AI是如何学习的，为什么大数据是核心燃料

AI和我们人一样，在没有完成学习训练前，它无法形成对世界的任何认知，也就无法正确处理任何事务，一个优秀的AI必须通过学习与训练来形成对世界的正确认知，那么AI又是如何通过学习训练来形成认知的呢

当前的AI训练大致可以分为预训练、微调、人类偏好优化三大阶段

所谓预训练，也称为无监督学习阶段，或者叫自监督学习阶段，就是让模型通读天下文章，学会语言的基本规律，不会把我要吃饭，写成我吃饭要

此阶段首先会把大量文本数据输入AI，并且让AI自行总结语言文字的规律，然后自动的去不停的去验证与调整所总结的语言文字规律是否正确，那么它又是如何来验证的呢，很简单，可以随机抽取一段文本，并随机遮住文本中的部分词汇，让模型推算被遮住的词。比如今天xx很好，我打算去公园，模型需推算出，天气，如果推算出的词语不正确，就需要重新总结规律。

经过以上训练后，AI就知道如何以正确的方式组织语言。

第二步是进行模型微调，也叫做监督学习阶段，让模型学会正确回答问题

什么叫做学会回答问题呢，和前面的预训练又有什么区别呢，打个比方我们要写一封信，信有信的格式，开头要有称呼，然后是正文，后面是祝福语和签名日期，而让没有经过微调的模型写信的话，它会直接巴拉巴拉就输出正文内容，很明显这样的输出是不正确的。如何通过训练让AI学会呢，一般通过给模型大量指令和标准答案让AI来学习，然后让他进行回答，并检测回答是否正确，如果不正确就再进行学习训练，最终让AI学会按指令做事。比如，总结下面这段话的中心思想，然后告诉他正确回答方式是，本文主要讲了xx。所谓监督训练，即人工提前标注问题的答案，AI自行调整参数实现正确回答的过程。

监督训练与无监督训练的区别是，监督训练为人为主动标记答案，AI自行调整参数实现正确输出，而无监督训练则是AI自动抽取数据信息，然后自行总结词与词、字与字间的关系。

第三步则是进行人类偏好优化，也称为强化学习阶段，目的是让AI能像人一样表达，是有风格、有情绪的，而不是一成不变的AI味

强化学习一般通过人类标注员打分方式向模型反馈信息，让模型对同一问题生成多个回答，标注员按，相关性、正确性、礼貌性等特征 进行打分。比如，提一个问题问题 ，如何减肥
回答 A 控制饮食 + 运动， 打 5 分
回答 B 吃减肥药，打1分，因为可能有害健康
这样AI就根据打分的高低，逐渐地将参数向高分方向调整，最终形成更符合人类习惯的表达方式

很明显，世界那么大，规律那么多，需要总结的规律自然多，需要用来总结规律的数据信息也就多，因为数据是规律认知的来源，所以说大数据是AI的基础，是AI的核心燃料