职贝云数AI新零售门户

标题: 饭局上别人聊AI大模型,你一句也听不懂?把这些词背上去,你也能接上话 [打印本页]

作者: tsB16T 时间: 昨天 23:18
标题: 饭局上别人聊AI大模型,你一句也听不懂?把这些词背上去,你也能接上话
大家好，我是支出补全计划

一个与大家共勉的博主，假如分享的内容对你有协助，记得帮我点赞和在看哦。感兴味的冤家可以点个关注哦！

“你说你搞AI的，那你能告诉我什么是‘神经网络’吗？是不是像蜘蛛网那样？”

“还有那个‘深度学习’，是让AI早晨不睡觉偷偷学吗？”

“我听人说‘微调’能让我家猫的照片变成宫崎骏动画，是真的吗？”

每次饭局上被问到这些成绩，我都想掏出手机，给冤家下一个AI速成宝典。惋惜市面上解释术语的文章要么太学术（满屏公式），要么太敷衍（“AI就是人工智能”这种废话）。

明天我们就用人话，把AI圈最常用的十几个词掰开揉碎讲清楚。保证你看完，下次聚会能成为全场最懂AI的仔。

温馨提示：本文一切比喻，纯属为了方便了解，学术大神请轻拍。

AI、机器学习、深度学习——到底有啥区别？

这是AI界“三兄弟”，常常被混用，但层级关系像俄罗斯套娃。

AI（人工智能）：让机器模拟人类智能。好比你想造一个“机器人厨师”，能切菜、调味、颠勺。

机器学习：让机器从数据中学习，而不是写死规则。好比你不告诉厨师“盐放3克”，而是让他尝一万道菜，本人悟出“盐大概放这么多”。

深度学习：用多层神经网络学习，模拟人脑。好比给厨师装上一个超级味觉系统，能分析食材的分子结构，本人发明新菜。

你想做任何智能产品，都绕不开这些概念。假如你只是普通用户，知道AI是最终目的，机器学习是完成方法，深度学习是当前主流技术，就够了。

怎样用：你可以说“我在用深度学习技术训练一个AI模型”，瞬间提升B格。

神经网络——不是蜘蛛网，是人脑的“微信群”

神经网络由有数个“神经元”（像微信群里的每个人）组成，神经元之间传递信息（像群聊里发音讯）。

每个神经元收到音讯后，会决议“这条音讯重要吗？我要不要转发给下一个人？”——这就是“激活”。

整个网络经过调整“转发优先级”（也就是权重）来学习。

几乎一切的古代AI（人脸辨认、语音助手、ChatGPT）都基于神经网络。

怎样用：你不用本人搭神经网络，那是算法工程师的活。你只需求知道，当你给AI看一张猫图，它最终能认出是猫，是由于神经网络里层层传递，最后某个神经元喊了一句：“全体留意！有猫！”

训练 & 推理——AI的“寒窗苦读”和“上考场”

训练：给AI喂海量数据，让它总结规律。好比先生做三年高考五年模拟，刷了十万道题，终于学会了解题套路。

推理：用训练好的模型去做题。好比高考那天，先生看到新题，根据之前学的套路写出答案。

什么时分用：

- 训练：你需求本天然一个AI模型时（比如用自家产品数据训练客服机器人）。

- 推理：你只想用现成的AI（比如用ChatGPT写周报）。

怎样用：训练需求数据、算力、工夫，普通人不碰。推理最简单——打开ChatGPT，输入成绩，得到答案，这就是推理。

监督学习、无监督学习、强化学习——三种教AI的方法

想象你教孩子看法水果：

监督学习：你拿着苹果说“这是苹果”，拿着香蕉说“这是香蕉”。孩子记住特征，下次本人就能分清。

适用场景：分类、预测（比如判别邮件是渣滓还是正常）。

无监督学习：你扔一堆水果，不说名字，让孩子本人找规律。他发现红的有把的是苹果，黄的长条的是香蕉。

适用场景：客户分群、异常检测（比如银行发现刷卡行为异常）。

强化学习：孩子本人尝试，做对了给奖励（比如吃糖），做错了给惩罚（比如不能看电视）。他为了多吃糖，会本人揣摩怎样选水果。

适用场景：游戏AI、机器人控制（比如AlphaGo下棋）。

怎样用：

- 假如你想预测明天股票涨跌（有历史数据带标签），用监督学习。

- 假如你想给用户分组做个性化引荐（没有标签），用无监督学习。

- 假如你想训练AI玩王者光彩，用强化学习。

大言语模型——那个能聊天的“超级大脑”

就是ChatGPT、文心一言、Claude这些东西。它们用海量文本训练出来，肚子里装着整个互联网的知识（虽然有些过时）。

什么时分用：你想让它写文案、总结文档、翻译、编程、当树洞，或者单纯调戏它。

怎样用：打开网页或App，打字聊天。高级用法是给它设定角色：“你如今是鲁迅，请用他的风格评价明天天气。”

提示词（Prompt）——跟AI说话的“咒语”

提示词就是你输入给AI的那段话。看似简单，实则讲究。比如：

- 普通版：“写一篇关于猫的文章。”

- 进阶版：“以一只漂泊猫的第一人称，写一个暖和的故事，500字左右，要让人读完想收养漂泊猫。”

后者生成的内容质量会高很多。

每次用大模型都要写提示词。

怎样用：记住公式：角色 + 义务 + 要求 + 例子。比如“你是资深营养师（角色），给我设计一份减肥食谱（义务），要合适下班族、食材好买（要求），相似我之前给过你的那份地中海饮食风格（例子）。”

微调（Fine-tuning）——给AI“开小灶”

大模型是通才，什么都懂但不精。微调就是在通才基础上，用大批专业数据再训练，让它变成某个范畴的专家。

比如用十万份病历微调一个通用大模型，它就变成了“医疗AI专家”。

什么时分用：你需求AI在特定范畴表现特别好，而且有相关数据。

怎样用：普通人用不上，那是公司干的活。但你可以了解为：提示词是“暂时抱佛脚”，微调是“长期报班补习”。

RAG（检索加强生成）——让AI学会“查材料”

大模型有个缺点：只会记到训练截止日期前的事，而且会胡编乱造（“幻觉”）。RAG就是在它回答成绩前，先让它去外部数据库（比如最新的旧事、你本人的文档）查一下，找到相关材料，再结合这些材料生成答案。

好比考试允许开卷，先翻书再答题，准确率高多了。

什么时分用：你需求AI回答最新信息、公司外部知识、或者需求援用来源的场景。

怎样用：普通用户可以用一些集成了RAG的工具（比如New Bing、Perplexity AI），问成绩时它会自动联网搜索。

API——让软件能调用AI的“插头”

API是一套接口，开发者写几行代码，就能让自家App调用ChatGPT的才能。

比如你用的“AI写作助手”软件，背后能够就是经过API调用了某个大模型。

什么时分用：你想在本人开发的软件里集成AI功能，或者想经过代码批量运用AI。

怎样用：去云服务商（OpenAI、百度、阿里）注册账号，获取API密钥，然后写代码调用。看不懂代码？那这条先跳过，知道有这东西就行。

Token——AI的“计费单位”和“字数限制”

Token是大模型处理文本的最小单位。英文里一个单词能够是1-2个token，中文里一个字能够是1-2个token。

当你问成绩，AI回答，耗费的都是token。API按token收费（比如OpenAI一千个token几分钱）。

同时，模型有上下文长度限制（比如4096个token），超过就记不住后面的内容。

用API时要留意计费，发长文时要估算token能否超限。

怎样用：普通用户用网页版不用担心，包月或收费。开发者写代码时要思索token耗费，别让程序跑破产。

幻觉——AI一本正派地胡说八道

大模型本质是“下一个词预测器”，它尽管生成听起来合理的词，不管对错。所以有时它会编造理想，还说得头头是道。

比如你问“爱因斯坦什么时分来中国访问过？”它能够编一个“1922年他机密访问上海”的故事，细节丰富，但其实没发生过。

什么时分发生：当你问它不知道的事情，或者让它发挥创造力时。

怎样避免：用RAG让它查材料，或者人工核查。别全信AI，特别是重要信息。

看到这里，你能够曾经晕了。其实没关系，术语只是工具，不是目的。

你不需求懂神经网络原理，也能用ChatGPT写出爆款文章；

你不需求会微调，也能用提示词让AI帮你干活；

你不需求懂强化学习，也能享用AlphaGo带来的震撼。

真正的AI小白，不是不懂术语的人，而是由于怕术语而不敢尝试的人。

欢迎关注，👇 👇 👇

欢迎光临职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)