AI、机器学习、深度学习、大模型别再混成一锅粥

四个词是包含关系，不是四个名字叫同一只猫

图1 它们像套在一起的盒子：外层更大，里层更具体。

上一篇把时间线铺开之后，评论和聊天里出现得最多的，不是某个年份，而是四个词被随口替换：

「这个 AI 好聪明。」「这不就是机器学习吗。」「深度学习能写诗了。」「大模型不就是 ChatGPT 吗。」

四个词常常被当成同一个东西。相关，没错；相等，不对。

图2 同一台机器，被叫了四个名字。先别急着对号，先看它们怎么套在一起。

今天只记住一句：AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 大模型。是包含，不是等于。

一张图看完关系

最外圈是人工智能，意思很宽：让机器表现出某种“聪明”。里面只是其中一条主路，叫机器学习——不靠人把规则写死，而靠数据自己找规律。机器学习里，现在最风光的一条支路叫深度学习。深度学习里，再挑出近几年被做得很巨大、能对话能写能画的那一类，才是大模型。

图3 外圈装得下很多不是大模型的 AI；你手机里的对话框，只是最里面那一圈。

所以：说 ChatGPT 是 AI，对；说所有 AI 都是 ChatGPT，错。推荐购物、识别验证码、邮箱垃圾过滤，很多也是 AI，但并不是大模型。

用交通来记，不容易忘

如果套娃还是抽象，换一个生活类比。

图4 AI 是整个交通；机器学习是汽车；深度学习是发动机；大模型是这一代开上马路的量产车。

交通里不只有汽车。自行车、火车、飞机都在运人，对应人工智能里也不只有“从数据里学”这一种办法。早期靠人写规则的程序，也算 AI，就像自行车也算交通工具。

汽车是交通里特别常用的一种。机器学习也是：先给例子，再让机器自己总结。

发动机是汽车能跑起来的关键部件之一。深度学习就是当今机器学习里最强的那台发动机。

你在街上看到的新能源车，是这代被大规模造出来、普通人能开的车。大模型就是这代被做成产品、谁都能打开对话框用的那一种深度学习。

看到一辆车，你可以说“这是交通”，但不能说“交通就是这辆车”。

第一个词：AI 到底在说什么

人工智能是目标，不是某一种算法。目标是：让机器去做过去好像只有人能做的事——认东西、做决定、说话、下棋、安排行程。

达到这个目标，路不止一条。

1997 年赢国际象棋的深蓝，更多是算力和搜索；2016 年的 AlphaGo，已经大量用了学习。两者都叫 AI，但不是同一种做法。把 AI 理解成“一个万能大脑的名字”，后面所有新闻都会听岔。

第二个词：机器学习，是换了一种教法

机器学习要解决的，是一个很老实的问题：规则写不完。

“西红柿是红的”好写。可世界上的猫有短毛、长毛、加菲、夜拍、只露半张脸，你写不完所有规则。于是换办法：不要写“猫长什么样”，改成“给你十万张猫的照片，你自己看”。

图5 左边是人写说明书；右边是给例子让机器自己记笔记。后者就是机器学习。

邮箱为什么能拦住大部分垃圾邮件？购物软件为什么越看越懂你？相册为什么自动把同一张脸归到一堆？多半是机器学习在干活：它见过足够多的“是”和“不是”，再遇到新邮件、新商品、新照片，就按以前的经验猜。

它猜得准，是因为例子够多、规律够稳。换一个从没见过的场景，它会很老实地点头，然后错得理直气壮。这不是它突然变坏，是它本来就不会“懂”，只会“像”。

第三个词：深度学习，是把学习叠成很多层

机器学习里有很多种做法。有的像画一条分界线，有的像查一张对照表。深度学习是其中特别能对付复杂信号的一种：把很多层很薄的“识别网”叠起来。

第一层可能只看到线条，第二层看到耳朵的弧度，再往上才拼出“这大概是一只猫”。人不需要告诉它“先找胡须”，层叠本身会把简单特征凑成复杂概念。

图6 深度学习：不是一次看懂，是一层层往上认。

2012 年图像识别比赛里一炮打响的，就是这种叠层网络。从那以后，语音、翻译、人脸、自动驾驶感知，主路上走的大多是它。

“深”不是神秘，只是层数多。层数多，才能从像素、声波、文字这种很碎的原料里，慢慢拼出能用的意思。

第四个词：大模型，是深度学习被做到“能对话”的那一档

大模型，尤其是大语言模型，可以先记成一句话：

先用海量文字（现在还有图、音、视频）把一个很深的网络喂饱，再让它根据你的提问，一个字一个字往下接。

它不是把百科全书存在抽屉里供你查阅。更像一个读过一座图书馆的人，你问一句，它按“下一句最可能怎么接”来回答。接得顺，你会觉得它懂；接错了，它也常常说得很稳。上一篇里 ELIZA 的教训，在这里仍然有效：流畅不等于理解。

图7 大模型先“读”，再“聊”。读过不等于事事正确，只是很会往下接。

你平时打开的 ChatGPT、豆包、Kimi、通义、DeepSeek、Claude，用的就是这一档。它们是 AI，是机器学习，是深度学习，也是大模型——四句话同时成立，因为最里面那一层，被外面三层都包住了。

图8 你咬到的是最上面那口。底下那几层并没有消失，只是被藏进产品里了。

再补一个容易混的词：生成式 AI

新闻里还有一个词也常和上面四个搅在一起：生成式人工智能。它说的不是“在哪一层”，而是“在干什么”。

图9 判别是盖章：这是不是猫。生成是动笔：画一只没人拍过的猫，写一段没人写过的话。

相册自动分类，偏判别：判断这张照片属于谁。对话框写稿、画图、做视频，偏生成：从无到有造出一段内容。大模型之所以让普通人觉得“AI 突然会了”，是因为它把生成做成了谁都会用的对话框。

判别没有过时。银行风控、质检、推荐、语音转文字，大量仍然是在判别。只是生成更出圈，出圈的东西更容易抢走所有名字。

对号入座：你每天碰到的，到底是哪一层

下次听发布会，可以先问一句：它是更会认、更会猜、更会写，还是只是把旧功能换了个名字？问完这一句，四个词就不容易再搅成一锅。

三个常见误会，放在这里一起拆

误会一：会聊天 = 真的懂

大模型擅长的是把话接圆。圆，不等于对。合同、药、钱、代码上线，仍然要人看最后一眼。

误会二：所有 AI 都会写文章

推荐系统和人脸识别通常不会给你写八百字游记。它们很专，也很有用。AI 不是只有对话框这一种形态。

误会三：大模型出现了，其他方法可以退休

很多公司问题其实很小：预测库存、识别异常、给老客户排序。这类事，小而专的模型往往更便宜、更稳。大模型是万能锤子，不是唯一锤子。

收束：出门带一张卡片

判断口诀：AI 是伞，机器学习是路，深度学习是发动机，大模型是这代开上街的车。你坐上车，不代表交通两个字只等于这一辆。

写在最后

四个词拆开之后，看新闻会轻松很多。有人说“AI 替代工作”，你至少能问：替代的是认、是猜，还是写？有人说“我们上了大模型”，你至少能问：是真的需要生成，还是只需要把老分类器换个招牌？

下一篇会把另一个更吓人的词组摊开：弱人工智能、强人工智能、AGI。2026 年我们每天在用的，到底站在哪一层。