大模型-你知道大模型是什么吗

背景

在云栖大会门口看到大妈招女婿都需要大模型的背景了，不论真假，大模型时代是到来了。以前对人工智能不太了解，现在各行各业都在争先接入大模型，使用AI迭代自己的产品。再不学习学习大模型，真的是要OUT了。所以决心系统的学习一下大模型的基本概念，同时也想看看作为一个普通开发者，我们能做些什么。

什么是大模型

大模型指的是神经网络，区别于传统的模型在于更多的参数和层数。

1. 参数数量：量级在百万到数十亿级别，
2. 深度：大模型通常包含多个深度（层次）的神经网络，这些深度可以比传统模型更深。深层网络能够捕捉到数据中的抽象特征和层次化表示。
3. 训练数据：大模型通常需要大规模的训练数据，以便有效地调整数百万甚至数十亿的参数。传统模型可以在相对较小的数据集上运行。
4. 计算资源：训练大模型需要大规模的计算资源，包括高性能的GPU和TPU。传统模型可以在常规计算机上训练和运行。

这个是GPT给我的答案，但我看了之后还是不太理解，神经网络是什么原理？参数又是什么？之前模型参数的量级又是多少？等等一系列的问题困扰着我。下一章逐步讲解各个概念及基本含义