大語言模型能夠生成文本，因此被認為是生成式人工智慧的一種形式。
人工智慧的學科任務，是製作機器，使其能執行需要人類智慧才能執行的任務，例如理解語言，便是模式，做出決策。
除了大語言模型，人工智慧也包含了深度學習以及機器學習。
機器學習的學科任務，是透過演算法來實踐AI。
特別的，機器學習發展的算法，不需要精準編輯程式，就能從數據中學習，並作出預測與決策。
機器學習模型學習認知特定模式，是透過最小化訓練數據集上的的預測誤差，如此來對未來新的樣本進行預測與決策。
深度學習則是機器學習的子集，專注於使用深度神經網路來對數據中的複雜模式進行建模與抽象化。
對比深度學習，傳統機器學習則需要人工進行特徵抽取，也因此機器學習需要人類專家去辨別與選擇最相關的特徵來訓練機器學習模型。
然而，無論是機器學習或者是機器學習，訓練數據都需要有標籤。
而標籤一般來說還是得從專家或用戶等人類來取得。
大語言模型的訓練，則不一定需要數據本身有標籤。
