生成式AI、大模型、AIGC三者有何不同?

最新推荐文章于 2025-03-12 14:39:14 发布

七七Seven～

最新推荐文章于 2025-03-12 14:39:14 发布

阅读量1.4k

点赞数 27

文章标签：人工智能 AIGC 语言模型深度学习产品经理 chatgpt

本文链接：https://blog.csdn.net/2401_84205765/article/details/143588262

版权

前言

🤔️对于生成式AI，大模型、AIGC或者语言模型的概念，有何不同？

以AIGC为例，它在不同的场景下有多重含义。从字义上讲，AIGC用英文表示人工智能生成的内容。但在实际使用时，它往往有多个意思，有时指人工智能生成的内容，有时指生成内容所用的算法，有时指厂家提供的产品或服务。

大模型的概念是指在深度学习发展到一定阶段时，人们形象地给模型取的名字。它的特点是什么呢？大多数人会注意到“大”这个词，更多的时候是从2018年Bert模型出现之后开始流行的。当时，人们第一次看到一个几百兆的模型，觉得这是大模型。相比之下，目前的大模型已经有几百个GB甚至上千个GB。可以看到，这个词随着时间的推移，含义会发生很多的变化。

另一个概念是生成式人工智能，在汉语表达中也叫做生成式AI。这个词更偏向于我们国家官方对生成式模型的称呼。

最后一个是语言模型，这是从技术角度的称呼。如果从事研究自然语言处理或自然语言理解的同学，可能会更了解这个概念。它指的是对语言进行建模的模型。

对于业内人士来说，他们可能会关注生成式语言模型的区别，比较经典的包括Bert、T5、ChatGPT等。在自然语言理解方面，Bert仍然是一个很好的模型，被广泛应用于各种任务中。Bert是一个自编码的模型，利用了双向信息，对上下文的信息有很好的掌握，有利于完成自然语言理解任务，如分类、完形填空、阅读理解等，但无法直接做生成。

另一种生成式语言模型是T5，它是一种序列到序列的模型，同时也应用了双向注意力机制。T5主要用于条件生成任务，这意味着给定一个完整且丰富的条件，例如一篇长文章，它可以生成一个摘要或翻译等任务。在这种情况下，输入和输出的长度基本上是对等的，属于条件生成范畴。

再来看看ChatGPT，它是一种单向语言模型，只能通过前文来预测后面的内容。因此，ChatGPT主要擅长一些生成式任务，例如问答、写作等。它可以做到无条件生成，例如给出一句话，它可以回答上千个字的内容，甚至帮助写一篇论文。这是ChatGPT的一个显著特点。

用考试来做类比对比模型，Bert是觉得世界上有很多种问题，可能有判断题、选择题、填空题。而ChatGPT它能够将所有自然语言理解问题转化为问答问题。这意味着，如果一个模型能够表现出色地回答自然语言的问答问题，那么它往往也能良好地完成其他自然语言任务，如选择题和填空题等。

目前，这三种模型各具特色，没有一种模型可以在自然语言理解、无条件生成和条件生成三个领域同时达到最优。这也很容易理解，因为很难找到一种方式，它在所有条件下都是最好的。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。