最全AI科普!终于有人能一次把AI讲明白了

      AI，是artificial intelligence的缩写。Artificial，很多同学认字认半边，会以为是艺术（art）的什么形容词。其实不然，artificial的意思就是“人工的、人造的”，和natural（天然的）是反义词。Intelligence，这个不容易认错，是“智能”的意思。英特尔（Intel）公司的名字，就是基于这个词的前五个字母。结合起来，AI，就是“人工的、人造的智能”，用人为的手段，创造智能。

      关于AI的定义，行业里有很多种说法。比较学术化的一种，是这么说的：AI是研究、开发用于模拟、延伸和扩展人的智能行为的理论、方法、技术及应用系统的一门综合性科学。这个定义很拗口，看得小编都头大了。其实，对于AI，我们可以拆解来看：

      首先，AI的本质属性，是一门科学，是一个技术领域。它涉及到了计算机科学、数学、统计学、哲学、心理学等多种学科的知识，但总体上，归类于计算机学科之下。

      其次，AI的研究目的，是让一个“系统”具备智能。这个“系统”，可以是一套软件程序，也可以是一台计算机，甚至是一个机器人。

      最后，什么样的水平，才叫做真正的智能。这是问题的关键。目前看来，能够像人一样感知、理解、思考、判断、决策，就是实现了人工智能。配合机器人、机械臂等物理载体，AI也可以实现行动能力。

        综合以上三点，理解AI的定义就比较容易了。

       这两年AI火，就是因为大模型火。那么，什么是大模型？

       大模型，是具有庞大参数规模和复杂计算结构的机器学习模型。（参数，是指在模型训练过程中，学习和调整的变量。参数定义了模型的行为、性能、实现的成本以及对计算资源的需求。简单来说，参数是模型内部用来做出预测或决策的部分。）

大模型，通常拥有数百万至数十亿的参数。相对应的，参数少的，就是小模型。对一些细分的领域或场景，小模型也够用。大模型需要依赖大规模数据进行训练，对算力资源的消耗极大。绝大多数大模型的基础核心结构，都是Transformer及其变体。

       大模型有很多种类别。通常所说的大模型，主要是指语言大模型（以文本数据进行训练）。但实际上，还有视觉大模型（以图像数据进行训练），以及多模态大模型（文本和图像都有）。

         按应用领域，大模型可以分为通用大模型和行业大模型。通用大模型的训练数据集更加广泛，覆盖的领域更加全面。行业大模型，顾名思义，训练数据来自特定行业，应用于专门的领域（例如金融、医疗、法律、工业）

      GPT-1、GPT-2……GPT-4o，等等，都是美国OpenAI这家公司推出的语言大模型，同样都是基于Transformer架构。

      GPT的全称，叫做Generative Pre.trained Transformer，生成式-预训练-Transformer。 Generative（生成式），表示该模型能够生成连续的、有逻辑的文本内容，比如完成对话、创作故事、编写代码或者写诗写歌等。 Pre.trained（预训练），表示该模型会先在一个大规模未标注文本语料库上进行训练，学习语言的统计规律和潜在结构。通过预训练，模型才有了一定的通用性。训练的数据越庞大（如网页文本、新闻等），模型的能力就越强。

大家对于AI的关注热潮，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模型开发的一个AI对话应用服务（也可以理解为GPT-3.5）。通过这个服务，人们才可以亲身体验到GPT模型的强大，有利于技术的宣传和推广。事实证明，OpenAI的策略成功了。ChatGPT充分吸引了公众关注度，也成功推动了AI领域的发展热潮。