夜雨聆风一、基本概念
AI ( 人工智能)
- 是什么：
简单来说，就是让机器模拟人类的思考、学习和创造能力。从人脸识别到智能对话，再到自动生成文案，都是AI的应用。 - 举个例子：
手机里的人脸解锁功能，就是AI在识别你的面部特征。 大模型 / LLM (大语言模型)
- 是什么：
你可以把它想象成一个阅读了海量书籍、文章和网页的“超级学霸”。它通过学习这些文本，掌握了语言的规律，能够聊天、写代码、创作文案、总结信息。 - 举个例子：
GPT-4、文心一言、通义千问、豆包等，都是我们日常能接触到的大语言模型。 AGI (通用人工智能)
- 是什么：
这是AI领域的终极目标——创造出像人一样，具备跨领域学习、自主思考和解决任何复杂问题能力的智能体。目前我们仍处于初级阶段，尚未实现真正的AGI。 - 举个例子：
电影《钢铁侠》里的贾维斯（JARVIS），就是一个典型的AGI雏形，它能理解复杂指令、管理家务、辅助战斗，无所不能。
二、模型训练：AI是如何“炼”成的？
预训练 (Pre-training)
- 是什么：
这是大模型学习的第一步，相当于让学生先“泛读”整个图书馆的书，不求甚解，但求建立对世界的基本认知和语言感觉。 - 举个例子：
一个孩子在学会说话前，会长时间地听父母和周围的人交流，这个过程就类似于预训练，他从中学习语音、词汇和基本语法。 微调
- 是什么：
在预训练的基础上，用特定领域的专业数据对模型进行“再教育”，让它从一个通才变成一个专才。 - 举个例子：
一个大模型已经学会了通用知识，我们用大量的法律文书和案例对它进行微调，它就变成了一个能提供法律咨询的AI助手。 Prompt (提示词)
- 普通提示词：
“写一篇关于春天的文章。” - 优质提示词：
“请以朱自清的风格，写一篇不少于300字的散文，描绘初春时节万物复苏的景象，重点突出小草和花朵的细节。” - 是什么：
你向AI发出的指令或提出的问题。提示词的质量直接决定了AI回答的质量和方向。写好提示词（Prompt Engineering）已成为一项新技能。 - 举个例子：
上下文 / Context
- 是什么：
AI在一次对话中能够记住的历史信息长度。上下文窗口越长，AI就越能理解复杂的、多轮次的对话，保持连贯性。 - 举个例子：
你和朋友聊天时，他会记得你们几分钟前聊的话题。如果AI的上下文很短，你说“它真可爱”，它可能就不知道“它”指的是你刚发的那张猫咪照片。 
三、AI能力与机制：洞察AI的“内心戏”
幻觉
- 是什么：
指AI自信满满地生成一些看似合理但完全错误或不存在的虚假信息。这是当前大模型的一个主要缺陷。 - 举个例子：
你问AI：“请介绍一下《红楼梦》的作者曹雪芹的生平。”它可能会编造出一些从未发生过的历史事件或引用不存在的文献。 Embedding / 向量 / 嵌入
- 是什么：
将文字、图片等非数字信息转换成一串计算机能理解的数字（即向量）。通过计算向量之间的相似度，计算机就能理解语义上的关联。 - 举个例子：
在向量空间里，“猫”和“狗”的数字表示会比“猫”和“汽车”更接近，因为它们在语义上更相似（都是宠物、动物）。
10. 向量库 / Vector Database
- 是什么：
专门用来存储和快速检索这些“向量”的数据库。它是构建AI外挂知识库的核心技术。 - 举个例子：
你可以把公司的所有产品手册转换成向量存入向量库。当用户提问时，系统能快速找到最相关的几段内容。
- 是什么：
一种让AI回答更准确的“组合拳”。它先从外部知识库（如向量库）中检索相关信息，再让大模型基于这些信息生成答案，有效减少“幻觉”。 - 举个例子：
客服AI在回答用户关于退货政策的问题时，不是凭空编造，而是先去公司的官方文档中查找最新的退货条款，然后整理成友好的回复。
四、架构与工程：支撑AI的“硬实力”
12. Token
- 是什么：
AI处理文本的基本单位。对于中文，通常一个字或一个常用词算作1个token。它决定了模型能处理的文本长度和计费成本。 - 举个例子：
“你好，世界！”这句话可能被切分成 ["你好", "，", "世界", "！"]四个token。
- 是什么：
模型训练完成后，真正投入使用、回答用户问题的过程。就像学生学完知识后去参加考试。 - 举个例子：
当你向ChatGPT提问并等待它生成答案时，后台正在进行的就是“推理”过程。
- 是什么：
训练和运行AI模型所需的巨大计算能力，主要由GPU（图形处理器）、NPU（神经网络处理器）等硬件提供。 - 举个例子：
训练一个顶尖的大模型，可能需要成千上万块高端GPU连续工作数月，耗电量惊人。
- 是什么：
将AI模型部署在企业自己的服务器上，而不是使用公共云服务。这能确保数据不出内网，满足安全和合规要求。 - 举个例子：
一家银行为了保障客户数据安全，会选择在自己的数据中心内部署一个金融问答模型，而不是调用外部的公开API。
五、应用场景：AI如何改变我们的生活？
16. AIGC (AI生成内容)
- TTS ：
短视频里的AI配音。 - ASR ：
会议软件里的实时字幕。 - SD/MJ ：
输入一段文字描述，就能生成一幅精美的画作。 - 是什么：
利用AI自动生产文字、图片、音频、视频、代码等各种形式的内容。 - 举个例子：
- 是什么：
比传统AI更进一步，它不仅能回答问题，还能自主规划任务、调用各种工具（如搜索引擎、计算器、API）来完成复杂目标。 - 举个例子：
你对AI说：“帮我策划一次周末短途旅行。”一个AI智能体会自己去搜索目的地、查询天气、比较酒店价格、甚至预订门票，最后给你一份完整的行程单。
- 是什么：
模拟人类在电脑上的重复性操作，如点击鼠标、复制粘贴、填写表格等。常与AI结合，由AI负责“思考”，RPA负责“执行”。 - 举个例子：
财务人员每月需要将几十张发票的信息录入Excel。RPA机器人可以自动识别发票PDF文件，并将金额、日期等信息填入表格，无需人工干预。
- 是什么：
将图片或扫描件中的文字“抠”出来，转换成可编辑的电子文本。 - 举个例子：
用手机扫描全能王App拍下名片，它能自动识别姓名、电话、公司等信息并存入通讯录。 
六、热门趋势词：AI的未来
20. 多模态
- 是什么：
AI能够同时理解和处理多种类型的信息，如文字、图像、声音、视频等，更像人类的感知方式。 - 举个例子：
你可以给AI看一张冰箱内部的照片，问它：“用这些食材能做什么菜？”AI能识别出图中的鸡蛋、西红柿，然后推荐你做西红柿炒蛋。
- 是什么：
参数量较小、运行速度快、成本低的专业化模型。它们不适合处理所有问题，但在特定场景下表现高效。 - 举个例子：
一个只用于翻译的中英互译模型，或者一个只用于识别垃圾邮件的分类模型，都属于小模型。 
