xDev Asia

人工智慧、機器學習、深度學習和大型語言模型全景。從1950年的歷史到2022年的ChatGPT時刻，LLM為何蓬勃發展，以及整個系列的學習路徑。

人工智慧和法學碩士：從基礎到高級

第 1 部分：人工智慧和深度學習平台

亞洲開發網

簡介

在開始編寫程式碼或微調模型之前，您需要對該領域有一個大局。第一課將幫助您了解人工智慧是什麼、相關概念有何不同，以及為什麼 2022-2025 年對法學碩士來說是前所未有的繁榮。

1.什麼是人工智慧？簡史（1950 年 → 現在）

人工智慧 (AI) 是電腦科學的一個分支，研究如何創建能夠執行通常需要人類智慧的任務的系統：識別圖像、理解語言、下棋、駕駛等。

主要時間線

年份	活動
1950	艾倫·圖靈提出「圖靈測試」－測試機器能否模擬人類
1956	達特茅斯會議—「人工智慧」一詞正式誕生
20 世紀 60 年代至 70 年代	首個「AI寒冬」：期望遠超現實，資金枯竭
20 世紀 80 年代	專家系統蓬勃發展然後衰落； “AI 冬天”週一
1997	深藍 (IBM) 擊敗加里·卡斯帕羅夫——人工智慧歷史上的里程碑
2006	Geoffrey Hinton 透過「深度信念網路」復興深度學習
2012	AlexNet 大幅擊敗 ImageNet－深度學習成為主流
2017	2017 Google Brain 發表文章《Attention Is All You Need》→ Transformer 架構
2018	Google伯特； OpenAI GPT-1
2020	GPT-3（1750億參數）震驚社區
2022	2022 ChatGPT 上線－AI 2 個月覆蓋 1 億用戶
2023–2025	LLM 競賽：GPT-4、Claude 3、Gemini、LLaMA 3、Mistral...

2. 區分AI/機器學習/深度學習/LLM

許多人可以互換使用這些術語，但它們是嵌套的，而不是同義詞。

人工智慧、機器學習、深度學習和法學碩士之間的嵌套關係圖

┌─────────────────────────────────────────────────────┐
│  Trí tuệ nhân tạo (AI)                              │
│                                                     │
│   ┌─────────────────────────────────────────────┐   │
│   │  Machine Learning (ML)                      │   │
│   │                                             │   │
│   │   ┌─────────────────────────────────────┐   │   │
│   │   │  Deep Learning (DL)                 │   │   │
│   │   │                                     │   │   │
│   │   │   ┌─────────────────────────────┐   │   │   │
│   │   │   │  Large Language Models      │   │   │   │
│   │   │   │  (LLM)                      │   │   │   │
│   │   │   └─────────────────────────────┘   │   │   │
│   │   └─────────────────────────────────────┘   │   │
│   └─────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────┘

###詳細對比

概念	定義	範例	需要資料
人工智慧	人體智慧模擬系統	國際象棋引擎、聊天機器人、自動駕駛汽車	取決於類型
ML	人工智慧從數據中學習而不是硬程式設計	垃圾郵件過濾器、Netflix 建議	數千至數百萬個樣本
DL	ML 使用多層神經網路	人臉辨識、翻譯	數百萬至數十億樣本
法學碩士	超大規模深度學習、基於文本的訓練	ChatGPT，克勞德，雙子座	數萬億代幣

底線： 並非所有 AI 都是 ML，並非所有 ML 都是 DL，LLM 是 DL 的一種特殊形式。

3. 為什麼LLM在2022-2025年蓬勃發展？

3.1 ChatGPT 時刻

2022年11月30日，OpenAI推出ChatGPT。僅在前 5 天，它就達到了 100 萬用戶——比歷史上任何技術產品都要快。到 2023 年 1 月，用戶數達到 1 億。這是人工智慧第一次成為一般大眾（而不僅僅是研究人員）的流行工具。

3.2 縮放定律—縮放定律

2020 年，OpenAI 發表了一篇關於 Scaling Laws 的重要論文：如果同時以一定比例增加模型參數數量、資料量和計算能力，效能將以 可預測 的方式提高。

Hiệu năng ∝ (Tham số)^α × (Dữ liệu)^β × (Compute)^γ

這意味著：不需要演算法突破——只需金錢和GPU，你就可以建立更好的模型。這就是大公司投入數十億美元投入人工智慧競賽的原因。

3.3 三因素匯聚

資料： 網路產生數萬億字的文字（Common Crawl、維基百科、GitHub、書籍...）
運算： GPU/TPU 越來越強大（NVIDIA A100、H100）；雲端運算很受歡迎
架構： Transformer (2017) 取代 RNN — 更好的平行化，更好的擴展

3.4 RLHF — ChatGPT 的秘密

ChatGPT 不只是一個更大的 GPT-3。秘密是RLHF（人類回饋強化學習）：訓練模型根據人類的期望和價值觀做出回應，而不是僅僅針對「猜測下一個單字」進行最佳化。這就是從「語言模型」到「AI助手」的跨越。

4. 特色法學碩士：比較表

型號	組織	參數（估計）	開源	優勢
GPT-4o	開放人工智慧	~200B（隱藏）	沒有	多功能、多模式、工具使用
克勞德 3.5 十四行詩	人擇	~100B（隱藏）	沒有	長論證、安全性、編碼
雙子座1.5 Pro	Google	~500B（隱藏）	沒有	上下文視窗 1M 代幣
駱駝 3.1 405B	元	405B	405B是的	最強大的開源、可自架
米斯特拉爾大	米斯特拉爾人工智慧	~100B（隱藏）	部分	高效、多語言
Qwen2.5 72B	阿里巴巴	72B	72B是的	代碼、數學、中文/越南語好
Φ3.5	微軟	3.8B	是的	結構緊湊，可在筆記型電腦上運行

學習者註意事項： 在 2024 年至 2025 年，開源和閉源之間的界限變得越來越模糊。「開放權重」不同於「開源」（開放訓練程式碼）。 LLaMA 是開放權重，不是傳統意義上的開源。

5.本系列的路線圖

從基礎到實際應用的學習路徑

本系列分為5個主要部分：

Phần 1: Nền tảng AI & Deep Learning (Bài 1–5)
   ├── Bài 1: Tổng quan (bài này)
   ├── Bài 2: Toán học cho AI
   ├── Bài 3: Neural Networks cơ bản
   ├── Bài 4: Deep Learning Overview (CNN, RNN, LSTM)
   └── Bài 5: Attention Mechanism

Phần 2: Kiến trúc Transformer (Bài 6–9)
   ├── Bài 6: The Transformer Architecture
   ├── Bài 7: BERT & Encoder Models
   ├── Bài 8: GPT & Decoder Models
   └── Bài 9: Modern LLM Architectures

Phần 3: Làm việc với LLM (Bài 10–14)
   ├── Bài 10: Prompting & Prompt Engineering
   ├── Bài 11: OpenAI / Anthropic API
   ├── Bài 12: LangChain & LlamaIndex
   ├── Bài 13: RAG — Retrieval Augmented Generation
   └── Bài 14: Vector Databases

Phần 4: Fine-tuning & Deployment (Bài 15–19)
   ├── Bài 15: Fine-tuning cơ bản
   ├── Bài 16: LoRA & QLoRA
   ├── Bài 17: Quantization & Optimization
   ├── Bài 18: Deployment với vLLM & Ollama
   └── Bài 19: Production MLOps cho LLM

Phần 5: Ứng dụng thực tế (Bài 20–24)
   ├── Bài 20: AI Agents & Tool Use
   ├── Bài 21: Multimodal AI
   ├── Bài 22: Code Generation & AI-assisted Dev
   ├── Bài 23: AI trong doanh nghiệp Việt Nam
   └── Bài 24: Xu hướng & Tương lai

先決條件： 基礎Python（知道如何寫函數、迴圈、類別）。數學和理論問題將從頭開始解釋。

6.安裝環境

6.1 安裝Python

建議 Python 3.11（截至 2025 年，穩定，對大多數 AI 庫提供最佳支援）。

# Kiểm tra Python đã có chưa
python --version
# hoặc
python3 --version

6.2 Conda — 虛擬環境管理

Conda 是 AI/ML 的最佳環境管理工具，因為它可以處理 Python 和 C/CUDA 函式庫。

# Tải Miniconda (nhỏ gọn hơn Anaconda)
# Truy cập: https://docs.conda.io/en/latest/miniconda.html

# Tạo môi trường cho series này
conda create -n ai-llm python=3.11 -y
conda activate ai-llm

# Cài các thư viện cơ bản
conda install numpy pandas matplotlib jupyter -y
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121
pip install transformers datasets accelerate
pip install openai anthropic langchain

6.3 推薦的目錄結構

ai-llm-series/
├── notebooks/          # Jupyter notebooks cho từng bài
│   ├── 01_overview/
│   ├── 02_math/
│   └── ...
├── src/                # Code Python tái sử dụng
│   ├── models/
│   └── utils/
├── data/               # Dataset nhỏ để thực hành
└── requirements.txt

6.4 Jupyter 實驗室

pip install jupyterlab
jupyter lab   # Mở trình duyệt tại http://localhost:8888

6.5 環境測試

# Chạy cell này trong Jupyter để kiểm tra
import sys
import numpy as np
import torch

print(f"Python: {sys.version}")
print(f"NumPy: {np.__version__}")
print(f"PyTorch: {torch.__version__}")
print(f"CUDA available: {torch.cuda.is_available()}")

if torch.cuda.is_available():
    print(f"GPU: {torch.cuda.get_device_name(0)}")
    print(f"VRAM: {torch.cuda.get_device_properties(0).total_memory / 1e9:.1f} GB")
else:
    print("Đang chạy trên CPU — vẫn ổn cho các bài đầu!")

6.6 不含 GPU

無需擔心！第一課（第 1-7 課）在 CPU 上運作良好。從第 8 課開始需要 GPU。您可以使用：

Google Colab（免費，T4 GPU）： colab.research.google.com
Kaggle Notebooks（免費，每週 30 小時 GPU）： kaggle.com/code
Vast.ai / RunPod：便宜 GPU 租賃（RTX 3090 約 0.3–0.5 美元/小時）

課程總結

人工智慧是一個廣闊的領域； ML 是從資料中學習的人工智慧； DL 是使用深度神經網路的機器學習； LLM 是大規模的文字深度學習
LLM 的爆發得益於三個匯聚因素：海量資料 + 強大的 GPU + Transformer 架構
ChatGPT（2022 年 11 月）是人工智慧的「iPhone 時刻」——將科技帶給大眾
本系列將從數學基礎到構建實用的法學碩士應用程序
現在安裝 Python 3.11 + Conda + PyTorch 為下一課做好準備

練習

1.安裝Conda環境並成功運行6.5節測試程式碼 2. 在Google Colab上建立帳戶並測試運行筆記本 3. 閱讀原文「Attention Is All You Need」（2017）的摘要： arxiv.org/abs/1706.03762 4. 列出您每天使用的 3 個 AI 應用程序，並確定它們屬於哪種類型的 AI（ML、DL、LLM 或基於規則的 AI）

第 1 課：AI、ML、DL 和 LLM 概述

簡介