1.2 AI、机器学习、深度学习、大模型和 Agent#
上一节咱们说,Agent 是“模型 + 工具 + 循环”。
那模型又是什么?它和 AI、机器学习、深度学习,是什么关系?
这五个词,很多人是混着用的:
AI、机器学习、深度学习、大模型、Agent。
面试官问一句“Agent 和大模型什么关系”,如果回答“Agent 是更大的模型”,基本就聊死了。
这一节,咱们用一个 10 分钟能做完的实验,把这层关系彻底理清。
先做一个实验:教机器认手势#
打开 Google 的 Teachable Machine:
https://teachablemachine.withgoogle.com/选“图像项目”,然后建两个类别:
- 类别一:握拳
- 类别二:张开手掌
每个类别,对着摄像头录 30 张左右。角度换一换,远一点近一点,都录一些。
然后点“训练模型”。
等几十秒,它会给你一个可以实时预测的预览窗口。
你对着摄像头握拳,它显示“握拳”;张开手,它显示“张开手掌”。
到这一步,你已经完成了一次“机器学习”。
没有写一行判断规则,没有写“如果像素是肤色就……”。你只给了它数据和标签,它自己找到了一个从像素到类别的映射。
这就是机器学习和传统编程最大的区别:
| 传统编程 | 机器学习 | |
|---|---|---|
| 你给什么 | 规则 | 数据 + 标签 |
| 机器产出什么 | 结果 | 规则(模型参数) |
| 适合什么 | 规则写得清 | 规则写不清、但有大量样例 |
再做一个“使坏”的实验#
现在,咱们故意把这个模型教坏。
重新录一遍数据,但这次:
- 所有“握拳”的照片,都在白墙前录;
- 所有“张开手掌”的照片,都对着笔记本电脑屏幕录。
再训练。
然后你对着白墙,张开手掌。
它会怎么判?
大概率会判成“握拳”。
为什么?
因为它学到的不是“手指的形态”,而是“白墙 = 握拳,屏幕 = 张手”。
它学的是数据里的相关性,不是你心里的意图。
这件事非常重要,后面讲幻觉、讲 RAG、讲评测,都会回到这里:
模型不会“理解”你的业务,它只会拟合你给它的数据里,输入和标签之间的关系。
数据里有偏差,模型就学偏差。
数据里没有的情况,模型就瞎猜。
现在把五个词排一排#
咱们从大到小排。
AI(人工智能):最大的那个筐。让机器表现出“智能行为”的所有方法,都算 AI。下棋程序、专家系统、语音识别,都算。
机器学习(Machine Learning):实现 AI 的一种方法。不写死规则,用数据拟合出一个函数。
深度学习(Deep Learning):机器学习里的一类方法,用多层神经网络自动提取特征。图像识别、语音识别、大模型,主流都是它。
大语言模型(LLM):深度学习的一种具体产物。用 Transformer 架构,在海量文本上训练,学会“根据上下文预测下一个 Token”。
Agent:不是模型,是一个应用系统。它拿 LLM 当决策核心,外面接工具、记忆、循环。
画成图,是这样:
AI
└── 机器学习
└── 深度学习
└── 大语言模型(LLM)
Agent = LLM + 工具 + 记忆 + 循环(应用系统,不在上面的套娃里)注意最后一句:Agent 不在套娃里。
它不是一个“更大的模型”,而是“用模型造出来的东西”。
打个比方:
- 深度学习是“发动机技术”;
- 大模型是“一台发动机”;
- Agent 是“一辆车”。
车里有发动机,但车不等于发动机。车还要有轮子、方向盘、刹车。
Agent 也一样:模型是大脑,工具是手脚,循环是神经,记忆是笔记本。
做几道判断题#
咱们用 6 个系统,检验一下你是不是真的分清了。
| 系统 | 它属于什么 | 为什么 |
|---|---|---|
| 计算器 | 不是 AI | 规则完全写死,没有学习 |
| 手写关键词的垃圾邮件过滤器 | 规则系统 | 命中“中奖”“汇款”就拦,规则是人写的 |
| 训练过的垃圾邮件分类器 | 机器学习 | 用标注数据学出来的分类边界 |
| 人脸识别门禁 | 深度学习 | 用神经网络提取人脸特征 |
| ChatGPT 网页版 | LLM 应用 | 模型 + 界面 + 会话历史 |
| 自动查订单、开工单的退款客服 | Agent | 有目标、有工具、有循环 |
再补两个容易错的:
- 扫地机器人:是机器人 + 规则/传统算法,不一定是 LLM Agent。它有“感知—行动”循环,但没有语言决策核心。
- RPA 脚本:是自动化,不是 Agent。它按固定步骤执行,不会根据结果改计划。
那什么时候该用机器学习,什么时候不该#
这是工程里最实际的问题。
我的建议是三层判断:
第一层:规则能不能写清?
能写清,就用普通代码。
比如“金额超过 2000 转人工”,这是一行 if。用模型去判断,纯属给自己找麻烦:它会算错、会编阈值、还会“体贴地”帮你放行。
第二层:规则写不清,但有没有大量带标签的样例?
有,就用机器学习。
比如“这张图是不是违规内容”,你很难写出规则,但有几十万张标注图。
第三层:需要语言理解 + 多步决策?
才轮到 LLM / Agent。
比如“读客户这段话,判断他到底想退款还是想换货,然后按公司流程处理”。
注意顺序:能不用模型就不用,能用小模型就别用大模型。
这不是抠门,是可控性。规则可测试、可审计;模型只能评测。
几个容易误解的点#
PS 1:大模型不是“参数更多的机器学习”这么简单。
它多了“上下文学习”的能力:不用重新训练,只要在提示里给几个例子,它就能照着做。这是传统机器学习没有的。
PS 2:Agent 不是“AI 的下一阶段”。
它是工程形态,不是技术层级。你用规则 + 工具也能搭 Agent,只是没有 LLM 那么灵活。
PS 3:Teachable Machine 的模型很小,但原理是通的。
它演示的是“数据 → 训练 → 推理”这条链路。大模型只是数据更多、网络更深、训练更贵,链路没变。
总结#
这一节咱们用两个手势实验,把五个词的关系理顺了:
- AI 是最大的筐;
- 机器学习是用数据拟合规则;
- 深度学习是用多层网络自动提特征;
- 大模型是深度学习在文本上的产物;
- Agent 是用大模型搭出来的应用系统,不在套娃里。
还记住了一句话:模型学的是数据里的相关性,不是你的意图。
下一节,咱们回到模型本身:它到底是怎么把一句话,一个 Token 一个 Token 吐出来的?