AI（人工智能）火爆之后，每天都能接收到很多关于人工智能的讯息。有各类新闻，各种创新的应用，当然也有各式各样蹭热度的跑火车小视频。今天就来给大家梳理一下关于人工智能的知识框架，也会举一些例子让大家更好的理解。
关于人工智能，大家会听到很多新鲜的词，比如：图灵测试、机器学习、算法、算力、神经网络、大语言模型、GPT、ChatGPT等等等。单独来解释每一个词，理解起来都很抽象，我们梳理一下框架，建立联系之后再解释。
人工智能，就是让机器拥有和人类类似的智能，让机器学会像人一样思考。这个概念提出的很早，1940年第一台计算机问世以来，人类就开始有了这个想法。1950年图灵同志提出了图灵测试，作为最著名的判断机器是否有人类智能的标准，不过随着科技的发展，从现在的角度看，图灵测试只能作为哲学和伦理讨论的一个参考点。进入21世纪之后的深度学习的崛起，人工智能才进入了高速发展的阶段。
我们先引入两个概念，自动化和数据库。这是人类科技树上已经非常成熟的技术。自动化很好理解，冰箱打开门，冰箱里的灯就亮了，这就是一个简单的自动化。从触发器到执行模块，不断叠加后可以实现很多目标。数据库可以想象成一个图书馆，书就是数据，都整齐的放在书架上，书架整齐的排列在不同的馆区，有一张索引表，记载着每一本书对应的位置以方便我们找到这本书。数据库还有个很好的例子就是搜索引擎，搜索引擎的网络爬虫在网络上摘抄各种数据信息，保存好索引，当你搜索的时候，他就按照你的搜索关键词，在索引中找出最相似的内容反馈给你（当然百度还会赠送你喜欢的广告）。
现在，我们有一个机器人，他是一个图书管理员。我们告诉他我们要借的书名，他通过自动化在数据库中找到这本书，然后跑过去拿给我们。自动化并不会给他思考的能力，他只能按触发器去执行命令。成熟的数据库技术和自动化技术，让这个机器图书管理员的工作非常高效。
现在我们要给这个图书管理员赋予人工智能：我们设计了算法，比如多元线性递归。我们设计了多层神经网络（MLP）以实现深度学习（Deep Learning）；为了让他看懂人类文字的书籍和图片，我们设计了自然语言处理（NLP）和大语言模型（LLM）；为了让他读书读的更快，我们提供了更高的算力（此处要依靠黄老板），这个训练（Training）过程就是机器学习（Machine Learning）。读完了图书馆里的书（数据Dataset）之后，这个图书管理员就是一个可以使用人类语言（NLP技术）的生成式的（Generative），预训练的（Pre-trained）人工智能模型（Transformers）。
现在他已经不再是依靠自动化和数据库运行的图书管理员，你可以通过自然语言问他某一本书的内容提要，某一类书的核心思想，更神奇的是，他可以开始写作，按照你的要求和他学习过的内容开始创作。他所生成的内容就叫做生成式人工智能产品AIGC(Artificial Intelligence Generated Content)，他不仅可以生成文字，还可以生成图片，音频，视频，这就是多模态。
GPT是一个模型的名字，这个模型有不同的版本GPT-3，GPT-4。将来还会有567。这个模型是OpenAI公司开发的，这个公司的现任CEO是奥特曼（对，就叫这个名字）。ChatGPT是使用了GPT模型的一个应用，有网页版和手机APP。
同样的模型还有很多，比如Google公司的Bard模型，还有国内的百度公司的文心模型，科大讯飞的星火模型，阿里的通义千问模型。
当然还有生成图片的模型，比如NVIDIA公司的StyleGAN & StyleGAN2模型，OpenAI公司的DALL·E模型。
所有这些模型或者应用都属于人工智能的一个分支：Generated AI（生成式人工智能）。还有很多人工智能，并不使用自然语言和人类交互，比如下国际象棋的阿尔法狗，比如汽车工业的自动驾驶技术。
总结一句：人工智能（AI）里有一个领域叫做生成式人工智能（Generated AI），其中文字生成领域有一个模型：GPT，基于这个模型的应用之一：ChatGPT。