1. 什么是分布式、集群

分布式：将一个业务拆分成多个不同的业务；

集群：多个服务器共同完成一个业务，所以就需要用到了负载均衡

注意：从狭义上理解，分布式也可以理解为集群，不要当杠精！

---

2. 什么是水平、垂直扩展

水平扩展：增加机器处理相同请求

垂直扩展：增加机器处理不同业务请求

比如：一个公司的计算机系统很大，为方便管理按照业务和平台拆分成不同部分，比如订单管理、商家管理、用户管理等多个部分，这可以立即为垂直拆分，比如订单管理QPS很大，单个服务器hold不住，就可以增加服务器，这就是水平扩展；

也可以从数据库层面分析，水平扩展就是增加相同结构的表存储结构，拆分规则可以根据用户ID等等；垂直扩展把一张大表按照业务进行细粒度拆分；

---

3. 什么是人工智能

人工智能（AI）： 可以理解为让机器可以像人一下去思考、感知以及做出决策；而人工智能的实现则主要依赖三部分：算法（AI的心脏，包括机器学习算法、深度学习网络）、数据（AI的基础，需要大量数据去学习以及决策）、算力（AI的前提，需要强大的硬件支持）

应用领域：自动驾驶汽车、智能家居、语音识别、人脸识别、医疗（智能诊断）、金融（股票预测、投资组合）、智能客服等等；

那什么是 机器学习 那？

机器学习（ML）：让机器在没有明确的规则或编程的情况下，通过算法多次迭代在海量的数据中去学习，提炼知识，类似于模拟人类去学习某项知识的能力；

那什么是 深度学习 那？

深度学习（DL）：利用神经网络 模拟人脑去学习海量数据并进行分层提炼，属于机器学习的一个子集

那什么是 神经网络 那？

神经网络是一种模拟人脑结构和功能的计算模型，用于处理和分析复杂的数据

那超级火 chatGPT 到底是什么？

ChatGPT，是英文 Generative Pre-trained Transformer 的缩写，中文译为生成式 预训练 模型，是由 AI 组织 OpenAI 开发的基于人工智能 的 聊天机器人。它属于自然语言处理（ NLP ）领域的一部分，使用了一种名为 Transformer 的 深度学习 模型架构。GPT 模型通过大量的文本数据进行预训练，能够理解和生成自然语言，可以给用户提供类似于人类的对话体验。

那什么是自然语言处理（ NLP ）？

自然语言处理（NLP） 是对使计算机能够处理、分析、解释和推理人类语言的技术和工具的研究和应用

那什么是 Transformer 的 深度学习 模型架构？

Transformer 是一种用于自然语言处理（NLP）任务的深度学习模型架构，它的核心思想是完全基于注意力机制（Attention Mechanism） ，而不是传统的循环 神经网络 （ RNN ）或卷积神经网络（ CNN ）

什么是注意力机制？

假设你在读一本书，但这本书非常长，你不可能一次性记住所有内容。当你遇到一个问题需要回忆书中的某个细节时，你会集中注意力在相关的章节或段落上，而不是从头到尾重新读一遍。 这种选择性地关注重要信息的过程，就是注意力机制的核心思想。

在计算机科学中，注意力机制帮助模型在处理长序列数据时，能够“关注”到序列中最相关的部分，而不是平均地处理所有部分。这使得模型在处理复杂任务时更加高效和准确。

例如，在机器翻译中，注意力机制可以帮助模型在翻译一个句子时，重点关注源语言句子中与当前翻译词最相关的部分，而不是整个句子。这大大提高了翻译的质量和准确性。

什么是循环 神经网络 （ RNN ）或卷积神经网络（ CNN ）？

循环神经网络（Recurrent Neural Network, RNN）是一种用于处理序列数据(文本、语音、视图) 的神经网络架构

卷积神经网络（Convolutional Neural Network, CNN）是一种主要用于处理图像数据（人脸检测、图像视图） 的神经网络架构