大语言模型学习之路（一）

先了解一些基本的概念：

一，什么是生成式人工智能：

        指机器能够产生复杂有结构的物件（复杂指无法穷举；这样的物件比如说文件，音乐，影像等）。其中的生成指的是AI通过对大量数据的内在规律进行学习，从而自主创造出一个与训练内容类似的但是从未存在过的内容的内容。

二，什么是机器学习：

        传统的编程时是程序员输入规则和数据，然后生成相应的结果。而机器学习是输入数据和预期的结果，让机器自己去发现规则，本质是指让机器从数据中改进自身的性能。

        我们举一个不是很精确的例子：我们给AI一张图片，并告诉它这是一张猫的图片，让AI通过分析图片的各种参数，从而使其达到可以识别图片是不是一只猫的效果。（这里的参数并不是常规意义上理解的参数，它是一种模型内部的参数，比如神经网络的权重啥的。并且在实际运用时也并非是一张图片，而是成千上万张。）

        也可以理解为AI通过调整内部函数，生成一个可以将像素模式映射到类别标签的抽象数学函数，训练完成后，就可以通过这个新的函数对用户输入的图片进行预测。

三，泛化是什么

       当AI 面对一个没有见过的组合时，他会根据在训练时见过的类似的组合，通过打分抽取的方式进行回答。AI通过泛化。将原本的生成式的变为比较式的，从而降低难度。（有具体的例子，但是只会口述，不知道怎么以文字的形式呈现，这里就不写了）