今天主要来看到底生成式AI是什么，语言模型是如何实现生成这个功能的？

什么是生成式人工智能

现在人工智能能做的事情很多，比如我们可以图像识别，可以图像分类，可以情感分析等等，这些都是生成了内容的，那到底什么是生成式的人工智能呢？通常来说，产生复杂结构的才成为生成式人工智能。那么问题来了这个复杂听起来很模糊，怎么才可以定义为复杂呢，通常来讲是很难穷举，比如我们要生成一段对话，那这段对话的每个字都有词库大小的可能，那这段话整体的可能性是一个无法穷举的可能。
而反过来说，只是简单的分类，比如我们给一个段话，进行情感分析，那这个有限的选择就不是生成式AI。

生成式人工智能、机器学习、深度学习的关系

机器学习，顾名思义，就是让机器自动的从一堆资料理面学习到一个方法，这个方法的功能就是要生成对话，判别类型等等
举个例子：输入一个图片，输出 类别

人力可以计算的函数是下面这样的：

但如果要实现上面类型判定显然是不够的，需要一个包括成千上亿个参数的方程式。那么这么多参数是又什么算出来的呢？ 这个过程就是训练，后面的文章会有介绍如何训练这样要给方法。
目前这个函数的表示方法，通常情况是用类神经网络：

用类神经网络来表示这个函数的方法就是深度学习。今天最出名的神经网络就是transformer了，而最火的chat-gpt也正是用了这种神经网络

chat-gpt 到底是如何实现对话的？

今天最出名生成式人工智能就是chat-gpt了，那么它是怎么实现的呢？
它的做法，它会寻找要给函数：
输入：中国最高的山是，输出：喜
输入：中国最高的山是喜，输出：马…
一直到最后
输入：中国最高的山是喜马拉雅山，输出：结束符

这样就把一个无限可能的问题转化成了，每次只需要推测下一个字是什么，这个可能是有限的。
这个要实现的函数 就是所谓的语言模型。