前言

本篇将从零开始，带你搭建一个完整的异步图书管理 CRUD 项目，覆盖环境搭建、数据库连接、模型定义、12 种核心接口实现。献给和博主一样刚踏入SQLAlchemy的新手小白们。

一、从人工智能到大模型

1. 人工智能 AI Artificial Intelligence

• AI (Artificial Intelligence, AI)：是一个广泛涉及计算机科学、数据分析、统计学、机器工程、语言学、神经科学、哲学和心理学等多个学科的领域，旨在研究、设计、构建具备智能、学习、推理和行动能力的计算机和机器。
  • 1997 年 深蓝击败卡斯帕罗夫（国际象棋）：暴力搜索算法 + 启发式评估函数 → 对弈决策
  • 2016 年 AlphaGo 击败李世石（围棋）：人工神经网络 ANN 和深度学习

2. 生成式人工智能 GAI Generative Artificial Intelligence

• GAI (Generative AI，生成式人工智能)：目标是让机器能够产生复杂有结构的物件。
  • 2022 年 11 月 ChatGPT 3.5
  • 2025 年 1 月 DeepSeek-R1

3. 机器学习 ML Machine Learning

• 定义：机器学习是一门研究计算机如何在没有明确编程的情况下，通过对数据进行分析、学习，自动改进其行为或做出预测的学科。它旨在使计算机系统具备从经验中学习的能力，以适应新情况、解决问题或完成特定任务。
• 三大核心分支：
  • 监督学习
    eg：给模型看大量 “猫 / 狗” 标注好的照片，让它学会自己识别新照片里的猫和狗。
  • 非监督学习（无监督学习）
    eg：电商平台根据用户的购买记录，自动把 “喜欢买运动装备的人” 和 “喜欢买美妆的人” 分成不同群体，不需要提前定义标签。
  • 强化学习
    eg：游戏 AI 自己玩超级玛丽，通过不断尝试、“吃金币加分、掉坑扣分” 的反馈，学会怎么跳关、通关。

4. 深度学习 DL Deep Learning

• 深度学习是机器学习的一个分支，核心是用包含多个隐藏层的神经网络模型来学习和表示数据。
  • 神经网络： 深度学习的基础模型，由多层 “神经元” 组成，通过层层传递和处理信息，实现对复杂模式的识别。
• 它的设计灵感来自人类大脑的神经生物学，通过学习海量数据，自动提取数据的高层次特征和模式，从而完成图像识别、语音识别、自然语言处理等复杂任务。
  • Transformer：目前大语言模型（如 ChatGPT、DeepSeek）的核心架构，它引入了 “自注意力机制”，能更高效地捕捉文本中不同词语的关联，是当前自然语言处理领域的主流技术。

5. 大语言模型 LLM Large Language Model

深度学习在自然语言处理领域的产物，使用Transformer架构、在海量文本上训练的超大规模神经网络（通常数十亿至数万亿参数），具备文本生成、理解、推理等涌现能力。是当前生成式AI的核心技术载体。

6. 相互关系

二、大模型的爆炸发展

1. 意义

大模型推动了人工智能技术的发展，并为人类的未来带来新的可能性。有人曾经类比，大模型的发明相当于人类文明的哪个节点？
一个浪漫的答案可能是：人类学会使用火的时刻。

2. 发展

• 2021 年：斯坦福大学的研究员团队发表论文，提出了 Foundational Models（基础模型，即大模型） 的概念。
• 2022 年 11 月：OpenAI 公司发布了 ChatGPT 3.5 —— 一种先进的人工智能语言模型，专为对话交互设计，具备强大的自然语言理解和生成能力，可完成撰写论文、邮件、脚本、文案、翻译、代码等任务。
• 从 ChatGPT 的一鸣惊人，到持续进行的 “百模大战”，“大模型” 已逐渐成为技术和公众领域的热点。

三、应用场景

1.自然语言处理（NLP）

• List item情感分析
  • 文本归类
  • 信息抽取
  • 数学问题
  • 角色扮演
  • 编程问题
  • 创作问题

2.语音处理（SLP）

3. 图像视频处理