一篇文章理清AI、机器学习、深度学习、大模型与AIGC的关系
刚接触AI学习时，不少人还没被编程拦住，就被一堆专业术语搞糊涂了：
人工智能、机器学习、深度学习、大模型、生成式AI、AIGC、大语言模型……
每个词似乎都见过，但又说不出区别。
其实，这些词并不复杂。容易混淆的根本原因在于：
它们并不是按同一个维度来分类的。
有的指研究范畴，有的指技术手段，有的指模型体量，还有的指生成的结果。
今天，我们给这场“AI名词大聚会”重新安排一下座位。
人工智能，英文是Artificial Intelligence，缩写为AI。
它并非某种具体技术，而是一个庞大的研究领域。其目标是让机器胜任一些通常依赖人类智慧才能完成的工作，比如：
识别图像；
理解文本；
规划路径；
辅助诊疗；
博弈与决策。
因此，AI更像一把巨大的保护伞。
机器学习、深度学习、大模型，都可以归入这把伞下。
但有一点要特别留意：
并非所有人工智能都依赖机器学习。
早期一些依靠人工编写规则运作的专家系统，同样属于人工智能。
传统程序一般是先由人制定规则，再交给计算机执行。
比如：
若邮件里出现某些关键词，就将其归为垃圾邮件。
机器学习则换了一种方式：
给机器提供大量“正常邮件”和“垃圾邮件”，让它自己摸索其中的模式。
所以，机器学习可以通俗理解为：
让计算机借助数据和经验提升任务表现。
它常被用于：
垃圾邮件过滤；
房价预估；
商品推荐；
风险预测；
疾病辅助诊断。
两者的关系可以概括为：
机器学习是实现人工智能的一条核心路径。
也就是：
人工智能 ＞ 机器学习
深度学习是机器学习的子集，主要借助多层神经网络来捕捉数据中的复杂特征。
这里的“深度”，主要指神经网络拥有较多层级，并不是说AI在那里进行了更深入的人生反思。
深度学习尤其擅长处理：
图像；
声音；
影像；
自然语言；
复杂信号。
比如，人脸识别、语音转写、医学影像分割，背后常常用到深度学习。
到这里，三者的关系最为清晰：
人工智能 ＞ 机器学习 ＞ 深度学习
也就是说：
深度学习隶属于机器学习，机器学习隶属于人工智能。
但反过来说，并非所有AI都属于深度学习。
“大模型”并不是一项与深度学习完全平行的新技术。
目前常见的大模型通常建立在深度学习之上，借助海量数据和算力进行训练，并拥有数量惊人的参数。
这里的“大”，一般体现在：
参数规模庞大；
训练数据海量；
算力投入巨大；
能处理的任务更广泛；
具备更强的迁移与通用能力。
不过，“多少参数才能算大模型”并没有一个永恒不变的硬性标准。
因此，更准确的解读是：
大模型突出模型的体量和通用能力，深度学习突出它所采用的技术路线。
两者不在同一个层级。
过去很多AI主要承担判断和预测的职责，比如：
这张图里是不是猫？
这封邮件是不是垃圾邮件？
这个用户会不会购买某件商品？
生成式AI则能根据指令创造全新内容，比如：
写一段文字；
画一张图画；
谱一段音乐；
做一段视频；
写一段代码。
所以，“生成式AI”描述的是一种能力：
它能产出新内容。
如今许多生成式AI以大模型为底座，但两者并不能简单划等号。
因为：
并非所有大模型都以生成为主；
生成式AI在大模型出现之前就已存在；
一些体量不大的模型同样能生成内容。
所以，更准确的关系是：
大模型与生成式AI有大量交集，但并不完全重合。
大语言模型的英文是Large Language Model，缩写为LLM。
它是大模型中的一类重要分支，主要学习并处理人类语言，可以完成：
回答提问；
归纳文章；
翻译文本；
润色文字；
编写代码；
展开多轮对话。
“大语言模型”中的“大”突出模型体量，“语言”指明它主要处理的信息种类。
除大语言模型外，还有视觉大模型、多模态大模型等。
多模态模型不仅能处理文字，还能同时理解图像、声音和视频。
AIGC是Artificial Intelligence Generated Content的缩写，一般译为：
人工智能生成内容。
它更侧重AI产出的结果，比如：
AI撰写的文章；
AI绘制的图像；
AI谱写的音乐；
AI制作的视频。
因此：
生成式AI是一类技术与能力，AIGC是运用这种能力产出的内容。
可以用做饭的场景来类比：
生成式AI好比厨师；
大模型好比厨师背后的能力体系；
AIGC则是端上桌的那道菜。
至于这道菜好不好吃，依然需要人来品鉴和评判。
如果前面内容偏多，只需记住下面八句话：
人工智能：最宽泛的研究领域；
机器学习：让机器从数据中学习；
深度学习：机器学习中的神经网络方法；
大模型：突出规模、数据与通用能力；
生成式AI：突出生成内容的能力；
大语言模型：主要处理语言的大模型；
AIGC：AI生成的内容本身；
ChatGPT：普通人可直接上手的AI产品。
还能压缩成一句口诀：
AI是领域，机器学习是路线，深度学习是方法，大模型重规模，生成式AI重能力，AIGC重结果。
参数、Token、上下文窗口，究竟指什么？｜普通人学AI第8天
它们看似晦涩，却直接关乎AI能读取多少内容、记住多少信息，以及一次对话会消耗多少资源。
本文由作者确定选题并审核，正文初稿及部分配图由生成式AI辅助完成。文中AI生成配图均已标注。