什么是AI
AI的核心目标是让机器能够执行通常需要人类智能的任务，例如语言理解、突袭图像图识别、复杂问题解决等。
- 早期阶段：以规则为基础的专家系统，依赖预设的逻辑和规则。
- 机器学习时代：通过数据训练模型，使机器能够从数据中学习规律。
- 深度学习时代：利用神经网络模拟人脑的复杂结构，处理更复杂的任务。
- 大模型时代；以大规模数据和算力为基础，构建通用性强、性能卓越的AI 模型
AI的分类
- 分析式AI
- 也称为判别式AI ，其核心任务是对已有数据进行分类、预测或决策。
- 优势在于其高精度和高效性，但其局限性在于仅能处理已有数据的模式，无法创新内容。
- 生成式AI
- 专注于创造新内容，例如文本、图像、音频等。
- 突破在于其创造性和灵活性，但也面临数据隐私、版权保护等挑战。
AI 大模型分类
- 大语言模型LLM
a. LLM 是基于海量文本数据训练的深度学习模型，属于生成式AI 的一种。他能理解和生成人类的自然语言，常见模型如GPT系列、DeepSeek、Qwen等。
b. 具备强大的文本理解、摘要、翻译、问答及内容创作能力。通过上下文关联，进行连贯且富有逻辑的对话与写作。并且通过少量示例可以进行下游任务的学习。
c. 场景示例（智能客服/内容创作） - 生图/生视频模型（Text-to-image/Video）
a. 代表模型有sora/Dall-E /Midjoury/即梦
b. liblib.art - 视觉识别模型（Computer Vision Model）
a. 视觉识别模型让计算机能"看懂"并解析图像与视频内容，属于计算机视觉领域。主要任务包括图像分类、物体检测、图像分割等，模型如YOLO、ResNet.
b. 能准确辨识影像中的物体、人脸、文字或特定场景。其核心在与从像素中提取特征，并与已知模式进行对比，以完成识别、定位或追中等任务。
c. 场景示例：智能制造（刮痕或缺件）、医疗影像分析（分析x 光 ct 扫描影像等）等 - 自动驾驶模型（Autonomous Driving Model）
a. 一套复杂的AI 系统，整合了视觉识别、传感器融合、决策规划等多种模型。其目标是让车辆在无需人类干预下安全行驶，是AI 技术的高度整合应用。
b. 通过摄像头、激光雷达（LiDAR）等传感器，即时感知周遭环境，识别行人、车辆与交通标志。模型会预测其他物体的动态，并规划出最佳的行驶路径与操作。
c. 场景：无人配送/高级辅助驾驶