上周三晚上十点二十，我朋友老周给我发了条微信。
就一句："这三个词到底啥关系，我头都大了。"
老周 42 岁，在一家物流公司做行政。上个月老板开会，说公司要"拥抱 AI"，每个部门出一个人学。
老周主动报了名。
回来他就上网查，连着查了三个晚上，笔记记了三页纸。
第二天他跟我说，那三页纸全是名词解释。大模型的解释里套着机器学习，机器学习的解释里又冒出深度学习。
"跟绕口令似的。"他说，"我越查越觉得自己笨。"
其实他不笨。是大多讲这事的人，一开口就从术语讲起。
那天我给他发了条语音，讲了二十分钟。他听完回我："早这么讲我不就懂了。"
下面就是那二十分钟的内容。
这四个词，是个套娃
先给结论：它们是从大到小套在一起的。
人工智能 > 机器学习 > 深度学习 > 大模型。
从右往左看，一个比一个大。从左往右看，一个比一个具体。
人工智能是最大的圈。只要让机器干点像人干的活，都算——下棋、翻译、认脸、写文案，都在这个圈里。
机器学习是里面的一块。
深度学习又是机器学习里面的一块。
大模型呢，是深度学习里长得最胖的那个。
老周说，我还是没感觉。
没感觉正常，得看例子。
以前教机器认猫，是件苦活
假设你要让电脑认出一只猫。
老办法，工程师坐下来写规则。
有胡须，加分。尖耳朵，加分。眼睛是竖条，加分。四条腿，加分。
写几百条，程序跑起来。
结果一出问题就傻眼。阴天拍的猫，光线暗，认不出。猫趴着，腿看不见，也认不出。换成一只卷耳猫，耳朵形状不一样，还是认不出。
工程师只能接着写规则。写到头发掉光。
后来有人换了个思路。
别写规则了。直接给机器看照片。一万张猫，一万张不是猫。
让它自己从里面找规律。
这就是机器学习。
说白了，机器没变聪明，是人偷了个懒。把"总结规律"这活儿，交给数据干了。
深度学习，是把找规律这件事做得更细
机器学习的法子有好几种。深度学习是其中一种。
区别在哪？
老办法找规律，得先有人告诉它看哪里。比如先告诉它"盯住耳朵形状"。
深度学习不用人告诉。它自己从最底下往上找。
第一层看到的是横线竖线。往上一点，是眼睛鼻子。再往上，才是"这一整团是猫"。
一层压一层，所以叫"深"。
2012 年，有个叫 AlexNet 的程序在图像比赛里，把第二名甩开了十个百分点。从那年往后，深度学习才算真的火起来。
老周听到这儿，插了句嘴："那 ChatGPT 算哪个？"
我说，都算。看你问的是哪一层。
它是个能聊天的软件，属于人工智能。它靠数据自己学，属于机器学习。它用了很多层网络，属于深度学习。它的旋钮特别多，所以叫大模型。
"旋钮"就是参数。你可以理解成一个个能拧的小开关。
小模型的开关有几百万个。大模型的开关，几千亿个。
三个能马上用的方法
那天讲完，老周说他终于敢在群里接话了。
方法我原样写在这儿，你也能用。
第一个，记套娃顺序，不背定义。
人工智能 > 机器学习 > 深度学习 > 大模型。碰到陌生的词，先问它在哪一层。
比如"神经网络"，是深度学习里的东西。"GPT"是大模型里的一类。这么一挂，位置就清楚了。
第二个，用一句话自测。
遇到新名词，你就问自己：它是不是"喂数据、找规律、做预测"这条路上的？
是，八九不离十。不是，那可能是别的方向。
第三个，别追名词，追场景。
名词每年都换新的。场景变得慢。认猫、翻文字、判断信用、给你推视频，背后是同一套逻辑。
搞懂一个场景，比记住十个名词有用。
一句人话
过了两周，老周又提起这事。
他说，怕的不是名词多，是没人肯用一句人话给你讲。
