“ 大模型技術的基礎學習，是未來在大模型領域能否站穩腳跟的關鍵”

隨著大模型技術的發展，越來越多的人開始進入大模型領域，但大模型作為一門技術，因此它的本質上是一個工具，因此這也讓學習大模型有了不同的學習方向。

從工具的角度來看，學習一個工具主要有兩個方向，一個是使用工具，一個是制造工具；而今天我們主要講的是后者，也就是怎么制造一個大模型工具，它需要哪些技術基礎。

大模型基礎技術路線

下面主要從以下幾個技術基礎講解一下大模型的學習路線：

• 理論基礎?
• 編程基礎
• 深度學習框架
• 特定領域知識
• 實踐經驗
• 算法基礎

理論基礎

理論基礎是一切技術的開始，對學習一門技術來說至關重要，沒有理論就無法指導技術的發展方向和實現方法。

什么是理論？

理論其實就是一套描述和解決問題的方法論，只不過不同的技術有不同的方法，也就是理論。

理論的發展有兩種方式，一種是基于實踐檢驗結果總結出來的經驗；二種是以嚴謹的科學理論推導出邏輯自洽的解決某個問題的方法。

比如說，火是人類生存和進化的重要條件之一，而在遠古時期人類對于火的認知還比較淺顯，因此那時關于火的理論也比較基礎，比如它可以取暖，可以烤熟食物等；這就是基于經驗的理論基礎。

而隨著科學技術的發展，人類對于火的研究更加的深入，比如火的形態，火本無形，但又是流體，而這就是基于嚴謹的科學研究和理論推導的結果。

那學習大模型需要哪些理論？ 

基礎理論有，人工智能的概念，機器學習，深度學習，神經網絡原理，激活函數，損失函數，正向傳播，反向傳播等基礎理論，對這些基礎理論等理解是非常必要的。

有了理論之后就能讓你知道大模型能干啥，以及怎么干。

編程基礎

編程基礎就不用多說了，所有的計算機軟件都是基于編程技術開發的，大模型也不例外。

但需要說的是，大模型開發主要使用的是Python作為其主流的開發語言，當然并不是說開發大模型必須用python，用其它語言也可以，畢竟語言只是工具，算法才是核心；而算法是脫離計算機語言獨立存在的。

還有就是，大模型本身是主要基于Python開發的，但基于大模型構建上層應用可以使用其它工程性語言，比如Java，Go，Rust等，當然也可以使用Python。

大模型作為一個服務，一般由Python開發，然后封裝成對外接口，然后使用其它開發語言調用構建上層應用。

深度學習框架

什么是框架？

框架就類似于模具，大模型是一個非常復雜的系統性工程，從0開始構建難度非常大，因此就有了一些開源框架來處理一些基礎性工作和一些常用的工具。

比如說數據處理，在大模型技術中數據處理是非常重要的一環，但面對復雜的數據種類以及數據格式，如果全部自己手動處理將是一個巨大的工程量；因此為了提高開發效率，排除這些外在干擾，讓技術人員把心思放在大模型的核心節點上，框架就出現了。

還有就是，這些深度學習框架一般會內置一些經典架構的實現，比如Transformer架構，和一些常見的神經網絡模型，比如CNN和RNN，這樣對一些初學者就可以直接使用這些工具構建屬于自己的大模型。

常見的深度學習框架，如PyTorch，Tensorflow等。

特定領域的知識

大模型是一個非常籠統的技術，但細分下去又有多種不同的方向，比如說自然語言處理，計算機視覺等。

畢竟大模型也是用來解決問題的，如果大模型沒有具體的落腳點，那么它就成為了一個純理論性質的研究，這樣它就失去了應有的價值。

而不論是自然語言處理，還是計算機視覺都是獨立的應用領域，它們和大模型的關系就是大模型可以作為其研究的一個方法或手段，沒有大模型也可以研究自然語言處理和計算機視覺；但自然語言處理和計算機視覺可以利用大模型進行更加高效的研究。

因此，如果只是單純的學習大模型技術，不與這些具體的應用領域相結合，那么學習大模型技術就失去了應有的意義。

而用大模型去研究這些應用領域，或者說用大模型作為解決這些領域的一個方法，那么就需要有對應領域的基礎知識，只有大模型本身的技術是遠遠不夠的。

自然語言處理所涉及的知識有語言分析，語義分析，分詞，自然語言理解，自然語言生成等。

實踐經驗

實踐 實踐 再實踐，重要的事情說三遍！！！

大模型技術是一項實操性很強的技術，或者說任何技術都離不開實操，純粹的理論研究終究只是空中樓閣。

從學習方法的角度來說，理論應該與實踐相結合，很多人在學習理論的過程中總喜歡打破砂鍋問到底，鉆進理論中出不來。

當然，并不是說打破砂鍋問到底不好，作為技術研究人員有必須要有打破砂鍋問到底的決心。

但是，理論一方面是由嚴謹的科學邏輯推導出來的，還一部分是根據實踐總結和調整的；單純的研究理論很難讓你真正理解技術的本質。這也是為什么有些問題在學習的時候怎么都想不明白，但等真正去實操的時候突然之間就豁然開朗。

最好的學習方式就是，在了解一些理論的基本概念之后，就上手找個大模型進行實操；然后用實操去驗證理論，這樣才能明白別人為什么會這樣設計，為什么可以這樣做，不可以那樣做。

鉆進理論出不來，并且不肯動手實踐的人，就是那種經常鉆牛角尖的，理論一套一套的，但啥都干不好；而且最重要的是，這種鉆牛角尖的方式往往會事半功倍，導致半途而廢。

算法基礎

算法的重要性就不用多說了，任何和計算機有關的東西都離不開算法，如果說硬件是計算機的身體，那么算法就是計算機的靈魂。

大模型可以說是算法的集大成者，因為大模型是基于嚴謹的數學理論推導的，而算法是數學在計算機中的載體，離開了算法大模型將不復存在。

以上就是一些學習大模型技術所需要的基礎，但并不是全部；大模型技術是人工智能技術的一種實現方式，而人工智能技術是一個多學科交叉的科學，涉及到數學，社會學，哲學，計算機科學，工程學，控制論等等，甚至包括文學與藝術。

因此，要想學好大模型，技術只是最基礎的東西。萬丈高樓平地起，全靠有個好地基。

本文轉載自公眾號AI探索時代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/1vTZrDruFHcIrFfD6xxHIg???