就比如狗这个词，与之最相近的就是猫，猪，牛，马等。

而在此之外，还有距离更远一些的词。

当然，它和狗组成有意义的词的概率，就更低了。

这些词的相关性，是基于维基百科的数据统计得来的。

显然，每一个词都会被一堆无意义的词围绕。

那么想让大模型智能化，只能先将数据量堆上去再说。

每个词在大模型的n维空间里，都有自己的位置。

而决定这个词的真正意思，由上下文来决定。

但这个词围绕的量太大了，怎么办呢，在当年最初的时候用了一个变压器transformer。

理解人们说出来这句话的意思，将每个字都向量化。

假设是十个字，那么就生成10个768个数字的数列。

然后喂给transformer，输出后，再输入给第二层transformer，如此重复，不断地深化理解。

一共96层。

简单说就是每个词成为768个数字，穿越96层，每层9216次操作。

但是在后来，一个词的向量从768升级到了12288个数字的数列。

然后重复96次，数据量直接爆炸到人类无法想象的唯独。

其实在了解大模型的时候，楚月已经不相信人脑是自然进化而来的了。

一个12288数列的向量词，在进入第一层transformer之后，中间的隐藏层有49152个神经元。

也就是说，在进入第一层transformer再出去，已经获得了12亿个权重的参数。

可怕吗，这才第一层，还有95层。

最后出来的结果，有1750亿个。

而这，只是一个词。

而大模型就是，在这1750亿个通道里，找到最准确，最符合正确意思同往下一个词。

而恐怖的地方就在于，大模型确实是人类造的，但是至今没有任何一个人或者团队，能理解它到底是如何实现的？

自此，人工智能开始成为一个黑箱。

没有人能知道它究竟是怎么理解人所说的话的，但它就是理解人类了。

传统的人工智能，是程序员编写，根据人类的逻辑去进行运转。

但大模型，完全是自主自发行为，它是自己去找到人们所说的话真正含义。

（说的比较简单，有兴趣可以自己研究一下，不在赘述。）

就像这个游戏一样，或许一开始它是可控的，还是设计师原型师笔下的产物。

可是忽然有一天，它自己进化了。

就像大模型一样，它自己升级自主进化，成了人们完全理解不了的东西。

所以游戏才会失控，所以这里的世界，才会是真实的世界。

因为它早就——

成为真实的世界了。

“叮铃铃。”

楚月的手机响了。

她当下手中的面包，接听了电话。

“您好，我是xx公司的HR，恭喜您通过了最后一场面试。”

“请在明天十点前准时到公司报告，办理入职手续。”

楚月的眼眸微微弯起。

看来很顺利。

“好的，我知道了。”

.

...