初识大模型

前提：学习一项技术，要从原理、实践、认知三个方面进行攻克。

        不懂原理就不会举一反三，走不了太远。

        不懂实践就只能纸上谈兵，做事不落地。

        认知不高就无法作对决策，天花板太低。

一、知识体系

二、什么是AI

基于机器学习、神经网络的是AI，基于规则、搜索的不是AI

三、大模型可以做什么

大模型，全称大语言模型，缩写LLM。

相关产品：

注册 ChatGPT、Copilot 教程：https://agiclass.feishu.cn/docx/Jt8ydP0RroFCPaxcWGDcUzVrnnd#YtxodWqgdofsa8xb0GOcaD1nny5

把大模型看做是一个函数，给输入，生成输出。

任何业务问题，都可以用语言描述，成为大模型的输入，就能生成业务问题的结果。

实际工作中，通常需要将业务任务拆解为若干个子任务，分别解决。理解业务本质，对拆解任务有很大帮助！

四、大模型是怎么生成结果的

其实，他只是根据上文，猜下一个词(的概率)

OpenAI 的接口名就叫「completion」，也证明了其只会「生成」的本质。

用不严谨但通俗的语言描述大模型的工作原理：

        1.大模型阅读了人类曾经说过的所有的话。这就是机器学习，这个过程叫训练。

        2.把一大串token后面跟着的不同token的概率记了下来。记下的就是参数，也叫权重。

        3.当我们给它若干token，大模型就能算出概率最高的下一个token是什么。这就是生成，也叫推理。

        4.用生成的token，再加上上文，就能继续生成下一个token。以此类推，生成更多文字。

Token 是什么？

1. 可能是一个英文单词，也可能是半个，三分之一个。可能是一个中文词，或者一个汉字，也可能是半个汉字，甚至三分之一个汉字

2. 大模型在开训前，需要先训练一个 tokenizer 模型。它能把所有的文本，切成 token

再深一点呢，

这套生成机制的内核叫「Transformer 架构」。但其实，transformer 已经不是最先进的了。

五、用好AI核心方法

OpenAI 首席科学家 Ilya Sutskever 说过：

数字神经网络各和人脑的生物神经网络，在数学原理上是一样的。

所以重点是把AI当人看。

六、大模型应用架构

1.业务架构

Agent还太超前，Copilot值得追求。

2.技术架构

纯 Prompt

就像和一个人对话，你说一句，ta 回一句，你再说一句，ta 再回一句……

Agent + Function Calling

• Agent：AI 主动提要求
• Function Calling：AI 要求执行某个函数
• 场景举例：你问过年去哪玩，ta 先反问你有几天假

RAG = Embeddings + 向量数据库

• - Embeddings：把文字转换为更易于相似度计算的编码。这种编码叫向量
• - 向量数据库：把向量存起来，方便查找
• - 向量搜索：根据输入向量，找到最相似的向量
• - 场景举例：考试时，看到一道题，到书上找相关内容，再结合题目组成答案。然后，就都忘了

Fine-tuning

努力学习考试内容，长期记住，活学活用。

七、编程调用API

        官方文档：https://platform.openai.com/docs/api-reference

         主打语言是Python，因为：

        1. Python 和 AI 是天生的一对

        2. Python 是最容易学习的编程语言

        安装 OpenAI Python 库

        在命令行执行：

        pip install --upgrade openai