Chapter 02
基础原理与模型
建立 AI、Machine Learning、Deep Learning、Foundation Model 与 LLM 的包含关系。
本章核心判断
先分清任务、学习方式和模型家族，再讨论参数量或榜单，能避免大多数概念混乱。
本章结构
- 01监督、无监督与自监督学习
- 02神经网络如何学习
- 03生成式与判别式模型
- 04基础模型与多模态模型
关联深度词条
基础Machine Learning / ML（机器学习）
不把每条规则写死，而是让程序从样本中找规律，再把规律用于没见过的新数据。
基础Deep Learning / DL（深度学习）用很多层可学习的计算单元，让模型从原始数据中逐层提取越来越抽象的特征。
模型Neural Network / NN（神经网络）把很多简单的加权计算单元分层连接，靠训练调整连接权重，学出输入到输出的复杂映射。
模型Foundation Model（基础模型）先在广泛数据上训练出通用能力，再通过提示、微调或工具适配很多下游任务的底座。
模型Multimodal Model（多模态模型）能在同一系统中处理文字、图片、音频、视频等多种信息形式，并让它们相互配合。