1. 电脑通过01编码，进行数据存储和数据运算。不能理解所表达的内容是什么。
2. Cahtgpt就是实现了，让电脑通过数据了解所表达事物的特征。
各种原来的演进
1. 将所表达的事物/内容进行向量化
当向量维度越多，表示的特征越多，描述事物就越详细。
2. 通过维度坐标，计算不同事物/内容关系。
在词语中表示维度的例如：褒义词，名词/动词，形容词等各种维度
向量是可以计算的。
然后通过词语在向量空间运算，表示词语间的关系。
3. 计算每个词与词间的关系，根据向量，定义一个函数，通过函数计算每个词与词间的关系结果距离量。结果距离量越小，表示两个词关系越近越合理。
当计算结果不合理时，或者距离远时，则这个函数就需要调整。
这个函数称之为 损失函数；
从第一个词开始，逐渐增加词的数量，然后做计算，判断。
我们每次调整都计算结果，然后再调整，再计算，以逼近正确的结果，这个过程叫做收敛。
最开始的Word2Vec 就是计算词/字间的关系，从前面几个字推出后面几个字。
这里就拓展出来之前用的RNN，循环神经网络，输入前面几个词或者几句，自动推理下一个词或者文字。以此循环下去。
但这样也会有问题。
问题时，词有可能是合适的，但是在实际表达意思，或者 长语句时，可能表达就会出现问题，或者 前后不相关，甚至相反。
4. 在上面的基础上，我们新增加 特征提取和信息压缩
通过信息特征提取，发展出来 CNN，卷积神经网络。根据目的内容进行特征提取，然后进行数据的判断。
比如：识别一只猫。
5. 到现在的GPT，新增了一个叫Transform的 自注意力机制，可以自动提取自然语言中的特征。
按照从短到长，自动组词，然后计算，再组再计算。求出最优值。
6. 整个翻译就是两个部分
前编码 -完形填空-Bert
后解码 -词语接龙-GPT
7. 通用人工智能，人类沟通通过语言，那么机器描述世界，也就通过理解语言.
两个方向
（1）通过定义场景进行算法优化，更高性能的模型
（2）提高训练层数，维度，训练数据，形成更大的模型
Chatgpt 采用了第二种形式，当向量维度超过1000亿时，智能能力形成了。
Generative
Pre-trained
Transformer
当模型越大，数据越多，训练出来的AI智能效果越好。
8. 当一定量级出现后，AI出现了理解推理能力。
9. ai处理异常数据，比如性别歧视，隐形问题
（1）有监督学习-人工标注正确的数据
（2）强化学习 -AI自己挖坑自己填写，人工确认最优答案。
（3）人类反馈思路 -把确认的错误告诉ai