【AI学习笔记】小白如何理解技术原理与建立框架（通俗易懂内容推荐）
输入“/”快速插入内容
【AI学习笔记】小白如何理解技术原理与建立框架（通俗易懂内容推荐）
【AI学习笔记】小白如何理解技术原理与建立框架（通俗易懂内容推荐）
2024年6月12日修改
大家好，我是Allen。世界是参差的，唯有持续学习能抵御未来的变数。
上篇文章观点：热爱与行动是通往 AGI 之路主要介绍了WaytoAGI和为什么要学习研究AI，解决了Why的问题。
这次想解决What和How的问题，当然我自己不是专业的，所以重点是推荐看了多篇教程后，对我个人有重大帮助的两个视频，我会附上视频链接，不想听我废话的可以直接看视频。本着一件事情如果你能讲给别人听才算彻底理解的原则，以下是我拆解的内容和个人注解。
研究AI，不是研究AI新闻，本文旨在帮助建立入门同学建立框架，需要深入了解的请关注原作者和原视频。
介绍：某知识up主老石谈芯专访安克创新CEO阳萌的视频，一共两期，视频链接是第二期。两期内容都值得观看，访谈非常硬核，我也会做拆解，并思考与近期苹果发布会的关系。
一、视频一主要回答了什么是AI大模型，原理是什么。
1、概念：生成式AI生成的内容，叫做AIGC
2、概念与关系：相关技术名词
1）AI——人工智能
2）机器学习——电脑找规律学习，包括监督学习、无监督学习、强化学习。
3）监督学习——有标签的训练数据，算法的目标是学习输入和输出之间的映射关系。包括分类和回归。
4）无监督学习——学习的数据没有标签，算法自主发现规律。
经典任务包括聚类，比如拿一堆新闻文章，让模型根据主题或内容特征分成具有相似特征的组。
5）强化学习——从反馈里学习，最大化奖励或最小化损失；类似训小狗。
6）深度学习——一种方法，参照人脑有神经网络和神经元（因为有很多层所以叫深度）。
神经网络可以用于监督学习、无监督学习、强化学习。
7）生成式AI——可以生成文本、图片、音频、视频等内容形式
8）LLM——大语言模型。对于生成式AI，其中生成图像的扩散模型就不是大语言模型；
对于大语言模型，生成只是其中一个处理任务，比如谷歌的BERT模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类；
3、技术里程碑——2017年6月，谷歌团队发表论文《Attention is All You Need》。
这篇论文首次提出了Transformer模型，它完全基于自注意力机制（Self-Attention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。
GPT含义：Transformer是关键。Transformer比RNN更适合处理文本的长距离依赖性。
LTSM（长短期记忆网络）是RNN的改良版本——但也没有解决传统RNN无法并行计算的问题。
这时Transformer踏着七彩祥云出现了，在处理每个词的时候，会注意输入序列里所有其他的词，
给予每个词不一样的注意力权重，从而捕获依赖关系和相关性。
Transformer有自注意力机制和位置编码（语言的顺序很重要）