第一章 什么是人工智能与大模型

这一章帮你建立最基础的心智模型：不用任何公式，只要能分清「AI / 机器学习 / 深度学习 / 大模型」这几层关系就够了。

1.1 一句话理解 AI

人工智能（AI） 是一个大帽子：凡是让机器「看起来像在思考、能完成通常需要人类智能的任务」的技术，都算 AI。下棋、翻译、认脸、写文章，都是 AI 的应用。

但 AI 不是「一个程序」，而是一堆方法的统称。

1.2 从机器学习到深度学习

可以把这几个概念想成「套娃」：

人工智能 (AI)
 └─ 机器学习 (ML)：让机器从数据中自己找规律，而不是人写死规则
     └─ 深度学习 (DL)：用「神经网络」这一种特别强的模型来学规律
         └─ 大语言模型 (LLM)：深度学习里专门处理「语言」的一类大模型

• 传统编程：人写规则，机器执行。比如「如果温度>30，就提醒防暑」。
• 机器学习：人给数据+答案，机器自己总结规则。比如给一万张猫狗图，机器学会分辨。
• 深度学习：用很多层「神经元」组成的网络，能自动从原始数据里提取特征，特别适合图像、语言、声音。

1.3 什么是「大模型」

「大模型」里的「大」主要指三件事：

1. 参数多：模型内部有几十亿到上千亿个可调节的数字（参数）。参数越多，能记住的模式越细。
2. 数据多：在海量文本（网页、书籍、代码）上训练。
3. 算力强：靠大量 GPU 训练出来。

你可以把大模型想象成一个「读过了几乎整个互联网」的超级速记员——它未必真正「理解」，但见过太多例子，所以能根据上下文「续写」出像人写的东西。

1.4 它到底在做什么：预测下一个字

大语言模型最核心的能力其实很简单：给定前面的文字，预测「下一个最可能出现的词」。

输入：今天天气真 模型预测下一个词：好 / 热 / 不错 ……（选概率最高的）

它一个字一个字地往外蹦，连起来就像在「说话」。所以你看它「写文章、答题、翻译」，本质上都是同一件事：不停猜下一个词。

理解这一点很重要：它不是在数据库里检索答案，而是在「凭见过的大量文本，算出接下来最合理的字」。这也解释了为什么它会「一本正经地胡说八道」（下一节会讲）——因为猜测偶尔会跑偏。

1.5 常见误区

• ❌ 误区：大模型「联网搜索」了所有知识。 ✅ 真相：训练时把数据「压缩」进了参数；回答时通常不联网，只是凭记忆生成。
• ❌ 误区：它像人一样「懂」意思。 ✅ 真相：它更像一个极其擅长「接话」的统计模型，没有真实感受。
• ❌ 误区：它永远正确。 ✅ 真相：它会出错、会编造，需要你保持判断。

1.6 小结与衔接

你已经知道：AI 是个大范畴，大模型是其中专门处理语言的「深度学习模型」，核心能力是「预测下一个词」。

下一章，我们直接上手——怎么跟这个「接话高手」对话，才能让它更好地帮你。

✅ 自测：能不能用一句话向朋友解释「大模型为什么有时候会胡说八道」？