你们(men)有(yǒu)没(méi)有(yǒu)想(xiǎng)过(guò)，像(xiàng)那(nà)些(xiē)聊(liáo)天(tiān)机(jī)器(qì)人(rén)或(huò)者(zhě)无(wú)所(suǒ)不(bù)能(néng)的(de)AI大(dà)语(yǔ)言(yán)模(mó)型(xíng)，它(tā)们(men)是(shì)怎(zěn)么(me)看(kàn)懂(dǒng)我(wǒ)们(men)写(xiě)的(de)字(zì)，听(tīng)懂(dǒng)我(wǒ)们(men)说(shuō)的(de)话(huà)呢(ne)？它(tā)们(men)又(yòu)不(bù)认(rèn)识(shi)汉(hàn)字，也不会说中文，这到底是怎么做到的呢？
给每个词一个“秘密代号”
想象一下，我们要教电脑认识小动物。我们不能直接给它看图片，得用一种它能懂的语言——数字！
我们可以给每个小动物打分(fēn)，比(bǐ)如(rú)：
▷ 毛(máo)茸(rōng)茸(rōng)指(zhǐ)数(shù)（1分(fēn)代(dài)表(biǎo)不太毛茸茸，10分代表超级毛茸茸）
▷ 汪汪叫指数（1分代表不叫(jiào)，10分(fēn)代(dài)表(biǎo)很(hěn)会(huì)汪(wāng)汪叫）
▷ 抓老鼠指数（1分代表不抓，10分代表抓老鼠高手）
那么，“小狗”可能会得到这样的分数：毛茸茸指数 7分，汪汪叫指数 9分，抓老鼠指数 2分。我们可以把这叫做小(xiǎo)狗(gǒu)的(de)“秘(mì)密(mì)代(dài)号(hào)”：(7, 9, 2)。
“小(xiǎo)猫(māo)”呢(ne)？可(kě)能(néng)就(jiù)是(shì)：毛(máo)茸(rōng)茸(rōng)指(zhǐ)数(shù) 8分(fēn)，汪(wāng)汪(wāng)叫(jiào)指(zhǐ)数(shù) 1分(fēn)，抓(zhuā)老(lǎo)鼠(shǔ)指(zhǐ)数(shù) 9分(fēn)。小(xiǎo)猫(māo)的(de)秘(mì)密(mì)代(dài)号(hào)就(jiù)是(shì)：(8, 1, 9)。
你(nǐ)看(kàn)，“小(xiǎo)狗(gǒu)”和(hé)“小(xiǎo)猫(māo)”的(de)秘(mì)密(mì)代(dài)号(hào)就(jiù)不(bù)一(yī)样。而且，通过比较这些数字，电脑就能“感觉”到它们的不同：哦，一个喜欢汪汪叫，一个擅长抓老鼠！
超级多的“秘密代号”！
刚才我们只用了3个数字来代表小动物。但对于我们人类语言里的每一个词，比如“开心”、“学习”、“天空”、“香蕉”…… 大模型会用超级超级多的数字来给它们“秘密代号”！不是3个，也不是10个，可能是几千个，甚至上万个数字！
在GPT-1 里(lǐ)，每(měi)个(gè)词用(yòng)了(le) 768 个(gè)数(shù)字(zì)来(lái)表(biǎo)示(shì)。在(zài) GPT-3 里(lǐ)，每(měi)个(gè)词用(yòng)的(de)是(shì) 12288 个(gè)数(shù)。在(zài) DeepSeekV3 模型里，用的是 7168 个数来表示每个词。
这么多数字，就像给每个词画了一张超级详细的“画像”。电脑虽然看不懂“开心”这两个字，但它能记住“开心”对应的几千个数字代号。
“词嵌入”：把词语放进“数字空间”
科学家们给这种用一大堆数字代表一个词的方法，起了一个酷酷的名字，叫做“词嵌入”，英文叫 Embedding。
“嵌入”是啥意思呢？想象一下我们刚才给小动物打分，如果只用两个分数（比如“毛茸茸指数”和“汪汪叫指数”），我们是不是可以在一张纸上（一个二维平面）画一个点来代表“小狗”，再画一个点代表“小猫”？
▷ 小狗：（毛茸茸7分，汪(wāng)汪(wāng)叫(jiào)9分(fēn)） -> 在(zài)纸(zhǐ)上(shàng)的(de)某(mǒu)个(gè)点(diǎn)
▷ 小(xiǎo)猫(māo)：（毛(máo)茸(rōng)茸(rōng)8分(fēn)，汪(wāng)汪(wāng)叫(jiào)1分(fēn)） -> 在(zài)纸(zhǐ)上(shàng)的(de)另一个点
这就好像把“小狗”和“小猫”这两个词，“嵌”入到了这张纸里。
如果用三个分数呢？就像长、宽、高，我们就可以在一个立体空间（比如一个大箱子）里找到一个点来代表它。
而大模型用几千、上万个数字代表一个词，就等于把这个词“嵌”入到了一个超级复杂、我们想象不出来的“高维空间”里！虽然我们画不出来，但在数学上，它是存在的。
数字怎么来的？电脑自己“学”！
那这些代表词语的数字（秘密代号）是怎么定下来的呢？是人一个个设置的吗？当然不是，那太累啦！
大模型在“学习”（训练）的时候，会阅读超级多的文字，比如图书馆里所有的书、网上所有的文章。它会观察哪些词经常一起出现，哪些词意思比较像。
一开始，所有词的数字代号都是乱七八糟的。但通过不断阅读和学习，大模型会慢慢调整这些数字，就像整(zhěng)理(lǐ)房间一样，把意思相近的词，它们的“秘密代号”变得也更接近。比如，“高兴”和“快乐”的秘密代号会很像，它们在那个“数字空间”里的位置也会靠得很近。而“高兴”和“桌子”的秘密代号就会差很远。
一(yī)词多(duō)义(yì)怎(zěn)么(me)办(bàn)？看(kàn)“邻(lín)居(jū)”！
我(wǒ)们(men)知(zhī)道(dào)，有(yǒu)的(de)词有(yǒu)好(hǎo)几(jǐ)个(gè)意(yì)思(sī)，比(bǐ)如(rú)“球(qiú)”，可(kě)以(yǐ)指(zhǐ)篮(lán)球(qiú)、足(zú)球，也可以指地球。电脑怎么知道我们说的是哪个“球”呢？
别担心！当一个词和(hé)其(qí)他(tā)词一(yī)起(qǐ)出(chū)现(xiàn)时(shí)，这(zhè)些(xiē)“邻(lín)居(jū)”词会(huì)给(gěi)它(tā)线(xiàn)索(suǒ)。
▷ 如(rú)果(guǒ)你(nǐ)说(shuō)“踢(tī)球(qiú)”，旁(páng)边(biān)的(de)“踢(tī)”这(zhè)个(gè)词的(de)秘(mì)密(mì)代(dài)号(hào)，就(jiù)会(huì)和(hé)“球(qiú)”的(de)秘(mì)密(mì)代(dài)号(hào)发(fā)生(shēng)一(yī)种(zhǒng)奇(qí)妙(miào)的(de)“化(huà)学(xué)反(fǎn)应(yīng)”（其(qí)实(shí)是(shì)数(shù)学(xué)计(jì)算(suàn)），让(ràng)“球(qiú)”的(de)代(dài)号(hào)更(gèng)偏(piān)向(xiàng)“足(zú)球(qiú)”或(huò)“篮(lán)球(qiú)”的(de)意(yì)思(sī)。
▷ 如(rú)果(guǒ)你(nǐ)说(shuō)“地(de)球(qiú)”，旁(páng)边(biān)的(de)“地(de)”字(zì)就(jiù)会(huì)让(ràng)“球(qiú)”的(de)代(dài)号(hào)指(zhǐ)向(xiàng)我(wǒ)们(men)居(jū)住(zhù)的(de)这(zhè)个(gè)星(xīng)球(qiú)。
所(suǒ)以(yǐ)，词语(yǔ)的(de)秘(mì)密(mì)代(dài)号(hào)不(bù)是(shì)一(yī)成(chéng)不(bù)变(biàn)的(de)，它(tā)会(huì)根(gēn)据(jù)上(shàng)下(xià)文，也(yě)就(jiù)是(shì)旁(páng)边(biān)的(de)“邻(lín)居(jū)”词，进(jìn)行(xíng)微(wēi)小(xiǎo)的(de)调(diào)整(zhěng)，变(biàn)得(de)更(gèng)准(zhǔn)确(què)！
总(zǒng)结(jié)一(yī)下(xià)
所(suǒ)以(yǐ)，大(dà)模(mó)型(xíng)理(lǐ)解(jiě)文字(zì)的(de)秘(mì)密(mì)武(wǔ)器(qì)就(jiù)是(shì)：
（1）给(gěi)每(měi)个(gè)词一(yī)大(dà)串(chuàn)数(shù)字(zì)作(zuò)为(wèi)“秘(mì)密(mì)代(dài)号(hào)”（词嵌(qiàn)入(rù)）。
（2）这(zhè)些(xiē)数(shù)字(zì)能(néng)表(biǎo)示(shì)词语(yǔ)的(de)意(yì)思(sī)和(hé)它(tā)们(men)之(zhī)间(jiān)的(de)关系(xì)。
（3）意(yì)思(sī)相(xiāng)近(jìn)的(de)词，它(tā)们(men)的(de)“秘(mì)密(mì)代(dài)号(hào)”也(yě)相(xiāng)近(jìn)。
（4）电(diàn)脑(nǎo)通(tōng)过(guò)阅(yuè)读(dú)海(hǎi)量(liàng)文字(zì)，自(zì)己(jǐ)学(xué)会(huì)怎(zěn)么(me)给(gěi)词语(yǔ)定(dìng)这(zhè)些(xiē)代(dài)号(hào)。
（5）通(tōng)过(guò)词语(yǔ)旁(páng)边(biān)的(de)“邻(lín)居(jū)”词，电(diàn)脑(nǎo)能(néng)判(pàn)断(duàn)一(yī)个(gè)词在(zài)当(dāng)前(qián)语(yǔ)境下的准确意思。
是不是很有趣？电脑用这种我们看起来有点“笨”的数学方法，竟然就能处理我们复杂又美妙的语言啦！这背后其实是很多聪明的数学和计算在帮忙哦！
供稿单位：重庆市无线电科普体验中心
审核专家：张启义
声明：除原创内容及特别说(shuō)明(míng)之(zhī)外，部分图片来源网络，非商业用途，仅作为科普传播素材，版权归原作者所有，若有侵权，请联系删除。
