先了解一些基本的概念：
一，什么是生成式人工智能：
指机器能够产生复杂有结构的物件（复杂指无法穷举；这样的物件比如说文件，音乐，影像等）。其中的生成指的是AI通过对大量数据的内在规律进行学习，从而自主创造出一个与训练内容类似的但是从未存在过的内容。
还有一种是判别式的，区别就是，如果给他们成千上万张猫图片进行训练，生成式AI在训练后，可以自主生成一张小猫的图片，而判别式只能判断用户输入的图片是不是猫，而无法做到生成。
二，什么是机器学习：
传统的编程时是程序员输入规则和数据，然后生成相应的结果。而机器学习是输入数据和预期的结果，让机器自己去发现规则，本质是指让机器从数据中改进自身的性能。
我们举一个不是很精确的例子：我们给AI一张图片，并告诉它这是一张猫的图片，让AI通过分析图片的各种参数，从而使其达到可以识别图片是不是一只猫的效果。（这里的参数并不是常规意义上理解的参数，它是一种模型内部的参数，比如神经网络的权重啥的。并且在实际运用时也并非是一张图片，而是成千上万张。）
也可以理解为AI通过调整内部函数，生成一个可以将像素模式映射到类别标签的抽象数学函数，训练完成后，就可以通过这个新的函数对用户输入的图片进行预测。
三，泛化是什么
AI给出的概念：指模型把从训练数据中学到的规律，正确应用到从未见过的数据上的能力。
具体过程： 当AI 面对一个没有见过的组合时，他会根据在训练时见过的类似的组合，通过打分抽取的方式进行回答。AI通过泛化。将原本的生成式的变为比较式的(一种不是很准确的理解方式)，从而降低难度。
就如同上面这个图片所展示的，接受到问题后会计算词汇表中的词"拼接"到问题后面的概率（分数），并按照概率（分数）进行抽取，并不是一定会抽到概率（分数）最大的，是随机抽取只不过概率（分数）大的，抽到的几率大。
这种采用的方式，会使答案更加多样，更加自然。但也有问题，比如可能会出现一些比较离谱的答案。相比于这种方式，还有一种是贪心搜索。贪心搜索这种方式就是只抽取概率（分数）最大的，他的优点是更加准确，但是也存在重复性大的问题。