【P01_AI测试开发课程-导论】

一、前言

chatgpt刚流行时，是通过与AI对话模式，进行辅助提效

当下，则是结合AI做AI的应用开发（不去开发AI，只是使用）

本地运行大模型，对电脑配置要求：8G内存以上，4G独立显卡。或者是租云服务去部署大模型，几块钱一小时。大模型的开发，需要GPU、CPU、内存这些，几百万的硬件设备

二、概念介绍-模型-训练-微调

模型：算法+数据

大模型：很多算法+很多数据

三、AI大模型的必知必会术语

知识蒸馏：KD：基于已经训练好的模型，进行二次开发训练，这就是知识蒸馏

大语言模型：LLM：理解和生成人类自然语言

大性视觉模型：LVM：基于图片和视频等非文字类的处理，由计算机去理解和生成人类通过视觉上能看到的东西

多态大语言模型：MLLM：既能处理文本，也能处理语音、图片、视频等，多合一的推理能力

参数量：模型中的可训练变量，这些变量决定了模型的行为和性能。参数量是衡量模型规模的重要指标   B是billiom  十亿

Prompt(提示词)：人类提供给大模型的文本内容，大模型基于这些提示内容，，推理人类期望的内容

推理（inference）：已经训练好的大模型，生成并输出结果的过程

Token:    通常指文本或数据中的一个基本单元或符号，就是单词。你、好、世界、！。分解为token更容易被机器理解和处理。大模型处理中，tokenm越多，处理量越大。大模型收费是根据token进行收费的。主要是我们自己输入的内容

大模型幻觉： 大模型生成的内容，看似合理，但是又不准确或者虚构的信息，原因是因为尽管大模型可以生成符合语言结构的文本，但是他们不具备真正理解的能力，只是基于概率生成下一个词语。

四、大模型应用开发

传统应用具备可控性（可预知的），但是AI应用具备不可控性（不可预知性）

五、AI在测试中的应用

六、 AI对话

1、和AI对话，要定位AI的身份是什么，“专家”、“老师”、“朋友”

上下文