1、AI算法由哪些模块组成
| 模块 | 作用 | 通俗理解 |
|---|---|---|
| 输入数据 | 提供学习材料 | 题目、图片、语音等原始信息 |
| 特征表示 | 把原始信息转成模型可计算的形式 | 例如把文字切成 Token、把图片变成像素矩阵 |
| 大模型 | 负责提取规律并做出预测 | 相当于"处理引擎" |
| 输出结果 | 给出分类、生成或判断结果 | 如回答一句话、识别一张图 |
| 损失计算 | 衡量"答得对不对" | 相当于给模型打分 |
| 参数更新 | 根据误差修正模型 | 相当于做错题后的纠偏 |
AI 模型不是"凭空变聪明"，而是依靠"输入数据 + 误差反馈 + 反复更新参数"逐步学到规律。
2、参数更新方法与训练方法的基本理解
参数（Parameters） 是模型内部通过训练得到的一组数值，可以理解为模型"记住的经验"。训练的本质就是不断调整这些参数，让模型输出越来越接近正确答案。
基础的理解框架如下：
-
前向计算：先让模型根据当前参数给出答案。
-
计算误差：把模型答案与标准答案比较，得到损失值。
-
反向调整：依据误差方向修改参数，让下次更接近正确答案。
-
重复迭代：在大量样本上不断重复，模型性能逐步提升。
这里需要区分两个高频概念：
| 概念 | 含义 | 是否发生参数更新 |
|---|---|---|
| 训练（Training） | 用数据教模型学习规律 | 是 |
| 推理（Inference） | 用训练好的模型处理新任务 | 否 |
一句话总结：训练会更新参数，推理不会；训练依赖误差反馈，推理依赖已有参数。