一句话讲清楚“人工智能AI”

按：2024年或之前，也关注过大模型，但深入研究还是今年春节DeepSeek大火之后。

学习越多，越感觉如果能采用“一句话的方式”表达清楚，对其他人是很受益的事（学习成本、知识鸿沟是当下最大的问题），能用一句话说清楚，又是对人最大的挑战（世界之复杂，一句话能说清楚本质）！

“一句话”或“一张图”的方式表达，不是一个结果，而是一个不断认识和不断实践的过程。也希望读者愿意留言探讨，以丰富或改进“一句话”或“一张图”的表达。

当下的人工智能（AI)，或者更准确地说，大语言模型（也常简称为大模型）是什么？

如果用一句话来概括，我建议用“是一个免费的博士级别的大脑”来比喻或理解。也就是说，当我们现在随时随地访问DeepSeek、豆包或混元等大模型时，就意味着我们随时随地有一个博士级别的大脑可以利用，帮助我们做任何工作，或生活！

几点补充说明：

1、这个大脑（即大语言模型）是如何训练出来的呢？

是利用神经网络算法（即模仿人类大脑学习的方式），通过几千亿参数，将人类海量的语言（知识）进行学习和训练得到的。比如DeepSeek-V3的参数规模为6710亿（671B，这么大的参数量，可以理解为很聪明），预训练数据量为14.8万亿token，覆盖多语言文本、代码、科学文献等高质量数据（14.8T tokens，这么大的数据量，可以理解为学习了很多知识）。

2、这个大脑还比单个人类个体掌握的知识多得多。

大语言模型是一个通用的，即全科的，或者说是懂“所有专业”的博士大脑！这个大脑比单个个体掌握的知识多得多，用北京智源人工智能研究院理事长黄铁军的观点，可以表示为下图。也可以说一个个体的知识与大模型的知识相比，只是很小的一个部分。

 3、这个博士级别的大脑还在不断“进化”、优化和发展。

大语言模型既遵循Scaling Law（Scaling Law是大模型预训练第一性原理，即随着模型参数数量、数据规模、计算资源的增加，模型有更好的表现），在算法上还在不断突破和创新，使得模型可以越来越好。

4、如何更好地使用这个博士级别的“大脑”呢？

其实也有不少挑战，这就是提示词工程所要解决的问题，也就是说，如果不掌握“提示词的一些技巧或工程”，你也就很难与这个“大脑”沟通、交流，也就不能很好地利用这个大脑。

有哪些（不足的）特点么？

5、领域知识（即某些领域的专业知识）不足。

由于预训练的数据采用的大多是通用的、公开的知识，在某些领域、或某些专业方面的数据是不够的，就会导致没有掌握这方面的知识。

目前的解决方案一般是采用微调或RAG方案。

6、及时性或实时性不足。

由于一次预训练的花费极大（常常是几百万美元，甚至更高），在一次训练结束后的数据就不会被“大脑”学习，所以一些比较新的知识，大模型（大脑）就没有学习，也就导致没有掌握。

目前的解决方案一般是“联网搜索”+RAG方案。

7、当然最大的问题是“幻觉”。

Transformer架构的注意力机制无法充分捕捉所有重要信息，基于概率预测下一个词，等都不可避免地生成看似合理但实际错误的内容。

还有一些数据质量、上下文长度、模型结构等也不可避免会导致“AI幻觉”。

虽然可以通过一些解决方案减少幻觉，但完全避免AI幻觉是一件不可能的事！ 如何辨别，或者说在使用AI的过程中，能辨别“幻觉”是今后最关键一项能力！