当前文档和【权重的训练】章节有部分重复，因而废弃。大量内容已经迁移到其他文档中，少量未迁移。做存档保存。

名词

神经网络、神经元、权重、偏置、激活函数

AI 大模型如何工作？

AI 大模型，通过【神经网络】进行复杂的计算并输出结果。

【神经网络】内部有 N 个神经网络层、N 个神经元 、N 个权重 、N 个偏置 等等。这些 N 个 xx 不是凭空产生的，而是需要进行大规模的训练后，确定最优的 N 个 xx 。

待【神经网络】内部数据确定完成后，即【AI 大模型】训练完成。成品就是拥有N 个 xx 的神经网络 。

该神经网络 不在接受权重、偏置等参数的变化，转而用于计算、推演。

后续使用【AI 大模型】，即使用【神经网络】的推演。

训练阶段

通过海量的数据，无数次的执行【神经网络】，以确定最优的神经元、权重、偏置等数据，达到：

1. 后续提供一个输入，如猫、纸张。
2. 经过【神经网络】计算后输出结果为：猫 0.98，纸张 0.99，人 0.003。
3. 多次使用不同的输入，最终输出都达到预期，即模型训练完成。

神经元

神经元是一个函数，或者称为特征。

把一段文本、一张图片用向量表示，需要 10 维甚至更高维度，如：aaaaaab = [0.86, 1.0, 0.0, 0.0, 1.0, 1.0, 1.0, 0.0] 。这里的每一个数值，都表示一个特征，如：是否有 a 字符？是否有 c 字符？

在模型训练阶段，对于海量的训练数据，模型需要自行发觉原始数据的各种特征，并将特征通过海量的神经元来进行表达。最终的效果可能是：

输入层：将原始数据向量化，生成【词汇表（向量和原始数据之间的纽带）】