Source: Google Cloud "Introduction to Generative AI" Course Level: Beginner (入门级) Estimated Time: 15 mins

什么是 Generative AI?

Generative AI (简称 Gen AI) 是一种能够创建新内容的 AI 技术。不同于传统的 AI 只是分析现有的数据，Gen AI 可以根据它学到的 patterns 来 generate 全新的 text, images, audio, 甚至是 code。

AI, ML, Deep Learning 与 Gen AI 的关系

为了搞清楚 Gen AI 在哪里，我们可以看这个层级关系：

1. Artificial Intelligence (AI): 最广泛的概念，指机器模拟人类智能。
2. Machine Learning (ML): AI 的一个子集，通过数据来让机器学习，而不是显式编程。
3. Deep Learning: ML 的一个子集，使用神经网络 (Neural Networks) 处理更复杂的任务。
4. Generative AI: Deep Learning 的一个子集，专注于 create new content。

一句话总结：传统的 ML 擅长 Predict (预测)，而 Gen AI 擅长 Create (创造)。

---

Gen AI 是怎么工作的？

Gen AI 依赖于 Foundation Models。这些模型在庞大的 dataset 上进行训练，学习数据背后的统计规律。当你给模型一个 Prompt (提示词) 时，它会根据概率预测下一个最合适的 element (比如下一个词或下一个像素)，从而拼凑出完整的内容。

Discriminative vs. Generative Models

• Discriminative Models (判别模型): 它们学习的是数据之间的边界。比如给一张照片，它能判断这是“猫”还是“狗”。
• Generative Models (生成模型): 它们学习的是数据的分布。比如它可以根据学到的“猫”的特征，自己画出一只全新的“猫”。

---

核心概念：Large Language Models (LLMs)

我们最常用的 ChatGPT, Claude, Gemini 都属于 Large Language Models。

• Large: 指的是它们在海量的文本数据上训练，并且拥有巨大的参数量。
• Language: 指的是它们的主要任务是处理人类语言。
• Models: 指的是它们是数学模型，用来预测文本序列。

常见的挑战：Hallucination (幻觉)

在使用 Gen AI 时，你会遇到 Hallucination 现象。这是指模型生成了听起来非常合理、甚至很有说服力，但实际上是错误或虚假的信息。

Pro Tip: 永远不要 100% 相信 AI 生成的事实性信息，尤其是涉及到法律、医疗或硬核技术细节时，一定要 cross-check。

---

为什么现在 Gen AI 这么火？

1. Compute Power: GPU 的算力飞跃。
2. Big Data: 互联网提供了海量的训练素材。
3. Transformer Architecture: 谷歌在 2017 年提出的 Transformer 架构，彻底改变了 AI 处理序列数据的方式，让模型能理解更长范围的上下文。

---

下一步建议

Google 官方提供了很多免费的 Skill Badges。如果你想正式拿到 Google Cloud 的勋章，可以去他们的 Cloud Skills Boost 平台完成对应的课程。

在 JR Academy 的后续章节中，我们会深入 discuss 怎么用 Prompt Engineering 来让这些强大的模型更好地为你工作。