【自学AI】03 从零理解 AI（上）：大语言模型的前世今生

1.1 人与计算机的根本区别#

我一直在思考一个问题：人和计算机最大的区别是什么？

计算机的优势很明显——速度快。让它计算 10000 × 10000，瞬间就能给出结果。但计算机也有个致命缺陷：太死板。

什么叫死板？就像我们写前端代码：

1
// 我们必须精确地告诉计算机每一步怎么做
2
if (user.clickedButton === 'add') {
3
  result = num1 + num2;
4
} else if (user.clickedButton === 'subtract') {
5
  result = num1 - num2;
6
}

每一个条件、每一个分支，都得写清楚。少一个 else，程序就可能崩溃。

但人类不一样。人类有学习能力。

比如你第一次见到 Vue 3 的 Composition API，不需要有人告诉你每一行代码的含义，看几个例子、写几个 demo，你就能理解它的设计思想。你不需要”硬编码”的规则，你能从经验中学习。

AI 的目标，就是让计算机也拥有这种学习能力。

💭 我的理解：以前做表单验证，我得写一堆 if-else 判断邮箱格式、密码强度。但如果用 AI，它能从大量数据中自己学会”什么样的输入是合法的”。这种思维方式的转变，对我来说是个很大的冲击。

1.2 什么是人工智能？#

AI（Artificial Intelligence，人工智能）就是用计算机模拟人的智能。

那”智能”到底包括什么？我总结了四种核心能力：

1. 学习能力

• 从经验中学习
• 数据越多，就越”聪明”
• 类比：就像你从 jQuery 过渡到 React，不需要重新学编程

2. 理解能力

• 理解语言、图片、声音
• 类比：就像你能看懂设计稿，理解设计师的意图

3. 推理能力

• 从已知推导未知
• 类比：就像你看到一个 bug，能推理出是哪里的代码出了问题

4. 创造能力

• 创造新的东西
• 类比：就像你能设计出新的组件、新的交互方式

传统程序 vs AI 程序的本质区别：

1
传统程序（我们平时写的代码）：
2
输入 → 固定规则（if-else、switch） → 输出
3

4
AI 程序：
5
大量数据 → 学习规律 → 生成模型 → 用模型推理 → 输出

用流程图表示：

1
传统程序流程：
2
┌─────────┐     ┌──────────────┐     ┌─────────┐
3
│  输入   │ ──> │ 人工编写规则 │ ──> │  输出   │
4
└─────────┘     └──────────────┘     └─────────┘
5

6
AI 程序流程：
7
┌─────────┐     ┌──────────┐     ┌─────────┐     ┌─────────┐
8
│ 训练数据│ ──> │ 自动学习 │ ──> │  模型   │ ──> │  输出   │
9
└─────────┘     └──────────┘     └─────────┘     └─────────┘

这就是关键的不同。AI 会从大量数据中自动学习规律，而不是依赖人工编写的规则。

2.1 符号主义时代（1950s-1970s）#

核心思想：用规则表达知识

1950 年代，科学家们有个大胆的想法：既然计算机能处理符号，人的思维也是符号处理，那能不能让计算机模拟人的思维？

实际案例：医疗诊断系统

假设要做一个诊断感冒的系统，怎么做？写规则：

1
规则 1：IF (发烧 AND 咳嗽 AND 喉咙痛) THEN 诊断 = 感冒
2
规则 2：IF (流鼻涕 AND 打喷嚏) THEN 诊断 = 过敏
3
规则 3：IF (发烧 AND 肌肉酸痛) THEN 诊断 = 流感
4
...

这就像我们写前端路由守卫：

1
// 符号主义的思维方式
2
router.beforeEach((to, from, next) => {
3
  if (to.path === '/admin' && !user.isAdmin) {
4
    next('/403');
5
  } else if (to.path === '/login' && user.isLoggedIn) {
6
    next('/dashboard');
7
  } else if (...) {
8
    // 规则越来越多...
9
  }
10
});

为什么失败了？

1. 规则爆炸：感冒有几十种症状组合，要写几千条规则
2. 规则冲突：同一个症状可能对应多种疾病，优先级难定
3. 没有学习能力：出现新症状，必须手动添加规则

💭 我的感悟：这让我想起维护老项目时，那些巨型的 switch-case 和嵌套的 if-else。当业务逻辑变复杂时，代码就变得难以维护。符号主义的问题本质上和这个一样——规则太多，维护不动。

2.2 机器学习时代（1980s-2010s）#

核心突破：从数据中自动学习规律

到了 1980 年代，科学家们换了个思路：与其手工编写规则，为什么不让计算机从数据中自己学习规则呢？

实际案例：垃圾邮件过滤器

对比两种做法：

1
符号主义做法：
2
手工写规则 → IF 包含"中奖" OR 包含"免费" THEN 垃圾邮件
3

4
机器学习做法：
5
1. 收集 10000 封邮件
6
2. 人工标记：这是垃圾邮件 / 这是正常邮件
7
3. 扔给算法（如朴素贝叶斯）
8
4. 算法自己分析，学到特征
9
5. 新邮件来了，自动判断

这就像前端的自动化测试：

1
// 传统方式：手工写每个测试用例
2
test('用户名不能为空', () => {
3
  expect(validate('')).toBe(false);
4
});
5
test('用户名长度不能小于3', () => {
6
  expect(validate('ab')).toBe(false);
7
});
8
// ... 写100个测试用例
9

10
// 机器学习方式：给大量数据，让它自己学
11
// 输入：1000个合法用户名 + 1000个非法用户名
12
// 输出：自动学会验证规则

成功应用：

• 手写数字识别（邮政系统识别邮编）
• 人脸识别（手机解锁）
• 推荐系统（淘宝推荐商品）
• 语音识别（Siri、小爱同学）

局限性：需要特征工程

比如识别图片中的猫和狗，你不能直接把图片扔给算法，你得先”人工设计特征”：

• 提取图片的颜色分布
• 提取边缘信息
• 提取纹理特征
• …

这个过程需要专业知识，很费时间。

📚 参考资料：机器学习入门 - Andrew Ng 课程

2.3 深度学习时代（2010s-2020s）#

关键事件：2012 年 ImageNet 竞赛

2012 年，一个叫 Geoffrey Hinton 的教授用”卷积神经网络”（CNN）参加图片识别竞赛。结果震惊了所有人：

• 他的准确率：95%
• 第二名（传统方法）：74%

这就是深度学习的力量。

核心突破：端到端学习

深度学习最大的突破是：不需要人工设计特征了！

1
传统机器学习：
2
原始图片 → 人工提取特征（颜色、边缘、纹理）→ 算法学习 → 输出
3

4
深度学习：
5
原始图片（像素） → 神经网络自动学习特征 → 输出

这就像前端框架的演进：

1
jQuery 时代：
2
手动操作 DOM → 手动管理状态 → 手动更新视图
3

4
React 时代：
5
声明式编程 → 框架自动处理 DOM → 自动更新视图

擅长领域：

• 图像识别（人脸、物体、场景）
• 语音识别（语音转文字）
• 自然语言处理（文本理解）

这是为什么 AlphaGo 能战胜围棋冠军，为什么自动驾驶能识别路标。

局限性：

• 需要海量数据（几万、几十万张图片）
• “黑盒”问题（不知道它为什么这样判断）
• 训练成本高（需要 GPU）

📚 参考资料：深度学习可视化讲解 - 3Blue1Brown

2.4 大语言模型时代（2020s-现在）#

标志性事件：2022 年 ChatGPT 发布

你肯定用过 ChatGPT。随便问它一个问题，它能用自然语言详细回答。不只是回答问题，它还能：

• 写代码（甚至能解释代码）
• 写文章（各种风格）
• 做翻译（多种语言）
• 解释概念（深入浅出）

这就是大语言模型（LLM，Large Language Model）。

四大优势：

1. 海量数据训练

• 在互联网上几百亿的文本上训练
• 包括：书籍、论文、代码、网页、对话…
• 就像一个读过整个互联网的”博学者”

2. 超大参数规模

• GPT-3：1750 亿个参数
• 参数多 = 模型更复杂 = 能学到更细致的规律
• 类比：就像一个有 1750 亿个神经元的”大脑”

3. Transformer 架构

• 能理解长距离的依赖关系
• 例如：一篇 1000 字的文章，第 1 个词和第 1000 个词可能相关，Transformer 能捕捉到

4. 指令调优（RLHF）

• 用人工反馈让模型学会”好好说话”
• 不只是预测下一个词，而是真的能理解你的需求

核心能力：上下文学习（In-Context Learning）

最神奇的是，你给它几个例子，它能在这个上下文中学习，然后处理新问题。不需要重新训练模型。

举个例子：

1
你的输入：
2
---
3
问题：React 中 useState 和 useRef 的区别？
4
答案：useState 会触发重新渲染，useRef 不会...
5

6
问题：什么是闭包？
7
答案：闭包是指函数可以访问其外部作用域的变量...
8

9
问题：解释一下 Promise 的工作原理
10
答案：
11
---
12

13
模型看到这个模式，就会理解："哦，你要我回答技术问题"，然后按照前面的风格回答。

💭 我的感悟：这种能力让我震撼。以前做前端，我得为每个场景写不同的代码。但大模型只需要改变 Prompt（提示词），就能适应不同场景。这种灵活性是前所未有的。

📚 参考资料：

• Transformer 论文 - Attention Is All You Need
• GPT-3 论文
• 大语言模型综述

2.5 四个阶段的演进总结#

让我用一张表格总结这四个阶段：

演进路径可视化：

1
符号主义（人工编写规则）
2
    ↓
3
    问题：规则太多，维护困难
4
    ↓
5
机器学习（从数据学习规则）
6
    ↓
7
    问题：需要人工设计特征
8
    ↓
9
深度学习（自动学习特征）
10
    ↓
11
    问题：只能做单一任务
12
    ↓
13
大语言模型（通用智能）
14
    ↓
15
    能力：理解、推理、生成

为什么我们选择大语言模型？

以我们要做的 AI 面试系统为例：

✅ 能理解自然语言：理解面试题和候选人的答案 ✅ 能推理：评估答案的质量、判断是否回答到点上 ✅ 能生成：生成评价反馈、生成下一个问题 ✅ 很灵活：不用重新训练，改 Prompt 就能改行为

这就是为什么我们选择 DeepSeek（一个大语言模型），而不是传统的机器学习算法。

Q1: 之前的技术都过时了吗？#

不是。

它们还在用，但应用场景不同：

• 机器学习：数据分析、风控系统、推荐系统
• 深度学习：图像识别、语音识别、视频处理
• 大语言模型：自然语言理解、对话系统、代码生成

就像前端技术栈：

• jQuery 还在用（维护老项目）
• React/Vue 是主流（新项目）
• Web Components 是未来（标准化）

关键是选对场景。不是说新技术出来了，旧技术就没用了。

Q2: 大语言模型会取代程序员吗？#

目前来看，不会。

有两个层面：

1. 写代码：大模型能做得不错（写函数、写组件）
2. 架构设计、系统思考：需要经验和判断力（模型做不了）

而且，用好大模型，本身就需要技术能力：

• 知道什么时候用它（场景判断）
• 知道怎么用它（Prompt 工程）
• 知道如何验证结果（质量把控）

💭 我的思考：作为前端开发，我发现 AI 更像是一个强大的助手。它能帮我快速写出代码框架，但架构设计、性能优化、用户体验这些，还是需要我自己思考。就像 Copilot 能补全代码，但不能替我做技术决策。

Q3: 为什么大模型这么”聪明”？它真的理解语言吗？#

这是个哲学问题。没人完全知道答案。

有两种观点：

• 观点 A：它只是在预测下一个词，所以它不懂
• 观点 B：既然它能做出和懂的人一样的行为，那它就懂了

我的态度是：不要纠结它到底懂不懂，关键看它能不能解决问题。

就像我们用 React，不需要完全理解 Fiber 架构的底层实现，只要知道怎么用、什么时候用就够了。