深圳网站建设外贸做视频网站服务器怎么选择
写在开始
1️⃣本文仅仅用作个人记录学习使用，如何涉及版权等其他问题，辛苦及时联系小编修改或者下架，全文预计1200字左右，阅读时间4min;
2️⃣内容摘要: 本文主要介绍LLM过去、现在和未来可能的发展，从而希望能更全面熟悉大模型，后续会补充大模型是什么What, 这次主要讲Why和How:
① Why：为什么会有大模型；大模型的发展；为什么在2024年爆发，有可能会在25年井喷?
② How：怎么全面认识大模型；
前序
AI（Artificial Intelligence、人工智能）：是一个广义的概念，指的是让机器模拟人类的智能行为，包括学习、推理、决策等
AGI（Artificial General Intelligence、通用人工智能）：是AI的终极目标，即创造出与人类智能水平相当的机器智能。AGI能够理解、学习、应用各种知识，并解决各种各样的问题，就像人类一样。
AIGC（AI Generated Content、人工智能生成内容）：利用人工智能技术，特别是生成式模型，来生成文本、图像、音乐、视频等各种形式的内容.
GenAI（Generative AI、生成式人工智能）：生成式人工智能。它强调的是利用人工智能技术来生成新的内容，与AIGC的概念是比较一致的。
LLM（Large Language Model，大语言模型）：是AI领域的一个分支，它指的是具有大量参数的深度学习模型。这些模型通常在海量数据上进行训练，以学习复杂的模式和关系。大模型的出现极大地提升了AI在自然语言处理、图像生成等领域的性能。
ChatGPT和GPT（Generative Pre-trained Transformer）都是由OpenAI开发的自然语言处理模型，都是LLM的一种实现，区别如下:
1️⃣ GPT 偏向文本生成、擅长文本生成、翻译、摘要等、比较少考虑上下文；
2️⃣ChatGPT偏向对话生成、擅长对话、问答和角色扮演等任务，注重上下文，且能进行多轮对话；
Why
第一问：为什么有大模型？
LLM只是AI的一个分支，AI算法主要分为机器学习和深度学习，而LLM是基于大量数据进行预训练的超大型深度学习模型。重点在于，基于深度学习的大模型，是可以具备理解能力的，（人不好做的算法问题，都让大模型来做）：
- 特征工程的难题：深度学习通过多层神经网络自动学习数据的深层特征，极大地减轻了人工干预。
- 复杂模式的识别：
- 非线性问题的处理
第二问：大模型如何发展？
大模型发展主要经历了三个阶段，分别是萌芽期、探索沉淀期和迅猛发展期
- 萌芽期（1950 年-2005年）：以CNN为代表的传统神经网络模型阶段（1956年约翰·麦卡锡提出“人工智能”概念、1980年卷积神经网络的雏形CNN诞生、1998年现代卷积神经网络的基本结构LeNet-5诞生）
- 探索沉淀期（2006年-2019年）：以Transformer为代表的全新神经网络模型阶段（2013年自然语言处理模型Word2Vec诞生、2014年被誉为21世纪最强大算法模型之一的GAN（对抗式生成网络）诞生、2017年Google颠覆性地提出了基于自注意力机制的神经网络结构——Transformer架构（SVM开始逆风而行）、2018年，OpenAI和Google分别发布了GPT-1与BERT大模型）
- 迅猛发展期（2020年-至今）：以GPT为代表的预训练大模型阶段
2020年，OpenAI公司推出了GPT-3；
2022年11月，搭载了GPT3.5的ChatGPT横空出世；
2023年3月，最新发布的超大规模多模态预训练大模型——GPT-4，具备了多模态理解与多类型内容生成能力
第三问：为什么24年爆发，有可能25年井喷？
政治指引：2024年政府工作报告首提“人工智能+”行动，在政策指引下，各行业加快探索“人工智能+产业发展”新模式，各种创新要素加速在人工智能领域集聚；
- 算力发展
- 函数调用出现: 举例，有这个以后询问天气，它可以调用天气API，获取实时天气数据，反馈一个准确的回答，如果没有的话，只能按以往训练数据的天气描述生成一个答案，不能实时查询；
- 大模型百花齐放
举例：字节跳动的豆包；百度文心一言、阿里的通义千问、华为的盘古大模型、科大讯飞的紫东太初、澜舟科技的DeepSeek、复旦的MOSS、Manus==
How
| 阶段 | 计划 |
|---|---|
| 第一认识大模型 | 了解大模型基本知识概念，了解历史，重点看GPT4-Turbo |
| 第二使用大模型 | 体验一下，比如chatgpt 文心一言；使用AIGC大模型工具；大模型提示工程 |
| 第三API | 强化python等编程能力，prompt应用及API、Plugins调用；思维链和尝试基于API构建小工具 |
| 第四Finetune | RAG；Finetune的技术；训练流程和调优模型 |
| 第五 | langchian SK 拆解 ； AutoGen== |
| 第六 | 入门级大模型训练技巧 |
| 第七 | 高级大模型训练技巧 |
| 第八 | 改Transformer |
写在最后 ： 码字不易，如果觉得还不错，或者对您有帮助，麻烦动动小手，点赞或关注，谢谢！