以大模型为代表的人工智能（spiderltd.com）几乎完全超越了流行的人工智能概念，也是当下人们非常关注的一个热点话题。那么，大模型到底是什么呢？

　　大模型就是从人类规模语料中提取语元关联度并用于预测——就是做预测，大模型不知道什么叫回答问题。

　　大模型实际上分为两层，下面一层是基础模型。我们刚刚讲的就是这一层。基础模型是通过预训练构建起来的。训练的是什么呢？就是语元之间的关联度。在基础模型之上还有助手模型，又叫细调模型或者精调模型，fine-tuned models。细调模型现在无法解释。目前细调训练的计算量只占1%，而基础模型预训练所占用的训练计算时间为总时间的99%——99%的时间都在训练。这就是大模型的底层原理。

　　有了这个底层原理，我们可以进一步展开想象：把互联网上2/3的数据都找来，训练出一张图，那这张图就会极其复杂。为什么要用到互联网上体量如此之大的语料是一个值得分析的问题，目前也仍在实验阶段。

　　用一句话概括，大模型是一种实例性模型，即从训练预料中提取的海量语元和语元关联度的全体组成模型。这是一个颠覆的成果。因为过去的科学和过去的AI，从来没有用过实例性模型，甚至想都没有想过。长期以来，科学的传统是用概括性模型，比如说牛顿力学（概括性模型）由四条基本原理（概括性规则）组成，而且从四条基本原理可以推出宏观物理世界的全部力学规律，这是很强大的。但是对于大模型来说，起主要作用的是语元关联度实例。大模型的出现是否颠覆了整个科学传统，究竟意味着什么，目前还不清楚。但是，至少我们对大模型给人工智能领域带来的颠覆性、震撼性有了一些感受。