1. 引言
最近，生成式人工智能（Generative AI）在行业内带来了巨大的变动。还记得 2022 年 11 月推出的 ChatGPT 吗？在短时间内，它就成为了有史以来用户数量最快突破 1 亿的产品。
人工智能已经存在了很长一段时间，它可以做各种各样的事情。但 ChatGPT 之所以如此特别并吸引了人们的注意，是因为它能像人类一样聊天，并能根据简单的提示创建内容。这为企业带来了无限可能，引起了所有人的关注。人们开始询问这种生成式人工智能是什么？
本文就人工智能和生成式人工智能的基础知识进行相关的讲解，闲话少说，我们直接开始吧！
2. 举个栗子
在深入了解生成式人工智能之前，我们先来谈谈人工智能（AI）。人工智能就是教机器做人类会做的事情。举个例子，想象一下一个能分拣苹果和香蕉的机器人。你告诉它什么是苹果，什么是香蕉，它就能很好地完成任务。
如何告诉机器？好吧，大家可以编写明确的程序指令，告诉机器什么是苹果，什么是香蕉。
现在，请想象一个场景。机器人做得非常棒，直到它遇到了一个绿苹果。由于上述机器人的程序只针对红苹果，所以现在它不知道该如何处理青苹果了。
3. 机器学习
上述场景就是机器学习（ML）的用武之地。ML 指的是机器从数据中学习的能力。在水果分类机器人案例中，机器人会看到许多苹果和香蕉的图片。机器通过学习图片中的图案和形状，推断出苹果和香蕉的样子。
当机器人遇到青苹果时，尽管它没有看到任何青苹果的图片。但它仍然能根据所学到的有关苹果的其他属性，知道这是一个苹果。所以，大家可以看到机器学习是多么酷和有用，先不要太兴奋，等大家后面了解了生成式人工智能有多酷再说吧。
生成式人工智能则更进一步。它不仅能识别模式，还能根据自己的认知创造出新的东西。想象一下，我们的苹果和香蕉分拣机器人会创造出一种全新的混合水果！
4. 基础知识
深度学习是生成式人工智能背后的秘诀。它就像一个超级聪明的大脑，能够理解大量数据并从中找出规律。你给它的数据越多，它就越聪明。深度学习模型的灵感来源于人脑（因此也被称为人工神经网络），它包括一个输入层，然后是多个隐藏层，最后进入输出层。在这些隐藏层中可以进行复杂的计算。
因此，GPT-3 等基础模型应运而生。这些模型就像超级灵活的工具，可以完成许多不同的任务，因为它们已经过大量数据的训练。但 ChatGPT 如何像人一样聊天呢？这就是大型语言模型(LLM)的用武之地。LLM 是基础模型的一种，已经过大量文本数据的训练，可以预测句子中接下来的单词，因此在像人类一样写作和聊天方面表现出色。
您可能想知道这些数据有多庞大。这是非常庞大的数据，涵盖多个领域和多种来源。例如，OpenAI 开发的最受欢迎的模型之一 GPT-3 就是在数百 GB 的文本上训练出来的。这包括来自书籍、网站以及其他结构化和非结构化数据源的文本。
5. 基础模型
想象一下上述苹果和香蕉分类机器人。除了向机器人提供苹果和香蕉的图片，我们还可以向它提供成吨成吨的数据，从蔬菜到电子产品，从天文学到历史。现在，机器人不仅能够分拣水果，还能识别各种物体和主题。这就是基础模型的核心理念：基础模型是在来自多个领域的大量数据基础上训练出来的，可以将其知识应用到无数任务和场景中。
说到这里，大家可能会有疑问：LLM有这么聪明吗？
事实上，LLM 不像我们人类一样拥有任何认知能力。不过，得益于庞大的训练数据，它们擅长预测下一个单词。因此，它们会预测句子中的下一个单词，在加上这个单词后，它会再次进行计算并预测下一个单词，以此类推。这就是它能够撰写文章、像人类一样与我们交谈以及总结文本的原因。
6. 生成式AI
正是由于这些 LLM（以及其他类似技术）技术，为生成式人工智能提供了动力。生成式人工智能，顾名思义，具有生成新内容的能力。这的确是一项开创性的创新，我们来看看它是如何被应用于各行各业的。
正如开头提到的，人工智能并非新生事物。多年来，它一直在以各种形式发挥作用。例如，当大家在观看 电影网站时，它会向你推荐电影。这就是人工智能。当你在购物网站上购物时，你会看到推荐，这也是人工智能。那么问题来了：什么是生成式人工智能？要了解生成式人工智能，让我们来看一个场景：
这就是传统人工智能的工作原理：你有一个模型，当展示图片时，它能够区分猫和狗。你给它看一张猫的图片，它就会把它归类为猫。
参考上图，现在，假设我们有了一个可以生成内容的人工智能模型。我们给出一个提示，比如一张猫的图片，然后让它画出来，模型就会生成一张猫的图片。生成的图片可能是一只与模型训练过的完全不同的猫。因此，从根本上说，模型是根据你提供的提示和它已经掌握的关于猫的知识来生成这只猫的。
7. 总结
总之，生成式人工智能代表着人工智能领域的巨大飞跃。这项突破性技术不仅能识别模式，还能从中创造出新的内容，它有可能彻底改变从艺术和音乐到产品设计等无数行业。随着我们继续探索生成式人工智能的可能性，技术的未来似乎比以往任何时候都更有希望。
