人工智能 (AI) 是涵盖范围最广的领域，旨在使机器能够模仿人类智能和认知功能，完成通常需要人类才能进行的复杂任务，例如问题解决、学习、面部识别和语音识别。
机器学习 (ML) 是 AI 的一个子集。ML 通过给计算机提供数据，让机器通过自我学习发现规则并做出预测或决策，而无需预先编写明确的规则。
深度学习 (DL) 则是 ML 的一个子领域。DL 的核心是使用多层神经网络 (NN) 来模拟人脑处理信息的方式。神经网络由相互连接的节点（人工神经元）层组成，包括输入层、隐藏层和输出层。深度学习算法通常使用超过三层的神经网络。与传统的 ML 相比，DL 在处理大规模非结构化数据方面更强大，并能自动化特征提取过程，因此被视为“可扩展的机器学习”。
Transformer 模型 是一种重要的深度学习架构，于 2017 年问世。它们通过并行处理整个输入序列并使用“自注意力”机制，在自然语言处理等领域取得了突破。
Transformer 模型是当前许多 生成式 AI (Gen AI) 应用的关键驱动力。生成式 AI 是 AI 的一个类别，能够根据用户的提示自主创建原创内容，如文本、图像、代码等。它依赖于深度学习模型，尤其是基于 Transformer 的模型。
