AI方向的专用名词特别多很容易混在一起文本梳理下从机器学习到AI大模型发展历程和专业名词。下面按照概念的层次关系依次梳理。人工智能人工智能Artificial Intelligence 简称AI。人工智能是广义的机器模拟人类智能行为的科学与技术。所以它的范围非常广所有机器模拟人的都可以称之为AI。也就包括了机器学习、机器人、计算机视觉等各大类。机器学习机器学习Machine Learning简称ML根据字面意思让机器像人一样去学习然后基于学习到的知识进行预测或决策。它是实现人工智能的一种方式。专业的解释是机器学习是一门多领域交叉学科涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为以获取新的知识或技能重新组织已有的知识结构使之不断改善自身的性能。机器学习的方法监督学习通过已标注的数据训练。机器通过已标注数据x推导出函数f(x)也成为模型。如果我们有新的未标注数据y 利用函数可以预测出值为 f(y)通常用于处理分类、回归问题。分类的实际场景 垃圾邮件识别、网页的分类等监督的学习是训练神经网络和决策树最常见的技术。神经网络的训练高度依赖已标记的数据集分类系统用于判断网络的错误然后调整神经网络去适应。无监督学习监督学习的成本很高大量的标记数据集都是需要人为标记。无监督学习的训练集是没有人标记的。目的是希望机器通过学习自己去推断数据的结构与关系。常见的算法有聚类如K-Means。如有一个技术平台利用用户的社交数据将平台的用户分为java程序员c程序员、Python程序员等半监督学习半监督学习是介于监督学习和无监督学习之间。为了解决监督学习成本高无监督学习目标不明确问题 通过少量的标记数据和大量的未标记数据进行训练。有重大的实际意义。大模型的训练大多采用半监督学习。强化学习强化学习通过观察来学习动作的完成每个动作都会对环境产生影响。强化学习主要应用在机器人控制或其他需要系统控制的领域。深度学习深度学习也是机器学习下的一个子领域。通常是基于多层神经网络的模型。这个领域目前是机器学习中最热门的常见算法模型有CNN卷积神经网络、RNN循环神经网络、Transformer神经网络神经网络Neural Network简称NN它是一个算法模型模仿生物神经元结构。属于深度学习领域的常用模型。深度学习深度学习Deep Learning简称DL机器学习的子领域基于多层神经网络深度神经网络的模型使用多隐藏层自动提取高阶特征如图像中的边缘→纹理→物体依赖大数据和GPU算力。算法模型CNN卷积神经网络通常用于图像、视频领域。卷积是什么卷积是对输入数据进行局部区域的处理提取特称。比如一张照片中元素非常多但我们只提取人头部分然后进行面部识别。还有车辆行驶的道路上只需要提取道路信息路边风景建筑色彩都不需要用于自动驾驶。RNN循环神经网络处理时序数据如文本、语音循环的意思是循环扫描输入内容以建立上下文联系这就很适合实时翻译语音处理。TransformerTransformer模型架构是2017年Google在论文Attentions is All you need 中提出的模型。目前已经是最流行的模型架构。基于transformer的产品有OpenAI的ChatGPT、DeepSeek、通义千问、文心一言等几乎所有主流大模型都是基于这个理论模型。AI大模型参数量巨大通常数十亿以上、训练数据海量的深度学习模型属于DL的尖端应用。通用性非常强几乎什么知识都有涉及。在工业应用中虽然大模型很万能但大模型参数多计算成本高通常还会配合一些中小型模型。如何学习AI大模型作为一名热心肠的互联网老兵我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】一、全套AGI大模型学习路线AI大模型时代的学习之旅从基础到前沿掌握人工智能的核心技能二、640套AI大模型报告合集这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。三、AI大模型经典PDF籍随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。四、AI大模型商业化落地方案作为普通人入局大模型时代需要持续学习和实践不断提高自己的技能和认知水平同时也需要有责任感和伦理意识为人工智能的健康发展贡献力量。