AI大模型原理

一：啥是AIGC

        图片、代码、文本、音频、视频。

二：生成式AI

三：什么关系？

 

 四：解释说明

1：机器学习

机器学习是机器通过算法（非显示编程）自己去学习改进、识别模式、做出预测和决策。

(一)：监督学习

学习的带有标签的内容。标签就是期望的输出值。算法的目标就是学习输入和输出之后的映射关系，然后基于给定的输入，大模型做出输出判断

        经典的就是：分类和回归

1：分类

2：回归 

 

        

(二)：无监督学习

1：聚类

         把数据进行分组，根据文章内容进行分组

(三)：强化学习

        强化学习就是模型在环境中进行行动，通过反馈进行学习，让模型更通人性。从给定情况下采用最佳行动。

        有些动作给零食，有些动作挨揍。

(四)：深度学习

        深度学习核心是使用人工神经网络，模拟人脑。处理信息的方式，通过层次化的方式，表示数据的特征。

        深度学习可以用来监督学习、无监督学习、强化学习。深度学习不属于上边三种学习方式的子集。 

2：生成式AI

生成式AI是机器学习的一种应用，利用神经网络来识别现有的模型和内容。学习生成新的内容。内容形式可以是文本、代码、图片、音频、视频。

 3：LLM大语言模型

大语言模型是深度学习的一种应用，专门用于自然语言处理任务。其中的这个大字，说明模型的参数非常的大。有数十亿和万亿个，可以生成高质量文本

不是所有生成式AI都是大语言模型  是的

 所有的大语言模型是否是生成式AI  谷歌的BERT输入很强，但是应用与检索和分类和识别，不进行输出。

三：什么是大语言模型

大语言模型也叫LLM，是用于做自然语言相关人物的深度学习模型。