最近，各类AI大模型频频出现在信息流里，从ChatGPT到Alpaca，从ChatGLM到Bloom，更新速度让人产生“再不了解就落后”的紧迫感。

不过，真正训练大模型并不是普通人轻易能做的事。通常要准备大量高性能显卡，也就是常说的“炼丹卡”，或者直接使用超算资源，仅预算就会让多数人止步。

但AI已经进入日常，跟不上变化的人可能会被时代甩开。所以，普通人也有必要懂一点AI知识。与其只看产业影响和人类未来的宏大讨论，不如换一个工程师的做法：亲手搭建并运行一个很小的AI模型，通过完整流程理解它到底怎样工作。下面以手写数字识别为例，做一次接地气的入门实践。

AI模型如何工作

神经网络是AI中一类重要计算模型。深度学习借助神经网络完成特征学习和模式分析，在图像识别等场景中用得很多。手写数字识别是最基础的例子，适合观察一个神经网络模型如何运转。

MNIST是一个开源数据集，包含6万张手写数字图像，每张是28×28像素的黑底白字。有了它，就可以训练一个识别手写数字的模型，这个练习常被称为AI界的“Hello, world”。

实现时使用卷积神经网络（CNN），代码层面用PyTorch训练框架。PyTorch底层由C++开发，外层用Python调用，容易上手。先确认机器装有Python3，再安装PyTorch 2：

pip install torch torchvision torchaudio

如果电脑有CUDA环境，也可以安装GPU版本，训练会更快。

编写模型

环境准备好后，可以先让AI生成一段用CNN识别MNIST的PyTorch代码：

import torch.nn as nn

class NeuralNetwork(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(1, 32, 3, 1)
self.conv2 = nn.Conv2d(32, 64, 3, 1)
self.fc1 = nn.Linear(in_features=64 * 5 * 5, out_features=128)
self.fc2 = nn.Linear(in_features=128, out_features=10)

def forward(self, x):
x = nn.functional.relu(self.conv1(x))
x = nn.functional.max_pool2d(x, kernel_size=2)
x = nn.functional.relu(self.conv2(x))
x = nn.functional.max_pool2d(x, kernel_size=2)
x = x.view(-1, 64 * 5 * 5)
x = nn.functional.relu(self.fc1(x))
x = self.fc2(x)
return x

如果看不懂，可以继续问AI。简单说，这段代码定义了两个卷积层和两个全连接层：输入是1通道图片，经过卷积和池化后进入全连接层，最后输出10个分类结果，分别对应0到9这10个数字。

训练

接下来用MNIST训练模型。PyTorch已经集成这个数据集，下载、读取和加载都可以自动完成。数据集分成训练集和测试集：训练集用于学习，测试集用于检查效果。首次运行会自动下载并解压，解压后约55M。每批读取64张图片。

训练时先定义损失函数和优化器，再反复执行“前向计算—计算损失—反向传播—更新参数”，每轮结束后在测试集上评估准确率。核心流程可以写成：

loss_fn = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)
epochs = 5

for t in range(epochs):
train(train_dataloader, device, model, loss_fn, optimizer)
test(test_dataloader, device, model)

torch.save(model.state_dict(), 'mnist.pth')

完整程序会打印每一轮的loss和accuracy，并把训练好的模型保存为mnist.pth。用CPU训练5轮，每轮大约30秒；如果使用GPU，速度会明显提升。运行结果中，loss从第1轮的0.177下降到第5轮的0.018，准确率从97.21%升到98.95%，最终接近99%。

使用模型

模型保存后，就可以拿真实手写图片测试。用PS手绘几张数字图片，加载mnist.pth，把图片调整为28×28，反色，再转成灰度张量，送入模型。程序通过softmax得到0到9各自的概率，取概率最大的类别作为预测结果。

关键处理步骤如下：

image = Image.open(path).convert('RGB').resize((28, 28))
image = ImageOps.invert(image)

trans = transforms.Compose([
transforms.Grayscale(1),
transforms.ToTensor()
])
image_tensor = trans(image).unsqueeze(0).to(device)

output = model(image_tensor)
probs = torch.nn.functional.softmax(output[0], 0)
predict = torch.argmax(probs).item()

对10张测试图片依次运行，程序会打印预期数字、实际预测和对应概率。把模型训练、评估、保存、加载、推理这一圈完整跑通后，就能对AI模型的工作方式形成直观认识，而不是只停留在概念和焦虑里。