有候选词的概率分布（概率表已刷新），再进行下一次采样。
如此循环往复，一个字接一个字，最终连成完整文章。

老师总结：GenAI的工作过程就是一个连续的、基于上下文动态调整概率的“接龙”过程。它标志着AI从“分析世界”跨越到了“创造世界”。

六、大语言模型（Large Language Model，简称：LLM）：生成式AI的集大成者

6.1 定义与“大”的三大含义

大语言模型（Large Language Model, LLM）是人工智能领域的核心突破。它是一种通过海量文本训练而成、拥有巨量参数、能够理解和生成人类语言的概率模型（即前面说的“接龙/掷骰子”机制）。

这里的“大”体现在三个维度：

① 数据大

GPT-3（2020年）原始数据达45TB，清洗后有效数据约570GB。
DeepSeek V3使用了14.8万亿Token的数据量。

② 参数大

GPT-3参数量达到1750亿（175 Billion）。
截至2024年，部分模型参数量已达670亿甚至更高。

③ 算力大

GPT-4训练使用了2万多张高端显卡（如NVIDIA A100），单卡显存至少40GB。
训练电费就烧掉了数千万美金。
模型权重文件动辄几百GB，普通消费级显卡（6GB/8GB显存）根本无法加载。

6.2 能理解，更能精准生成

老师用大语言模型的“听话”能力，解释了什么叫“理解与生成”：

你让它写一篇关于“春天”的作文，它不会写成冬天；你让它写500字，它会生成500字左右；你让它写800字，它也能生成800字左右。它能精准响应主题与格式要求，而非输出固定长度的无关内容。

6.3 三大主流架构

目前大模型主要分为三类：

Decoder-only（仅解码器）：擅长内容生成。代表：GPT系列、DeepSeek系列。
Encoder-only（仅编码器）：擅长完形填空、情感分类等理解类任务。代表：BERT。
Encoder-Decoder（编码器-解码器组合）：常用于机器翻译等序列到序列任务。代表：T5。

老师提醒我们：BERT虽然也是大语言模型，但它严格来说更偏向“完形填空”式的理解，而非生成全新内容；不过在实际应用和面试中，把大语言模型归为生式AI或AI的分支都是被广泛接受的。

七、一张图理清五者关系

课程最后，老师带我们回顾了这五个词的完整层级：

人工智能（AI）：终极目标——让机器具备人类智能。
机器学习（ML）：实现AI最重要的方法——自动化寻找数据间 x 与 y 的关系（出租车计费那个例子）。
深度学习（DL）：机器学习最热门的分支——取消人工特征工程，直接拿原始数据训练（西红柿炒鸡蛋那个例子）。
生成式AI（GenAI）：基于深度学习构建——从分析转向创造，按用户要求生成全新内容（写作文、画图、生成视频）。
大语言模型（LLM）：生成式AI的核心载体——数据大、参数大、算力大，真正理解并生成人类语言。

结语

如果你依然觉得这些概念很抽象，老师给了一句最通俗的总结：

人工智能的本质，始终是让机器像人一样进行思考、决策和行动。
如果你还不理解，就想象一下问界汽车过斑马线的那个例子——它用雷达和摄像头“看”到老人，用大脑“决定”停车，用刹车和油门“执行”动作。
而现在，从最底层的感知，到生成一篇800字的春天作文，AI已经走完了从“感知世界”到“创造世界”的完整跃迁。