Chapter · 02
第 2 章 · 三个圈篇
AI vs ML vs DL
你听到的 AI、机器学习、深度学习、生成式 AI、大语言模型——这些词经常被混着用。其实它们不是并列的兄弟，而是大圈套小圈：越往里越具体、越强大，也越依赖数据和算力。
生活场景
🥘 教一个孩子做菜的三种方式
方式一（早期 AI）：你把菜谱一条条抄下来给他——"糖 5g、火开大 3 分钟"。严格照做能出这一道菜，换个食材就不会。
方式二（机器学习）：不给菜谱，让他尝一千道菜，告诉他"这是酸的、这是好吃的"，他自己总结规律。
方式三（深度学习）：还是让他尝，但脑子里有一整套"味觉神经网络"——先咸淡、再层次、再火候，一层套一层。能力最强，代价是需要更多菜（数据）和更多时间（算力）。
一句话理清关系
大语言模型 ⊂ 生成式 AI ⊂ 深度学习 ⊂ 机器学习 ⊂ 人工智能。五层俄罗斯套娃。
Analogy · 一层套一层
AI 是"运动"这个大概念；ML 是"球类运动"；DL 是"篮球"；GenAI 是"3 分投篮"；LLM 是"NBA 里的库里"。越往里越具体、能力越强，但也越挑食（要数据、要算力）。
本章的五个子篇
§ 2.1
人工智能 · AI 篇
最外层的大圈——凡是让机器"看起来有智能"的都算。
§ 2.2
机器学习 · ML 篇
不写规则，让机器从数据里自己找规律。
§ 2.3
深度学习 · DL 篇
用"深层神经网络"来学——今天最火的 AI 都在这一格。
§ 2.4
生成式 AI · GenAI 篇
让 AI 从"识别"跨到"创作"——2022 年之后的新纪元。
§ 2.5
大语言模型 · LLM 篇
GenAI 的当红花旦：ChatGPT、Claude、DeepSeek 都属于这里。
五个圈一览表
| 名字 | 它是什么 | 典型例子 |
|---|---|---|
| AI · 人工智能 | 最大的圈。凡是"让机器有点智能"的都算，包括写死的规则 | 专家系统、扫地机器人 |
| ML · 机器学习 | AI 的一个流派：不写规则，让机器从数据里学 | 垃圾邮件识别、房价预测 |
| DL · 深度学习 | ML 的一个分支：用"深层神经网络"来学 | 人脸识别、语音识别 |
| GenAI · 生成式 AI | DL 的一个方向：让 AI 造新内容 | ChatGPT、Midjourney、Sora |
| LLM · 大语言模型 | GenAI 的当红品种：专门处理语言 | GPT-4、Claude、DeepSeek |
为什么现在大家都在说"深度学习"
- 数据够多了互联网 30 年积累了海量文字、图像、视频——训练素材空前充足。
- 算力够便宜了GPU 让原本要几年的模型，几周就能训完。
- 算法开了窍2017 年 Transformer 出现，让模型能真正"读长句子"。
- 效果一骑绝尘在图像、语言、语音上，把传统方法远远甩开。
Recap · 收束
看到"AI"，心里默默替换成"机器学习"，然后再问一句"是深度学习吗？"——今天几乎所有让人惊艳的 AI，答案都是"是"。
Xue Hai Wu Ya · Vol.03 AI · Chapter 02