AI 基础知识：生成式 AI、大语言模型与 RAG 详解

人工智能（AI）是让计算机完成通常需要人类智能才能完成的任务的技术领域，例如理解语言、识别图像、做出预测和解决问题。如今大多数 AI 不是靠人工编写的规则运行，而是从大量数据中学会这些能力。聊天助手、垃圾邮件过滤、地图导航和内容推荐都用到了 AI。

机器学习（ML）是人工智能的一个分支：计算机不是靠逐条编写的规则，而是通过例子学会完成任务。机器学习系统会研究数据、找出规律，再用这些规律对新数据做出预测或判断，比如识别垃圾邮件、推荐电影或预估送达时间。

深度学习是机器学习的一种，它使用多层神经网络，直接从像素、声波或文本等原始数据中学习。每一层学到的特征都比上一层更抽象一些。语音识别、图像识别、机器翻译，以及聊天助手背后的大语言模型，都以深度学习为基础。

神经网络是一种由大量简单的互连单元（称为“人工神经元”）按层排列而成的计算模型。每条连接都有一个权重，也就是一个数字，决定一个单元对下一个单元的影响有多大。通过在训练中不断调整这些权重，网络就能学会把图像、句子等输入转化为有用的输出。

生成式 AI 是能够根据提示词创造新内容的人工智能，内容可以是文本、图像、音频、视频或代码。它先从海量训练数据中学习规律，再按照这些规律生成全新的输出。聊天助手、AI 绘图工具和 AI 编程工具，都是日常生活中常见的生成式 AI。

大语言模型（LLM）是在海量文本上训练、用来预测下一个词片段（即 Token）的 AI 模型。不断重复这种预测，它就能写出回答、摘要、译文和代码。LLM 是 ChatGPT、Claude、DeepSeek 等聊天助手的“引擎”，也内置在许多写作、搜索和编程工具之中。

ChatGPT 是 OpenAI 开发的 AI 聊天助手，于 2022 年 11 月 30 日推出。你输入问题或指令，它就用自然语言回复。在聊天窗口背后，是一个大语言模型根据从海量文本中学到的规律，并结合人类反馈调优，逐个 Token 地生成每一条回答。

AI 聊天机器人是一种能用文字或语音与你对话的软件，它借助人工智能理解你的消息并写出回复。早期的聊天机器人按脚本和菜单运行；现代聊天机器人使用大语言模型，因此能回答开放式问题、遵循指令，并记住当前对话的上下文。

Token（词元）是语言模型读取和生成文本时使用的小片段，可以是一个词、词的一部分、一个标点或一个空格。模型在处理文本之前会先把所有内容切分成 Token，生成回复时也是一个 Token 接一个 Token。Token 还是用量的计量单位：上下文限制和 API 价格都按…

上下文窗口是语言模型一次能够处理的最大文本量，以 Token 计。它装着你的指令、此前的对话、你附上的文件，以及模型自己的回复。窗口之外的内容，模型完全看不到，这也是超长对话会“忘记”前面细节的原因。

参数是大语言模型在训练中学到的一组数字。每个参数都是一个可调节的“权重”，共同决定模型如何根据输入的文字预测下一个词。名称里带“7B”的模型大约有 70 亿个参数。参数越多，模型能学到的规律越多，但运行时也需要更多内存和算力。

温度是控制 AI 模型在挑选下一个词时随机程度的设置。温度低时，模型几乎总是选择可能性最高的词，回答聚焦且可重复；温度高时，模型更常选择可能性较低的词，回答更多样、更有创意，但也更容易出错。

AI 幻觉是指 AI 模型生成了听起来自信、合理，实际上却错误、捏造或缺乏来源支持的信息，例如编造的引语、错误的日期，或引用一篇根本不存在的论文。之所以会这样，是因为语言模型生成的是“听起来像对的”文字，而不是去查找并核实事实。

RAG 是检索增强生成（Retrieval-Augmented Generation）的缩写，是一种让 AI 模型在回答前先查资料的方法。系统先在知识来源（如公司文档或网页）中搜索与你的问题相关的段落，再把这些段落连同问题一起交给模型。模型据此撰写回答，并常常注明出处。

微调是让现有 AI 模型适应特定工作的额外训练。你拿一个已经掌握通用语言能力的模型，用一小批你自己的示例继续训练它，例如符合品牌语气的客服回复。这个过程会调整模型内部的参数，因此新的行为会固定下来，不必在每次提示词里重新说明。

多模态 AI 是指能在同一个系统里理解或生成多种数据的 AI，例如文字、图片、音频和视频。你可以给它看一张照片，再用文字提问；也可以直接对它说话，听它用语音回答。“模态”就是数据的类型，好比人的视觉和听觉是两种不同的感知方式。

计算机视觉是让计算机理解图像和视频的 AI 领域，包括识别物体、读取文字、发现人脸和追踪运动。手机相册搜索、文档扫描、工厂质检和驾驶辅助都依靠它。视觉模型不是靠人工编写的规则，而是从大量带标注的示例图片中学会事物的样子。

自然语言处理（NLP）是让计算机处理人类语言的 AI 分支：阅读、理解、翻译、总结和撰写文本，结合语音技术还能处理口语。垃圾邮件过滤、搜索、输入法纠错、翻译应用、语音助手和聊天机器人都依靠它。大语言模型是如今最知名的 NLP 技术，但 NLP 是孕育它们的更大领域。

AGI 即通用人工智能，指一种设想中的 AI：它能学习并完成几乎所有人类能做的智力任务，跨越各个领域，水平达到甚至超过人类。如今的 AI 属于专用型：每个系统都有擅长和不擅长的事。专家们对 AGI 如何定义、如何衡量看法不一，所以听到某款产品“就是 AGI”时要保持审慎。

开源 AI 是指公开其构成部分、任何人都可以使用、研究、修改和分享的 AI。对模型而言，这意味着公开权重（模型学到的数字）、代码，以及足以重建模型的训练数据信息。很多号称“开源”的模型只按附带条件的许可证公开权重，更准确的叫法是开放权重模型。

AI 确实有环境代价，主要来自数据中心训练和运行模型所消耗的电力和水，以及制造芯片与服务器带来的排放。影响有多大，取决于 AI 的使用量和当地电力有多清洁。AI 也能在其他领域减少能源浪费，因此净影响取决于它被用来做什么。

如果把 AI 当作能干但会出错的助手来用，日常使用总体是安全的。主要风险包括：自信却错误的答案、你分享的隐私信息被保存、带偏见的输出、过度依赖导致自身能力退化，以及利用 AI 生成的声音、图片或消息实施的诈骗。重要事实要核实，敏感信息少分享，意外请求要求证。