01 用户视角：你应该知道的LLM基础知识
你好，我是郑晔！
我们都知道，这一波的 AI 浪潮始于 2022 年底的 ChatGPT 发布，有一幅图，很多人都见过，它说明 ChatGPT 是人类有始以来最快突破一亿用户的应用，用时仅仅 2 个月。
那么你是否想过这样一个问题，为什么ChatGPT能成为增长最快的应用？
一个重要的因素是 ChatGPT 是以聊天的形式呈现。拜诸如微信、WhatsApp 之类即时聊天工具所赐，人们已经非常习惯在文本框里输入文字的交流方式，这是普通人能够理解 ChatGPT 的基础，也是 ChatGPT 得以破圈的关键原因。
如果说最初吸引用户的原因是聊天模式的熟悉感，那么留住用户的就是 ChatGPT 的优异表现，这背后的支撑是 GPT 模型，它是大语言模型里最有代表性的一个。我们课程里 AI 应用开发主要用的就是大语言模型（Large Language Model，LLM）。
LLM 这个名字告诉我们三件事：
- 它是模型，是 AI 能力的核心。
- 它是语言模型，其核心能力在于语言能力。
- 它是大语言模型，与传统模型相比，它最大的特点就是“大”。
我们在这个专栏里谈论的 AI 应用，就是以 LLM 为核心的各种应用。如果从 API 的角度理解 GPT 模型，它最核心的参数就是输入一个或多个字符串，然后，大模型输出一个字符串，这是非常简单的。但是，与传统的应用开发不同的是，这个 API 并非是传统应用开发中按照特定预期处理的结果。换言之，使用传统的 API，我们需要关注的是接口文档，而想要发挥 LLM 的威力，我们需要对大模型有一定的了解。
如何理解大模型呢？我把它分成了两个维度：用户视角和技术视角。这一讲，我们就先来从用户的视角初步了解一下大模型。
用户视角的大模型
我们利用大模型编程，就是在扮演大模型用户的角色。我们想要有效地使用大模型，就需要让自己成为大模型的高级用户，这就需要我们站在用户的视角理解大模型的特点。理解了这些特点，除了有助于我们更好地理解 AI 应用如何开发，也有助于我们日常更好地使用像 ChatGPT 这样的应用。
下面我们就以 GPT 模型为例，介绍大模型的典型特点，我把 GPT 特点总结为四个“知”：
- 知识丰富：GPT 拥有海量的知识，可以回答各种类型的问题，涉及的领域也非常广泛，包括历史、文化、科学、技术等诸多方面。
- 知人晓事：GPT 能够根据上下文理解人们的意图和兴趣，提供个性化的回答和解决方案。它会基于聊天的过程中了解到的用户信息做出最为切合的回应。
- 知错就改：GPT 能在对话中不断学习和改进。如果用户指出它的某个回答存在问题，它会承认错误，并学习从中改进，在将来的对话中避免类似错误。
- 知法守法：GPT 会遵守道德和法律规范，不会作出危险、不道德或违法的回应，也不会对危险问题给予回应。这样既确保了用户交互的合法性和安全性，也确保了自己不会被利用去破坏社会秩序。
知识丰富
在 AI 领域中，一个模型能力强弱很大程度上取决于其训练数据量的多寡。大语言模型的“大”主要是指数据量大。
在训练模型的过程中，Open AI 采用了海量的数据，如维基百科、新闻报道、小说、社交媒体帖子等。有了海量数据的加持，GPT 几乎对大部分已有的知识都有所了解。也是因为 GPT 的训练数据源非常广泛，它可以回答许多类型的问题，并能够为用户提供很多有用的信息。
对于大部分的知识类问题，GPT 都能够给出一个合适的答案。比如，在下面的对话中，我问 GPT 太阳系有多少行星，GPT 就给出了简明扼要的回答。当我把这个话题从行星进一步延伸到小行星，它给出的回复依然是非常经典。
知人晓事
GPT 还展现出了较强的“知人晓事”的能力，它能够根据上下文理解人们的意图和兴趣，作出的回答不是僵化的，而是个性化的。
首先，GPT 能够理解人类语言，并作出相应的回答。从表现上看，它会分析输入的文本，理解话语背后的意图和重点，然后给出相关的回复。如果用户问一个开放的问题，它会考虑多个方面后作出回答；如果用户的问题较为具体，它也能给出相应的明确回复。
其次，GPT 能够根据不同的交流对象和环境，理解他们的不同立场与需求，并据此调整自己的回复角度。如果用户是一个小孩子，它会用简单易懂的言语来回答问题。如果用户是一个专业人士，它可以使用更加专业的词汇和表达方式。如果用户提到自己处于某个具体的环境中或剧情场景下，GPT也能站在对应的角度来构思回答。这体现了它对人与语境的深刻理解。
在下面的例子里，我请 GPT 给小学生解释一下氧气的作用，我们不难看出，这个回答还是相当浅显易懂的，非常适合让小学生去理解。
深入地理解 GPT 的这个“知人晓事”的特点，对于用好 GPT 而言，是至关重要的。市面上有大量的提示词模板，其中，设定角色是很多提示词模板的关键操作，这一设定的关键就是利用 GPT 知人晓事的特点。
我们可以根据自己的需求，选择以不同的角色、不同的角度与 GPT 对话，它都可以做到理解与回应。这也使得与ChatGPT的交流变得生动有趣，不再单一枯燥。正是因为具有“知人晓事”这一特点，相比于传统的对话机器人，ChatGPT 看上去才是那么善解人意，这也是它受欢迎的一个重要原因。
知错就改
虽然拥有广博的知识和理解能力，但在回答问题的过程中，GPT 也难免会出现错误或不够准确的回答。这主要是以下几个原因造成的：
- 数据源的不确定性：GPT 的知识库是通过从互联网上收集的数据来构建的。然而，这些数据的质量和准确性并不是完全可靠的。有些数据来源可能存在着错误和偏见，这就会对 GPT 的知识产生一定的影响。
- 训练数据的不足：GPT 是通过对大量的文本数据进行训练来学习语言知识的。然而，这些训练数据并不包含所有的知识，有些领域的知识甚至没有包含在训练数据中。因此，当 GPT 回答某些特定领域的问题时，就可能出现错误。
- 语言的歧义性：人类语言是具有歧义性的。同样的一句话，在不同的语境下可能会有不同的含义。尽管 GPT 能够理解人类语言，但是在处理歧义性问题时，它仍然可能出现错误。
- 模型的局限性：GPT 是一种基于模型的AI技术。它的回答主要基于模型的计算结果，而这些计算结果可能受到模型的局限性影响。例如，模型的计算能力不足，或者模型的结构不够优秀，都会对模型的回答产生一定的影响。
由于这些不足的存在，我们经常会看到 GPT 出现所谓“一本正经的胡说八道”。虽然 GPT 可能犯错，但它具有“知错就改”的特点。当你指出 GPT 回答有误时，它会在内部对问题进行重新分析和处理，从而得出更加准确和恰当的回答。下面的例子是我使用 GPT 3.5 时出现的问题：
知法守法
Open AI 在模型训练过程中对 GPT 进行一定程度的限制，确保其产生的所有内容都符合法律和道德规范，不会给用户或社会带来负面影响。
首先，GPT 生成的每条回答都经过严格检验，不会包含任何非法、危险或不良信息，这包括但不限于涉及版权、隐私、人身安全等方面。比如，当用户提问关于盗版软件下载的问题时，GPT 会明确告知用户这种行为是非法的，并引导用户寻找合法途径。在一些政治敏感话题上，GPT 也需要遵守相应的法律法规，避免在涉及政治、宗教、种族等方面出现偏见或不当言论。
其次，当提出的问题存在不良倾向时，GPT 也需要给予关怀和引导。比如，当用户提问与自杀相关的问题时，GPT 不会简单地给出“建议自杀”的回答，而会尽力引导用户寻求专业的帮助和支持，避免对用户造成不良影响。类似地，当用户提问涉及违法犯罪的问题时，GPT 也会明确告知用户这种行为是违法的，并引导用户寻找合法的解决方案。
在下面的例子里，我问了 GPT 一个不恰当的问题，GPT 没有回答我怎么做，而是提醒我，这种做法是不合适的。
至此，我们已经对大模型有了一个初步的了解，这些内容虽然是针对 GPT 进行讲解的，但由于技术上的通用性，其它的 LLM 也基本上可以这样理解。下一讲，我们将会从技术角度再来理解一下大模型。
总结时刻
这一讲，我们从 ChatGPT 出发，讲到了其背后的 GPT 模型。GPT 模型是一个大语言模型（Large Language Model，LLM），LLM 这个名字体现了模型的三个特点：
- 它是模型，是 AI 能力的核心
- 它是语言模型，其核心能力在于语言能力
- 它是大语言模型，与传统模型相比，它最大的特点就是“大”。
站在用户的视角，我们以 GPT 模型为例，介绍大模型的典型特点，其特点总结为四个“知”：
- 知识丰富
- 知人晓事
- 知错就改
- 知法守法
如果今天的内容你只能记住一件事，那请记住：理解 LLM，先从用户视角出发。
思考题
我们今天讨论了大模型的特点，你在日常的工作和生活中，是怎样使用大模型的呢？欢迎在留言区分享你的经验。
- 张申傲 👍（3） 💬（1）
第1讲打卡~ 日常使用大模型的场景还是挺多的，比如 AI 搜索、图片生成、代码编写等，使用的关键就是设置准确的 Prompt，确实可以在很大程度上提高生产力~
2024-11-19 - 技术修行者 👍（1） 💬（2）
我用ChatGPT，主要有下面两个场景： 1. 帮娃写作业，例如整理司马迁的生平大事，如何在南宋的时代背景下理解陆游的《示儿》，以前是百度之后自己整理，现在就完全交给LLM直接输出信息了，还能轻松控制答案内容长度。也可以让LLM根据孩子年级情况批量生成口算题，主打一个“省爸妈”。 2. 工作中在很大程度上代替了StackOverflow，各种技术问题抛给ChatGPT，基本都能得到答案，例如怎么设计复杂的正则表达式，编写一些小的功能代码片段，设计测试用例等等。 上周还用ChatGPT美化了一下简历，效果特别好！
2024-11-22 - Demon.Lee 👍（1） 💬（1）
“在 AI 领域中，一个模型能力强弱很大程度上取决于其训练数据量的多寡。大语言模型的“大”主要是指数据量大。” 我一开始理解大模型的“大”是指这些模型的神经网络参数很大，动不动就是几十B起步。现在看来，“大” 包含训练数据，模型参数，计算资源等。
2024-11-05 - LPY 👍（1） 💬（1）
大模型在2B应用上可能有哪些场景呢？提高企业效率方面，目前好像应用是自动生成代码、自动回答企业内部知识
2024-11-04 - 故事与酒 👍（0） 💬（1）
我觉得可以把AI当人看 这样很多问题就都能理解了
2025-01-24 - Seachal 👍（0） 💬（1）
ChatGPT成功在于聊天形式与GPT模型表现。 LLM是AI应用开发核心，特点为模型、语言能力和数据量大。 GPT特点：知识丰富、知人晓事、知错就改、知法守法。 GPT能回答各类问题，提供个性化回答和方案。 GPT能理解上下文，提供个性化回答，适应不同对象和环境。 GPT能“知错就改”，重新分析处理问题。 GPT遵守道德法律，不回应危险、不道德或违法内容。
2024-11-16 - 2018 👍（0） 💬（1）
平时经常用一些AI辅助编程，问一些遇到的难题，早期会有一些回答不到位或者乱写代码的情况，后续就越来越精准了，及时纠错和学习能力确实是不错，希望可以通过这个课程把AI更好的融入生活和工作
2024-11-15 - 公号-技术夜未眠 👍（0） 💬（1）
大模型第一性原理:把AI当人看
2024-11-06 - 淡漠尘花划忧伤 👍（0） 💬（0）
用户视角介绍大模型的基本概念和特性
2025-02-09 - Williamleelol 👍（0） 💬（0）
写文档、写代码、替代搜索引擎
2025-01-23 - Aaron Liu 👍（0） 💬（0）
不错不错，ai聊天，解决问题更快
2025-01-23 - 追梦 👍（0） 💬（0）
1、知识检索，就通用知识而言，比百度、谷歌更为简洁、准确，且目前还没有广告的干扰；2、文案创作，完成相对开放、发散性的工作；3、专业知识，通常还只能做参考，需要自身进一步完善
2025-01-02 - 五花肉 👍（0） 💬（0）
从用户视角看看LLM是用在哪些方面： 1. 文字内容总结，帮忙生成小短文、年终总结等，优化文字； 2. 图片内容识别，开放考试截图问AI，准确率就是只能通过考试； 3. 工作，看看bug返回的信息等； 4. 有帮助优化论文、制作PPT等内容； 在想怎么才算用好了ai呢，怎么才能成为ai的高级用户
2024-12-26