大白话聊聊“深度学习”和“大模型”

1950年图灵发表论文《计算机器与智能》（ Computing Machinery and Intelligence），提出了“机器智能”（Machine
Intelligent）的概念，并且提出了著名的“图灵测试”的方法来判断机器是否有智能。

1956年，达特茅斯会议，“人工智能”（Artificial
Intelligent）概念被首次提出，人工智能作为一个学科开始被研究。科学家梦想着未来可以用复杂物理结构的计算机来构造复杂的拥有与人类同样智慧的机器。

计算机才刚出现，科学家就梦想到未来的样子。可见，科学不仅需要严谨的实验，也需要大胆的梦想。

人工智能学科发展至今，机器已经具备基本的观察和感知能力，能做到一定程度的理解和推理；但大部分时候，机器的认知能力不足，自适应能力不强，不能理解面临的新问题新情况，还远远达不到人类的认知能力。机器的“感知智能”从何而来？“认知”智能又如何取得突破？要从一种实现人工智能的方法——机器学习说起。

大白话：机器在某些方面已经具备人的一些能力，比如人脸识别安检（代替安保人员）来判断是否让某人进入，再比如在下棋领域，已经达到和超过人类棋手的能力；但不幸的是，那些落地的人工智能应用已经出现了各种弊端和不足，比如脸上挂个照片就能骗过安检系统，再比如剪个头发、带个眼镜，安检系统就不认识了。目前来看，好消息就是我们不用担心人工智能会把人类打趴在地，而是需要研究如何才能让机器更理解人类。

什么是机器学习？

与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

![](https://img-blog.csdnimg.cn/6165409280594fb5bf96edec1eb29b5d.png?x-oss-
process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2F3YV9udWR0,size_12,color_FFFFFF,t_70,g_se,x_16)

传统程序识别猫：
输入信息（比如图片），让计算机判断是否有毛茸茸的毛？是，然后再判断是否有一堆三角形的耳朵？是，然后再判断…直到判断了具备猫所有的特征，结论才是猫。如果有一项不符合，那就不是猫。当然，也可以通过判断“不具备什么特征”来进行判断，比如“身上有黑白花纹吗？”没有。传统方式要制定判断某一类别或概念的全部所需规则
，梳理全部的所需规则就很难，而单个规则也可能会涉及到一些困难的概念，比如对毛茸茸的定义。

机器自学********程序识别猫：
计算机提供大量猫的照片，随着各种猫的照片的增加，系统会不断学习更新，最终能准确地判断出哪些是猫，哪些不是。这里有三个基础概念：

1. “机器学习”是“模拟、延伸和扩展人的智能”的一条路径，是人工智能程序的一个子集；
2. “机器学习”要基于大量数据，也就是说它的“智能”是用大量数据训练出来的（“喂数据”），就像教小孩要一遍遍的看书学知识，教机器也是如此，要喂数据；（敲黑板！！！这个后面会用到）
3. 正是因为要处理海量数据，所以大数据技术尤为重要，而“机器学习”只是大数据技术上的一个应用。

![](https://img-blog.csdnimg.cn/8b2860de2cd947b9bf31276c77071a20.png?x-oss-
process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2F3YV9udWR0,size_20,color_FFFFFF,t_70,g_se,x_16)

大白话：

传统程序是人来梳理规则
，程序只是把规则变成机器可理解和计算的实现，相当于师父制定出来一些规则，徒弟就照规则办事，徒弟很年轻，动手比较快，但是结果好不好全靠师父制定的规则合理不合理，是否容易执行。有些中式菜肴之所以难学，就是因为师父说的规则不明确很难量化，比如“少许”之类的，到底是多少才算少许。

而机器学习程序是机器来学习数据，从数据中总结经验