🍎
监督学习
老师告诉你：“这是苹果。”
机器用带标签的数据学习。
DAY 01 · AI 入门第一课
别背概念，
去看懂 AI 的大脑
把 447 行课堂笔记，变成一场可以探索、实验、闯关的学习旅程。
约 36 分钟4 个章节 · 3 道挑战
CVNLP
MLDL
AI人工智能
感知看见与听见
推理理解与决策
生成创造新内容
↓向下探索
01
建立全局视角
认识人工智能
AI、机器学习、深度学习到底是什么关系？
“让机器完成原本需要
让机器完成原本需要
人类智能才能完成的任务。
人工智能不是某一个产品，而是一整套让机器拥有感知、学习、推理与创造能力的技术集合。
01一张图看懂 AI 家族
人工智能 AI最大的集合
→
机器学习 ML
从数据中找规律
→
深度学习 DL
用多层神经网络自动提取特征
→
大模型 LM
参数规模大、泛化能力强
🧩
无监督学习
没人给答案，自己把相似的东西分组，发现隐藏规律。
关键词 · 聚类 / 发现🎮
强化学习
像打游戏一样试错：做对得奖励，做错被扣分。
关键词 · 反馈 / 策略02
理解技术演进
大模型是怎样炼成的
从 Transformer 到预训练、微调与人类反馈。
01大模型的成长时间线
理论铺垫
神经网络等关键技术不断成熟
关键转折
Google 发布 Transformer 架构
训练范式
“预训练 + 微调”成为核心路线
走向大众
ChatGPT 发布，开启应用爆发
多模态生态
文本、图像、音频与行业应用融合
02把训练想象成一位医生成长
📚
STEP 1预训练 PT
高中毕业读过海量资料，积累通用知识和基础语言能力。
→
🎓
STEP 2监督微调 SFT
大学学医用专业领域数据训练，从“通才”变成专业选手。
→
🩺
STEP 3人类反馈 RLHF
进医院工作好的回答被奖励，错误回答被纠正，更符合人类偏好。
7B参数更多 ≠ 一定更适合所有任务
B = Billion = 十亿
7B 代表约 70 亿参数。参数不是“资料条数”，而是模型从训练中学到的数值权重。
03
拆开黑盒
大语言模型如何工作
一句话如何变成 Token，又如何生成回答？
LM+L=
LLM能理解和生成人类语言的大模型
01亲手试试：一句话如何变成 Token？
INTERACTIVE LAB
输入文字，观察机器如何“阅读”分词与词表映射
你的文字→ 分词 Tokenization →数字身份 ID
大模型1001
工作2002
原理3003
✦ 这是为了理解概念的简化演示。真实模型会使用更复杂的子词词表，同一个词在不同模型中可能得到不同 Token。
02答案是怎样一个字一个字“长”出来的？
PROMPT 提示词中国的首都是哪里？
概率预测 →
NEXT TOKEN北京
记住这一句
你看似在向模型“提问”，本质上是给了它一段提示文本，让它不断预测最合适的下一个 Token。
04
建立产品认知
模型生态与选择
模型、产品与使用场景，不再傻傻分不清。
🧠底层能力
≠模型 Model
像大脑，提供理解、推理与生成能力。
GPT · Claude · Qwen · Seed · GLM
📱用户入口
产品 Product
把模型包装成可直接使用的聊天或办公工具。
ChatGPT · 豆包 · 通义 · 元宝 · Kimi
01不要只问“谁最强”，先问这 4 件事
任务匹配
写代码、长文、视觉理解还是日常问答？
成本与速度
效果够用时，更快、更便宜可能更重要。
数据与合规
企业资料是否允许发送给第三方服务？
生态与易用性
API、工具调用、知识库支持是否成熟？
⚠
关于课堂笔记里的“最新模型排行”
模型版本与排名变化很快。笔记中的型号、参数和“全球第几”等描述应视为课堂观点，使用前建议以厂商官网与最新公开评测交叉核验。
CHECKPOINT · 随堂挑战
3 道题，检查你的理解
QUESTION 1 / 3