前言

时间回到2010年，笔者刚刚加入IBM SPSS Modeler的研发团队，从此开始了笔者在人工智能领域的职业生涯。转眼间，这段旅程已经持续了十五年。这十五年里，人工智能的发展波澜壮阔，笔者有幸站在科技的潮头，见证了3次极具意义的浪潮。每次浪潮都代表了人类对于智能的探索迈入了新的阶段，每次浪潮也深刻地改变了科技的边界，社会的面貌，以及我们的日常生活。

在笔者的职业生涯中，第1次人工智能浪潮可以追溯到卷积神经网络的崛起。这一波浪潮最具代表性的事件，也就是深度学习在计算机视觉领域的突破性进展。从2012年AlexNet在ImageNet比赛上的惊艳表现开始，计算机视觉得以迅猛发展，神经网络在图像识别、物体检测、人脸识别等领域逐渐超过了人类的表现。可以说，卷积神经网络让计算机具备了“看”的能力，得以从数亿像素中理解出形状和内容。那一时期，视觉任务相对容易取得突破，这在一定程度上归功于图像本身所包含的直观且自成一体的信息。就像一个三岁小孩能够通过图像辨别出水果、动物、人物一样，计算机在有了强大的视觉模型之后也能通过学习海量的图片，较为准确地判断图像中包含了什么。

然而，语言是另外一个层次的挑战。语言是人类社会最自然的沟通工具，却充满了歧义和复杂的语境。一句话中的每个词汇都可能包含多重含义，需要结合上下文乃至社会背景去理解，尤其是在日常交流中，隐含的讽刺、幽默，甚至体察情绪的能力远远超过一个刚学会说话的孩子。这就意味着，语言理解和生成任务对计算机来讲要比视觉更具挑战。

这就带来了第2次人工智能浪潮： 基于Transformer的BERT预训练模型的出现。BERT模型通过利用大量语料和创新性的训练方法(例如前后句判断和完形填空式的掩码训练)让模型逐渐学会理解语义和语境。这一阶段，基于Transformer架构的模型使自然语言处理实现了跨越式的发展。与之前的循环神经网络相比，Transformer显著地提高了训练效率，通过自注意力机制，不仅能并行处理序列数据，还能在长句中抓住远距离词语之间的关联。BERT的出现使NLP各项任务达到了前所未有的高度——机器能够理解段落、回答问题、生成摘要，并且通过预训练与下游任务微调的结合方式，有效地解决了许多工程应用中的问题。

然后我们迎来了第3次浪潮，这一浪潮就是当前的大模型革命。GPT系列的出现，尤其是GPT3的出现和ChatGPT的广泛传播，让人工智能不再局限于特定领域，而是成为全社会的讨论热点。GPT3不仅是一种模型，它的能力和表现让我们重新思考人与机器之间的互动模式。通过自然语言，GPT3具备了与人类进行复杂对话、进行推理、提供创意建议的能力，ChatGPT的出现更是掀起了一场关于人工智能将如何改变社会的全民讨论。这是我们朝向通用人工智能迈出的重要一步，各行各业都在思考大模型将如何彻底变革其生产模式和交互方式。

大模型的崛起带来了前所未有的理解、推理、生成的通用能力，也改变了人类与机器的交互方式。在这个大模型的时代，人与机器之间的界限变得越来越模糊，机器不再只是简单地接受命令，它开始具备理解上下文、推测人类意图，甚至具有一定创造力的能力。这种变革不仅是技术上的突破，更是一次对于人类社会运作方式的重新定义。

笔者深感非常幸运，能够处在这样一个激动人心的时代。人工智能的大浪潮，既推动了时代的进步，也让我们这些从业者成为这场伟大变革的亲历者。笔者感受到的，不只是对于技术进步的震撼，更是对于未来无限可能性的憧憬。

本书旨在和读者一起探索大模型的原理、发展和应用，笔者希望通过本书，能够帮助更多的读者理解大模型背后的技术，感受到它所带来的改变。无论你是科技爱好者，还是从事其他领域的专业人士，笔者相信你都能在这场变革中找到属于自己的启发和机遇。

希望我们能够共同见证大模型时代的到来，也希望我们能够携手探索，用大模型技术去改变我们的生活，让人工智能成为我们日常的助手、伙伴，甚至灵感的源泉。让我们一起迎接这个充满希望和挑战的未来。

资源下载提示

素材(源码)等资源： 扫描目录上方的二维码下载。

视频等资源： 扫描封底的文泉云盘防盗码，再扫描书中相应章节的二维码，可以在线学习。

笔者的阅历有限，书中难免存在疏漏，希望读者热心指正，在此表示感谢。

薛鹏

2025年5月于西安