LLM 不是生成式 AI

Source: Dev.to

说明

人们常说类似 “我用了 LLM 生成了一张图片”、 “我用了 LLM 克隆了我的声音”，或者 “我用了 LLM 制作了一个视频”。在大多数情况下，这并不严格正确。它们实际使用的是 生成式 AI。这种混淆来源于大多数用户通过聊天式工具与 AI 交互，感觉好像是单一模型在完成所有任务。实际上，不同的模型承担着截然不同的角色。

生成式 AI 是一个广义领域，涵盖任何能够创造新内容的系统——文本、图像、音频、视频、代码，甚至是科学结构。图像生成器、语音合成工具、视频创作工具和音乐生成器都属于生成式 AI。这些模型在非常不同类型的数据上进行训练，如像素、声波或运动模式。

LLM（大语言模型）只是生成式 AI 的一种类型。它仅在文本上进行训练。它的工作是理解语言、生成语言、推理、摘要以及遵循书面指令。它 不 会自行生成图像、声音或视频；它只处理文字。

在像 ChatGPT 这样的工具中，LLM 充当语言接口。它读取你的提示，理解你的意图，并决定接下来应该做什么。如果你请求解释，它会直接回复。如果你请求图像或音频，它会向专门的生成式 AI 模型发送结构化指令，由该模型实际创建内容。随后，LLM 再用通俗的语言向你解释结果。

这就是为什么说 “我用了 LLM 生成了一张图片” 通常会把系统中错误的部分归功于 LLM。LLM 帮助把你的想法转化为指令；真正的创作工作是由生成式 AI 模型完成的。

理解这种差异有助于形成更合理的期望、做出更合适的工具选择，并设计更聪明的 AI 系统。LLM 功能强大，但它们并非全能生成器。它们是坐落在更大生成式 AI 生态系统之上的语言“大脑”。

LLMs and Generative AI are not the same!