数字化转型网人工智能研习社关注人工智能从技术到落地的全方面，包含机器学习算法、深度学习架构、自然语言处理（NLP）技术、计算机视觉技术、AI+医疗健康、AI+交通出行、AI+金融、AI+制造、AI+消费品、AI+互联网、数据隐私和安全、算法公平性、产业生态建设、政策法规制定与完善等。
很多技术人员都喜欢从技术的角度去理解大模型，而不在乎其应用场景；但大模型的技术与应用场景，就像一块硬币的一体两面，是不可分割的两个部分。
大模型技术与应用场景的结合才有了大模型的生存空间，离开了一方，另一方就没了存在的意义。
下面我们从两个角度考虑大模型的问题：
一是从技术的角度去考虑大模型的应用场景；二是从应用场景的角度去优化大模型或者说提升大模型的能力。
先说从技术的角度去思考大模型的应用场景；在此之前我们需要梳理一件事，那就是从技术的角度来说，大模型能做哪些事情？
首先，还是老生常谈的大模型的一个应用领域——AIGC，也就是说大模型能够生成内容；第二，大模型能够阅读外部文档，然后去回答它之前不懂的问题；第三，大模型具有简单的逻辑推理能力。
这个基本上属于大模型最常见的几个能力点；那么通过这些能力能让大模型做什么呢？
数字化转型网人工智能研习社包含哪些内容
数字化转型网人工智能研习社关注人工智能从技术到落地的全方面，包含机器学习算法、深度学习架构、自然语言处理（NLP）技术、计算机视觉技术、AI+医疗健康、AI+交通出行、AI+金融、AI+制造、AI+消费品、AI+互联网、数据隐私和安全、算法公平性、产业生态建设、政策法规制定与完善等。
