Alec Radford 如何改變生成式 AI？從 GPT、CLIP 到 Whisper

Alec Radford 如何改變生成式 AI？從 GPT、CLIP 到 Whisper

先講結論： Alec Radford 的研究脈絡從生成模型與 GPT 預訓練延伸到 CLIP 圖文對齊、Whisper 語音辨識，展示大規模預訓練如何跨越文字、圖像與語音；這些成果由團隊共同完成，不能簡化成單一發明者故事。

Alec Radford 的重要性在哪裡？ 他的研究把大資料預訓練與可轉移表示推進成生成式與多模態 AI 的共同路線。

DCGAN 帶來什麼影響？ 它展示卷積式 GAN 可以從無標註圖像學到具有結構的視覺表示，成為早期生成模型的重要節點。

GPT 的核心方法是什麼？ GPT 以自回歸 next-token prediction 預訓練文字表示，後續能力仍取決於資料、規模、微調與評估。

GPT-2 為何是轉折？ 它把規模放大並展示只靠語言模型訓練也可能出現翻譯、問答與摘要等零樣本能力。

CLIP 解決什麼問題？ CLIP 以圖像與文字配對建立共同表示，支援零樣本分類與跨模態搜尋，但會受資料偏差與提示影響。

Whisper 的特色是什麼？ 它結合大規模語音資料與多語言辨識，實際準確度仍會隨口音、噪音與領域變化。

為什麼要區分團隊與個人貢獻？ GPT、CLIP、Whisper 等成果都有共同作者、研究團隊與社群延伸，不能把複雜工程歸功單一人物。

如何公平比較模型 benchmark？ 必須標示資料集、版本、任務、提示與評估方式，避免把跨模態結果直接互比。

研究 Radford 時要注意哪些治理問題？ 開放權重或研究成果帶來便利，也要檢查授權、資料來源、濫用風險與部署治理。

<

p class=”wp-block-paragraph”>Alec Radford 很少像 AI 公司執行長一樣頻繁出現在媒體版面，但他的名字持續出現在生成式 AI 幾個關鍵轉折：DCGAN、2018 年的生成式預訓練、GPT-2、CLIP 與 Whisper。沿著這條研究軌跡，可以看見一個清楚的方法演進：用足夠廣泛的資料與可擴張的訓練目標取得通用表示，再觀察能力能否轉移到原本沒有專門訓練的任務。

因此，理解 Alec Radford 的價值，不需要把他塑造成單一模型的「發明者」。更準確的角度，是觀察他參與的研究如何反覆把大規模預訓練推向新的資料類型，從圖片、文字一路延伸到視覺語言與語音。

• 2015 年，Alec Radford 與 Luke Metz、Soumith Chintala 提出的 DCGAN 工作，證明卷積式 GAN 可以在無標註圖像中學到具有結構的視覺表示。
• 2018 年 OpenAI 的生成式預訓練研究，把 Transformer、無監督語言模型預訓練與下游微調組成可擴張的方法，形成早期 GPT 技術路線。
• 2019 年 GPT-2 再把規模放大，開始明確展示只靠語言模型訓練也可能出現翻譯、問答與摘要等零樣本能力。
• 2021 年 CLIP 把自然語言當成視覺監督訊號，讓同一個模型可以用文字描述新的圖像分類任務。
• 2022 年 Whisper 再把規模化資料訓練推進語音辨識，以跨語言、跨資料集的穩健性取代只追求單一測試集分數的思路。

文章實體化：Alec Radford 與生成式 AI 的三條路線

Alec Radford 的影響力，來自他把生成式 AI 的能力沿著三條路線推開：GPT 以自回歸語言模型學習文字序列，CLIP 把圖片與文字放進共同表示空間，Whisper 則用大規模弱監督資料處理語音辨識。三者共同改變了模型如何從資料中學會可遷移的表示。

• GPT：理解 next-token prediction、規模化訓練與語言生成能力的關係。
• CLIP：看圖文對比學習如何建立搜尋、分類與跨模態理解的基礎。
• Whisper：聚焦多語言語音資料、弱監督訓練與實際轉錄的魯棒性。

本文以「Alec Radford、GPT、CLIP、Whisper、生成式 AI、語言、圖文對齊與語音」為主線，補回人物、作品、技術節點、產業場景與它們之間的因果關係，讓讀者能從具名實體一路追到實際流程、文化語境與影響。

DCGAN已經出現Radford後來反覆使用的研究方法

Alec Radford 在生成式 AI 技術史上的早期代表作，是 2015 年與 Luke Metz、Soumith Chintala 合作的〈Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks〉。

當時 GAN 已經存在，但訓練不穩定仍是實際問題。DCGAN 透過一系列卷積網路架構設計，讓生成器與判別器更容易穩定訓練。論文另一個重要結果，是模型在沒有人工類別標籤的情況下，也能逐層形成具有語意的視覺表示。

這件事比「GAN 可以生成更好的圖片」更值得注意。Radford 後來參與 GPT、CLIP 與 Whisper 時，可以再次看到類似研究問題：如果模型接觸到規模夠大、分布夠廣的資料，它能不能自行學出可被其他任務重新利用的表示？

這條問題意識，後來成為生成式 AI 擴張的重要基礎。

2018年的生成式預訓練為何成為GPT起點

Transformer 並不是 Alec Radford 發明的。2017 年〈Attention Is All You Need〉由 Google 團隊提出 Transformer 架構；OpenAI 在 2018 年進一步探索的是，如何把 Transformer 與大規模語言模型預訓練結合起來。

OpenAI 的生成式預訓練研究分成兩個主要階段。模型先在大量沒有人工任務標籤的文字上進行語言模型訓練，再使用少量有標註資料針對分類、推論、問答等任務微調。

重要變化在於，同一套核心模型可以服務多種不同 NLP 任務。

在此之前，許多自然語言處理系統仍高度依賴針對單一問題設計模型與資料。生成式預訓練則把研究重心逐漸移向「先建立通用模型，再把能力轉移到不同任務」。

今天回頭看，2018 年這項工作的重要性不只在名稱後來被簡化為第一代 GPT。它更早提出了一個會持續放大的工程假設：只要預訓練本身持續改善，下游任務也可能跟著受益。

GPT-2把問題進一步推到零樣本能力

2019 年 GPT-2 將這條路線大幅放大。OpenAI 公布的最大版本具有 15 億參數，訓練資料來自約 800 萬個網頁、約 40GB 文字。

模型的核心訓練任務仍然非常單純：根據前面的文字預測下一個詞。

但規模放大後，研究團隊開始觀察到值得追蹤的現象。GPT-2 在沒有為部分特定任務重新訓練的情況下，已能透過文字提示處理閱讀理解、摘要、翻譯與問答等任務。OpenAI 當時的公開說明與技術報告也把零樣本表現列為重要觀察。

這使大型語言模型的研究問題發生改變。

研究者開始更認真地追問：如果一個模型把大量人類文字都壓進同一個預測任務，是否能在訓練過程中連帶學到完成其他任務所需要的結構？

這條思路後來在更大型的語言模型中持續發展。YOLO LAB 另一篇從 GPT-2 比較到 Kimi K3 的架構文章，處理的是模型如何進一步重做注意力、記憶與專家系統；Alec Radford 這篇則聚焦更早的起點：為什麼「通用預訓練」會變成整個 LLM 時代的基本假設。

Image GPT證明同一套問題不必停在文字

2020 年 OpenAI 發表 Image GPT，直接把 GPT-2 類型的 Transformer 應用到像素序列。

Image GPT 並沒有成為今天最主流的圖像生成架構，但它提供了一個重要實驗：文字和圖片看起來是完全不同的資料，模型卻可以把圖片重新表示成序列，再使用相近的自回歸預測方式學習。

這項研究再次把焦點放到「方法能不能跨領域」。

如果同一類序列建模方法可以在文字與像素上都學到有用表示，那麼下一個問題自然會變成：文字本身能不能直接成為理解圖片的監督訊號？

CLIP 很快回答了這個問題。

CLIP讓自然語言成為視覺模型的介面

2021 年 OpenAI 發表 CLIP，Alec Radford 是主要作者之一。

CLIP 的核心方法與 GPT 不同。它不需要生成下一個詞，而是同時訓練圖像編碼器與文字編碼器，學習哪些文字描述應該和哪些圖片靠近。

這項設計帶來一個重要改變：模型不再被限制在訓練時預先定義好的固定分類標籤。

假設使用者要辨識「狗」、「速克達」或某種新的視覺概念，可以直接透過自然語言建立候選描述，CLIP 再判斷圖片與哪一段文字最接近。這使文字開始扮演視覺模型的通用控制介面。

後來大量圖像生成、圖文檢索與多模態系統都利用相似的文字—圖像表示空間。CLIP 本身並不能代表後來所有多模態模型的架構，但它清楚證明一件事：自然語言可以成為連接不同模態的重要中介。

從 GPT 到 CLIP，Radford 參與的研究開始由「同一個文字模型能完成多少任務」，走向「自然語言能連接多少不同類型的資料」。

Whisper把規模化訓練帶進語音

2022 年的 Whisper 又把這條技術軌跡推到另一種模態。

OpenAI 使用約 68 萬小時的多語言、多任務語音資料訓練 Whisper。研究目標沒有集中在為某一個語音資料集反覆微調，而是希望建立一個能直接面對不同錄音環境、語言、口音與翻譯需求的通用模型。

這項選擇非常重要。

傳統語音辨識模型可以在特定 benchmark 上做到非常高的準確率，但一旦錄音設備、背景噪音、語言或使用情境改變，實際表現未必同樣穩定。Whisper 選擇使用更大量、更多樣的弱監督資料，換取較強的跨資料集 zero-shot robustness。

它和 GPT、CLIP 使用的訓練目標並不相同，資料形式也不同，但方法上的共同點仍然很明顯：擴大資料分布、降低對單一任務人工設計的依賴，並把跨情境轉移能力視為模型價值的一部分。

Radford的研究軌跡為何能串起生成式AI技術史

把 DCGAN、GPT、GPT-2、Image GPT、CLIP 與 Whisper 放到同一條時間線，可以看到三個反覆出現的選擇。

1. 優先尋找可以擴張的訓練目標

下一詞預測、圖文對比、語音序列轉換的細節不同，但它們都有一個共同條件：可以持續餵入更多資料，而不需要人類為每筆資料重新設計高度專門的任務。

這使模型能力可以跟資料與運算規模一起擴張。

2. 把資料多樣性視為模型能力的一部分

GPT-2 希望從大量網路文字中取得通用語言能力；CLIP 利用廣泛圖文配對避免被固定分類標籤限制；Whisper則把不同語言、錄音條件與任務放入同一套訓練。

這種思路今天看來很熟悉，但在生成式 AI 發展史上，它代表模型開發方式逐漸由「為任務準備資料」，轉向「用廣泛資料建立基礎能力」。

3. 用零樣本轉移檢查通用性

GPT-2、CLIP 與 Whisper 都非常重視模型碰到沒有針對性訓練的新資料或新任務時，還剩下多少能力。

這也是今天 foundation model 最重要的評估問題之一。benchmark 可以告訴研究者模型在指定資料集上的表現，zero-shot 與跨分布測試則更接近「這個模型到底學到了多通用的表示」。

不能把這段歷史簡化成一位研究者

Alec Radford 的名字在這條技術史上很重要，但 GPT、CLIP、Whisper 都是大型團隊成果。

GPT 路線建立在 Transformer 等既有研究之上；GPT-2 的作者包含 Jeffrey Wu、Rewon Child、David Luan、Dario Amodei、Ilya Sutskever 等人；CLIP 與 Whisper 也都有跨研究、工程與資料團隊參與。

OpenAI 後來公布 GPT-4o 貢獻名單時，Radford 仍出現在 Language 與 Multimodal 的核心貢獻者之中。這段紀錄顯示他參與的研究脈絡已延續到更完整的多模態模型，但不能因此把團隊成果歸因給單一人物。

理解 AI 人物更有效的方法，是追蹤他反覆參與解決的技術問題，以及那些方法最後如何進入整個產業。若要理解 OpenAI 另一條「大型訓練系統與研究管理」路線，可延伸閱讀 YOLO LAB 的 Jakub Pachocki 研究角色解析。

為什麼2026年仍值得理解Alec Radford

今天的 AI 研究焦點已經進一步移向 reasoning、agent、長 context、工具使用與原生多模態，但 Alec Radford 過去十年的工作仍能解釋這些系統的一個共同前提：模型首先需要從大規模資料建立足夠廣泛的基礎表示。

在 GPT 出現之前，自然語言處理大量工作依賴任務專用模型；CLIP 出現之前，視覺分類高度依賴固定標籤空間；Whisper 則把語音辨識從針對單一資料集最佳化，推向更強調跨環境穩健性的方向。

Radford 的研究價值因此具有很強的連續性。

他的名字串起的幾個模型，剛好對應生成式 AI 十年間幾次重要邊界擴張：從無標註表示學習，到通用文字預訓練，再到文字連接視覺與大規模多語言語音。若要理解 OpenAI 研究路線後來為何進一步轉向超級智慧與安全問題，也可延伸閱讀 Ilya Sutskever 與 SSI。

Alec Radford常見問題

Alec Radford發明了GPT嗎？

不宜用單一「發明者」描述 GPT。Alec Radford 是 OpenAI 2018 年生成式預訓練研究的重要作者，該研究後來通常被稱為 GPT 或 GPT-1；模型本身則建立在 Transformer 與既有語言表示學習研究之上，並由多位研究者共同完成。

Alec Radford和GPT-2有什麼關係？

Alec Radford 是 GPT-2 技術報告的第一作者。GPT-2 把前一代生成式預訓練方法擴大到 15 億參數，並展示多項不經特定任務微調的 zero-shot 能力。

CLIP和GPT有什麼關係？

兩者訓練目標不同。GPT 以序列中的下一個 token 預測為核心；CLIP 則透過圖像與文字的對比式學習建立共同表示空間。兩者共享的重要研究方向，是利用大規模資料建立能轉移到新任務的通用表示。

Alec Radford也參與Whisper嗎？

有。Whisper 技術論文作者包含 Alec Radford、Jong Wook Kim、Tao Xu、Greg Brockman、Christine McLeavey 與 Ilya Sutskever。論文記錄 Radford 與 Jong Wook Kim 為主要貢獻者之一。

Alec Radford和Ilya Sutskever有什麼關係？

兩人共同署名或參與過 GPT-2、CLIP、Whisper 等多項 OpenAI 研究。若從技術史來看，Radford的研究軌跡較適合從預訓練與跨模態方法理解；Ilya Sutskever的研究脈絡則還延伸到深度學習、序列模型、規模化與AI安全。

把 Alec Radford 放回模型真正工作的物件旁

Alec Radford 很容易被寫成幾個模型名稱的串列：GPT、CLIP、Whisper，再加上 OpenAI 研究者的職稱。但模型不是漂浮在履歷上的概念，它們要處理的是一串串文字、一張張像素圖、一段段錄音，以及儲存與運算這些資料的伺服器。若要理解他的研究位置，應該把名字放回這些可觸碰的物件旁：資料集如何被收集、文字如何切成 token、圖片如何轉成數值、聲音如何變成波形與轉錄，最後又如何在 GPU 與使用者裝置之間流動。

這種實體化的閱讀也能避免兩個極端。一端把 Radford 說成 GPT、CLIP 或 Whisper 的唯一發明者，抹去共同作者、工程師、資料來源和基礎研究；另一端只把他寫成名字，卻不解釋研究成果到底改變了哪些工作流程。較準確的做法，是用論文與官方程式庫核對他參與的模型，再問每種方法把什麼資料、什麼設備與什麼人的工作接到一起。

GPT：從文字檔、token 到 GPU 記憶體

GPT 路線的核心可以先用一個很具體的場景理解：研究團隊把大量文字整理成可供模型讀取的序列，模型在每一個位置預測下一個 token，再把預測誤差反覆傳回參數。token 不等同於一個完整漢字、單字或句子，它是文字被切分後交給模型處理的單位。當文章、程式碼或對話被轉成 token，研究問題就不再只是「模型懂不懂語言」，而是資料如何進入記憶體、上下文如何排進批次，以及 GPU 能否在有限的顯存裡完成矩陣運算。

OpenAI 的 GPT-2 官方程式庫把模型權重、下載方式與範例程式放在同一個可執行脈絡中，提醒我們「模型」其實同時包含權重檔、推論程式、詞彙表與硬體環境。使用者不是只下載一個抽象的智慧，而是要取得數百 MB 到 GB 級的檔案，配置 Python 與運算設備，再把輸入文字送進模型。這些檔案大小、記憶體限制和推論時間，都是生成文字能否被真實使用的一部分。

因此，Radford 在 GPT 研究中的意義不宜簡化成「他發明了聊天機器人」。較精確的說法是，他參與把生成式預訓練變成一種可擴張的方法：先在大量未標註文字上學習語言序列，再觀察同一組參數能否轉移到不同任務。這條路線把研究室裡的文字檔、tokenizer、權重檔和 GPU 叢集，連到後來使用者眼前的輸入框；中間仍有許多共同作者與系統工程，不能由一個名字代替。

CLIP：像素與文字如何被放進同一個可比較的空間

CLIP 的實體起點不是一張漂亮的展示圖，而是網路上的圖像與文字配對。CLIP 原始論文記錄研究使用約四億個圖文配對，讓圖像編碼器與文字編碼器學習哪些圖片和哪些描述比較接近。換句話說，系統要處理的是像素陣列、圖片網址、文字欄位、批次資料與負樣本；「看懂圖片」這句話背後，其實有一條從影像檔到向量距離的工程管線。

CLIP 的 zero-shot 能力也能用實物來想像。把一張從未見過的街景交給模型，再把「一輛公車」「一座橋」「一間咖啡店」等文字標籤轉成向量，系統可以比較圖片和各個文字提示的相似度。它不必為每一個新分類重新製作完整的分類器，但這不代表它真正理解了照片中的人、地點與社會情境；圖片解析度、文字描述偏差、拍攝角度和資料集分布都會影響結果。

這裡的「跨模態」不是把文字和圖片神祕地融合，而是讓兩種資料各自經過編碼後，在同一個表示空間中可以比較。攝影機、掃描器或手機先產生影像檔，文字可能來自網頁標題、替代文字或周邊描述，訓練流程再把它們組成配對。Radford 參與的研究價值，在於把這個資料與方法的組合推向通用表示；真正部署時，仍要面對版權、隱私、偏見、錯誤標籤與圖片中的真實人物。

所以一張 Alec Radford 的官方個人圖片只能證明個人頁面提供了這張 profile 素材，不能當成 CLIP 架構圖、GPT 訓練資料或 Whisper 的辨識示意。本文保留這張圖片與來源說明，是為了辨識文章談論的人；模型本身則必須回到論文、程式庫和資料描述核對。把人物照片、研究成果和系統示意圖分開，反而能讓 AI 人物文章更可信。

Whisper：麥克風、波形與跨環境語音

Whisper 把抽象的「語音 AI」拉回一個人人都能想像的物件：麥克風錄下的音訊檔。原始論文描述以約 680,000 小時的多語言、多任務監督資料訓練語音處理系統；這些資料不是文字表格，而是包含說話速度、背景噪音、口音、音量和不同錄音設備的聲音。模型要把音訊切成可處理的表示，再預測文字，最後才形成字幕、逐字稿或翻譯等使用者看得到的輸出。

從現場角度看，Whisper 的問題不是「能不能聽見」這麼簡單。會議室裡有空調聲，街道上有車流，手機錄音可能離說話者很遠，影片又可能同時有音樂和多人重疊發言。音訊檔的取樣率、壓縮方式、分段長度與說話者輪替，會影響轉錄結果。官方 Whisper 程式庫提供模型與推論工具，讓研究成果從論文中的評估表走向本機命令、字幕工作流程與開發者實驗。

這也說明為什麼「零樣本」不等於「永遠正確」。當模型沒有針對某個人的聲音、某個會議室或某種方言重新微調，系統仍可能在新環境中工作，但錯字、漏句、專有名詞和說話者歸屬都需要人檢查。Radford 參與的 Whisper 研究把資料規模與跨環境穩健性推到重要位置，同時也把責任帶到錄音同意、敏感談話、字幕公開與錯誤修正。

三條路線共同改變的是資料進入模型的方式

GPT、CLIP 與 Whisper 看似分屬文字、圖像和語音，實際上都在處理同一個更大的研究問題：如何把原本需要人手逐一設計的任務，轉成能從大量資料建立通用表示的訓練流程。GPT 把文字序列變成下一個 token 的預測；CLIP 把圖片和文字放進可比較的向量空間；Whisper 把音訊與轉錄文字接起來。資料型態不同，但每條路線都要求研究者面對收集、清理、切分、儲存、運算和評估。

硬體也因此不能只在文章裡當成「算力」兩個字帶過。訓練需要 GPU、顯示記憶體、網路互連、儲存設備和散熱；資料中心需要電力、機櫃、備份與維護；推論端則可能是雲端伺服器、研究者的工作站、手機或邊緣裝置。這些設備不會自動產生研究成果，卻決定一個方法能否被重現、擴大或帶到真實環境。把 Radford 放回這條物質鏈，才看得出他的研究和工程團隊如何相互依賴。

同樣重要的是資料勞動。文字需要來源與格式整理，圖片需要配對與篩選，錄音需要轉錄和品質檢查；研究者還要設計評估集，確認模型不是只記住某些網站或噪音模式。當文章只寫「大規模資料讓模型更強」，就會把這些看不見的工作和資料提供者消失掉。更負責任的寫法，應該同時說明能力、限制、資料來源與誰要承擔錯誤後果。

從研究者名字到共同完成的系統

OpenAI 的研究論文往往列出長長的作者名單，這不是格式上的附註，而是理解 AI 歷史的必要線索。Radford 的名字出現在 GPT、CLIP 或 Whisper 的作者群中，代表他在那些研究中有可核對的參與；它不代表他一個人完成資料管線、訓練基礎設施、評估、產品化與風險判斷。把「參與」寫成「單獨發明」，會讓讀者錯誤理解技術如何被做出來。

對讀者而言，最有用的閱讀順序是先看物件，再看方法，最後看人物：這個研究處理什麼檔案或訊號？模型用什麼目標學習？官方程式庫能否讓人重現一個小型推論？哪些地方需要人審核？這樣讀 GPT-2 的權重與程式、CLIP 的圖文配對、Whisper 的音訊與轉錄，就能理解 Radford 的技術位置，而不必把他的職涯寫成幾個流行名詞的裝飾。

因此，Alec Radford 的代表性不只在於名字出現在生成式 AI 的幾個關鍵模型旁，也在於這些研究把文字、圖片與聲音轉成可訓練、可比較、可部署的表示。它們最後會回到人的手機、相機、麥克風、字幕時間軸、內容審核表與伺服器帳單。當文章把這些實體連結寫清楚，讀者才能判斷一項研究到底改變了什麼、仍然缺少什麼，以及一個 AI 人物的功勞應該如何在團隊與制度中被描述。

本輪核對的原始論文與官方工程資料

• OpenAI GitHub：GPT-2 官方程式庫，核對模型、程式與使用脈絡。
• OpenAI GitHub：CLIP 官方程式庫，核對 CLIP、zero-shot 與文字提示的工程資料。
• OpenAI GitHub：Whisper 官方程式庫，核對 Whisper、語音辨識模型與推論工具。
• arXiv：Learning Transferable Visual Models From Natural Language Supervision，核對 Alec Radford、圖文配對與約四億筆資料。
• arXiv：Robust Speech Recognition via Large-Scale Weak Supervision，核對 Alec Radford、語音辨識與 680,000 小時資料。
• Hugging Face：Alec Radford 官方個人頁，核對人物頁面與既有官方圖片來源。

資料來源

• Alec Radford、Luke Metz、Soumith Chintala：Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks
• OpenAI：Improving Language Understanding with Unsupervised Learning
• OpenAI：Better Language Models and Their Implications
• OpenAI：Image GPT
• OpenAI：CLIP: Connecting Text and Images
• OpenAI：Introducing Whisper
• OpenAI：GPT-4o Contributions

把 Alec Radford 放回 2015 到 2024 年的研究時間線，最清楚的是方法的連續性：尋找可以隨資料與算力擴張的訓練方式，再檢查模型能力能否跨任務、跨資料集甚至跨模態轉移。

DCGAN、GPT、CLIP 與 Whisper 解決的是不同問題，卻共同把生成式 AI 的研究重心推向更通用的預訓練、更廣泛的資料分布與更低的任務專用依賴。這也是 Alec Radford 在 AI 技術史中最適合被記住的位置。

以下圖片取自 Hugging Face 官方 Alec Radford 個人頁，補充本文對 GPT、CLIP 與 Whisper 研究工作的介紹；這是官方 profile 素材，不把它當成模型架構或訓練資料的示意圖。