一文读懂 AI

• 2022年11月30日，OpenAI发布了ChatGPT，2023年3月15日，GPT-4引发全球轰动，让世界上很多人认识了ai这个词。如今已过去快两年半，AI产品层出不穷，如GPT-4、DeepSeek、Cursor、自动驾驶等，但很多人仍对AI知之甚少，尤其是“NLP”，“大模型”、“机器学习”和“深度学习”等术语让人困惑🤔。
• 对于普通人来说，AI是否会取代工作😨？网络上说除双一流以外学校搞不了AI又是什么情况😩？AI产业是否像以前一样互联网程序员一样？看一些科普视频，上来就是一顿“Attention”、“神经元”、“涌现现象”等术语，让人感觉是在介绍AI某个领域中的一个名词，本文将通俗易懂地解释AI，让什么都不懂的小白也能变成AI概念的糕手，糕手，糕糕手😎

一：区分AI技术与AI应用

• AI 的应用有：自然语言处理（NLP）、计算机视觉、自动驾驶、语音识别等。而机器学习、大语言模型等是实现这些应用的技术手段。

• AI 的应用 就像是 餐馆的菜单，上面有不同的菜肴（如自然语言处理、计算机视觉等），这些菜肴是顾客需要的服务或产品。

  而 **机器学习、大模型就像是 厨师的烹饪方法和工具，它们是实现这些菜肴所用的手段。**你可以用机器来完成 NLP 任务，也可以用神经网做。

二：ChatGPT、DeepSeek是什么东西？

• 我们已经知道AI有不同的应用，而ChatGPT与DeepSeek都是NLP领域的大型语言模型（Large Language Model, LLM）。（NLP中文意思：自然语言处理。不要忘了哦）

• 这又引出了新问题：NLP是什么？大型语言模型又是什么？

NLP是什么？

• 翻译人类语言让计算机听懂就是NLP，其中重点是听懂，而不是你说“吃饭了嘛”，计算机也说“吃饭了嘛”。计算机明白了你在问它吃没吃饭，于是计算机回答：我是机器不需要吃饭😅，或者我打算过一会儿再吃（充电）🔋。

  很难想象，没思想的计算机怎么能听懂有思想的人说的话🤔，这其实是个困扰了几十年的问题。

• 规则驱动阶段：意思就是让机器明白主谓宾定状补、什么名词动词名词短语……但很显然，套一万个规则也难以让一台只会010101的机器明白你在说什么。

• 统计学习阶段：这时候，科学家们将统计学引入来解决问题。将人们日常对话收集成库（语料库），通过统计发现对话数据中的规律来实现计算机“理解”人说的话。

  • 在第三小结，会构建一个简单的N-Gram模型，让你大概知道什么是模型与统计学习阶段是在干什么。所以先别急。

• 神经网络阶段：科学家们发现统计效果很好后，扩大了语料库，加入了矩阵、向量计算（这不是本文重点，但可以是下一篇）和人工设计特征（早期有，后期减少），计算机硬件发展为该阶段的提供算力支持。

• 预训练大模型阶段：

  • 先说大模型，大模型就是有参数量大（亿级甚至千亿级）、数据量大、算力需求高特点的神经网络模型。
  • 预训练：就像是一个体育比赛的人，不管这个人参与什么体育项目，先把体能练好了，再训练具体项目。

大型语言模型是什么？

• 你应该已经知道了，大型语言模型是一种大模型。

三：一个基础NLP模型实现：N-Gram模型

• -Gram 模型是一种基于统计的语言模型，其核心思想是：一个词（或字）出现的概率，只依赖于它前面的 n−1n-1n−1 个词（或字），用来解决已知的上下文生成合理的文本问题。

• 工作原理：

  • 将文本序列拆分为连续的 N 个词（或字）的组合，称为“N-Gram”。
  • 通过统计语料中各个 N-Gram 出现的频率，估计下一个词（或字）出现的概率。

• 计算公式

  • 

• 模型流程

  • 收集语料
  • 切分为 N-Gram
  • 统计每种 N-Gram 出现频率
  • 根据频率计算概率
  • 根据历史词语预测下一个词

from collections import defaultdict, Counter
import random
# 第一步：创建语料库
corpus = [
    "我早上去了图书馆",
    "我早上听了一节英语课",
    "我中午看了一部电影",
    "我中午睡了一会儿",
    "我晚上写了一篇作文",
    "我晚上复习了功课",
]

# 第二步：分词函数（按字分词，这里只是按照字符分词）
def split_words(text):
    return [char for char in text]


# 第三步：统计Bigram词频(Bigram 是一个N-Gram 模型中的特例，其中N=2，即考虑连续的两个词或字符的组合。) 
bigram_freq = defaultdict(Counter)
for sentence in corpus:
    words = split_words(sentence)
    for i in range(len(words) - 1):
        first, second = words[i], words[i+1]
        bigram_freq[first][second] += 1
# 打印词频率
# print("打印词频率")
# for first, counter in bigram_freq.items():
#     freq_list = [f"{second}：{freq}" for second, freq in counter.items()]
#     print(f"{first}: [{', '.join(freq_list)}]")


# 第四步：计算Bigram概率（转为概率分布）
bigram_prob = {}
for first, counter in bigram_freq.items():
    total = sum(counter.values())
    bigram_prob[first] = {second: count / total for second, count in counter.items()}
# print("词频概率为：", bigram_prob)


# 第五步：根据前缀生成下一个字
def predict_next_char(prev_char):
    if prev_char not in bigram_prob:
        return None
    candidates = list(bigram_prob[prev_char].items())
    chars, probs = zip(*candidates)
    return random.choices(chars, probs)[0]


# 第六步：输入前缀，生成文本
def generate_text(start_char, length=10):
    result = [start_char]
    current = start_char
    for _ in range(length - 1):
        next_char = predict_next_char(current)
        if not next_char:
            break
        result.append(next_char)
        current = next_char
    return ''.join(result)

# 示例
print(generate_text("我"))

• 代码不难，不懂问AI就好了。
• https://github.com/Qiuner/HelloAI ，这里会陆续复现几个ai发展的经典模型
  

• 可以看到，出现了我早晨去了功课这样不存在词库的句子
• 实际要做的更多

尾与推荐

• N-Gram模型是不是让你觉得非常简单？简单就对了，**这是1913年提出的模型，在1950年被引入NLP。**而现在是2025年，AI已经过Word2Vec 、RNN、 HMM、Transformer、BERT、GPT……等模型，且上面这些只是AI中NLP领域的。

• 推荐：

注

• 本文的一些术语并列，因根据我日常看到的词频率而并列，可能其并非并列关系。

你好,我是Qiuner. 为帮助别人少走弯路而写博客 这是我的 github https://github.com/Qiuner⭐ gitee https://gitee.com/Qiuner 🌹

如果本篇文章帮到了你 不妨点个赞吧~ 我会很高兴的 😄 (^ ~ ^) 。想看更多 那就点个关注吧 我会尽力带来有趣的内容 😎。

代码都在github或gitee上，如有需要可以去上面自行下载。记得给我点星星哦😍

如果你遇到了问题，自己没法解决，可以去我掘金评论区问。私信看不完，CSDN评论区可能会漏看 掘金账号 https://juejin.cn/user/1942157160101860 掘金账号

更多专栏:

• 📊 一图读懂系列
• 📝 一文读懂系列
• 🌟 持续更新
• 🎯 人生经验

掘金账号 CSDN账号

感谢订阅专栏 三连文章