内容简介
本书深度探讨了构建和训练ChatGPT模型涉及的核心技术，以及ChatGPT在各种实际应用中的作用。全书精心划分为三部分，其中第1章为第1部分，第2章为第2部分，第3章和第4章为第3部分。首先，详细阐述了机器学习的历史演变与各种学习范式，同时也揭示了在人工智能生成内容（AIGC）领域下，图像处理和自然语言处理技术的历史发展趋势；接下来，对ChatGPT的运行机制和关键算法进行深度解析，包括大规模模型结构、上下文学习、强化学习、涌现机制等，引导读者深刻理解ChatGPT的本质和相应算法原理；最后，从应用角度出发，展示了ChatGPT在推动生产力变革方面的潜力，全面解析了ChatGPT在科研、教育、出版、医疗等行业的影响和未来前景。阅读本书后，读者可以获得对AIGC和ChatGPT的全面而深入的理解。本书旨在服务不同层次的读者。对于初学者，它可作为一部理解深度学习技术的入门教材；对于从事自然语言处理研究、应用实践的科研人员和工程技术人员，它提供了深度的理论洞见和实践参考；对于那些在文本工作领域从业的人士，本书同样有着重要的参考价值。
作者简介
邱才明｜华中科技大学电子信息与通信学院院长、教授、博士生导师，国家重大人才工程A类，IEEE Fellow（2014 Class），中国人工智能学会智慧能源专业委员会常务委员，广西交通设计集团综合交通大数据人工智能技术特聘专家，中国电工技术学会人工智能与电气应用专业委员会副主任，通信和工业大数据领域世界知名专家。出版大数据领域3本专著，发表200余篇学术论文，参与制定3GPP和IEEE标准15项。曾任上海交通大学讲席教授、大数据工程技术研究中心主任，贝尔实验室研究员，作为创始人、CEO在美国创立Wiscom（威斯康）科技。
凌泽南｜华中科技大学电信学院助理研究员，长期致力于研究基于高维统计的深度学习理论分析，发表多篇国际顶级SCI期刊及EI会议（IEEE TPAMI、IEEE TSG、ICML、AISTATS等）论文，获授权专利1项，多次担任IEEE TPAMI、JMLR、NeurIPS、ICML、AISTATS等机器学习领域顶级期刊或会议审稿人。多次作为核心骨干参与国家级重点研发项目。
冯湛搏｜上海交通大学计算机科学与工程系直博研究生，主要研究强化学习、深度强化学习技术、图像生成。曾获得多项国家级一等奖；完成1项校级大学生创新创业项目（合格），1项国家级大学生创新创业项目（优秀）；发表多篇学术论文。
杨 昊｜华中科技大学人工智能与自动化学院博士研究生，主要研究深度学习、图像复原、生成模型，曾发表多篇学术论文。
凌泽南｜华中科技大学电信学院助理研究员，长期致力于研究基于高维统计的深度学习理论分析，发表多篇国际顶级SCI期刊及EI会议（IEEE TPAMI、IEEE TSG、ICML、AISTATS等）论文，获授权专利1项，多次担任IEEE TPAMI、JMLR、NeurIPS、ICML、AISTATS等机器学习领域顶级期刊或会议审稿人。多次作为核心骨干参与国家级重点研发项目。
冯湛搏｜上海交通大学计算机科学与工程系直博研究生，主要研究强化学习、深度强化学习技术、图像生成。曾获得多项国家级一等奖；完成1项校级大学生创新创业项目（合格），1项国家级大学生创新创业项目（优秀）；发表多篇学术论文。
杨 昊｜华中科技大学人工智能与自动化学院博士研究生，主要研究深度学习、图像复原、生成模型，曾发表多篇学术论文。
目录
封面
版权信息
内容简介
作者简介
前言
第1章 人工智能生成内容简史
1.1 人工智能技术历史
1.2 深度学习技术
1.2.1 监督学习
1.2.2 无监督学习
1.2.3 强化学习
1.3 计算机视觉
1.3.1 图像分类
1.3.2 目标检测
1.3.3 图像生成
1.4 人工智能与自然语言处理
1.4.1 文本分类
1.4.2 机器翻译
1.4.3 对话聊天和文本生成
本章小结
第2章 ChatGPT
2.1 ChatGPT发展历程
2.2 大规模语言模型
2.2.1 概述
2.2.2 Transformer的网络架构
2.2.3 从概率模型到上下文学习
2.2.4 BERT模型
2.2.5 GPT模型
2.3 以Prompt为基础的指令微调
2.3.1 完形填空
2.3.2 前缀
2.3.3 自动
2.4 人在环路的强化学习训练
2.4.1 概述
2.4.2 人在环路强化学习
2.5 大语言模型的涌现机制
本章小结
第3章 ChatGPT应用与探索
3.1 ChatGPT带来的技术浪潮
3.2 ChatGPT使用技巧
3.2.1 Prompt魔法
3.2.2 插件和应用
3.3 ChatGPT决定行业竞争力
3.3.1 IT行业
3.3.2 金融行业
3.3.3 法律行业
3.3.4 教育行业
3.3.5 传媒行业
3.3.6 医疗保健行业
3.3.7 其他案例
3.4 ChatGPT的局限
3.4.1 ChatGPT能否取代搜索引擎
3.4.2 ChatGPT生成能力的局限
本章小结
第4章 从人工智能到通用人工智能
4.1 近在咫尺的辅助式人工智能
4.1.1 当下的“通用”人工智能
4.1.2 人工智能面临的挑战
4.1.3 通用人工智能的曙光
4.2 笼罩在ChatGPT上的阴云
4.2.1 ChatGPT的内容属于谁？
4.2.2 ChatGPT有创造性思维吗？
本章小结
版权信息
内容简介
作者简介
前言
第1章 人工智能生成内容简史
1.1 人工智能技术历史
1.2 深度学习技术
1.2.1 监督学习
1.2.2 无监督学习
1.2.3 强化学习
1.3 计算机视觉
1.3.1 图像分类
1.3.2 目标检测
1.3.3 图像生成
1.4 人工智能与自然语言处理
1.4.1 文本分类
1.4.2 机器翻译
1.4.3 对话聊天和文本生成
本章小结
第2章 ChatGPT
2.1 ChatGPT发展历程
2.2 大规模语言模型
2.2.1 概述
2.2.2 Transformer的网络架构
2.2.3 从概率模型到上下文学习
2.2.4 BERT模型
2.2.5 GPT模型
2.3 以Prompt为基础的指令微调
2.3.1 完形填空
2.3.2 前缀
2.3.3 自动
2.4 人在环路的强化学习训练
2.4.1 概述
2.4.2 人在环路强化学习
2.5 大语言模型的涌现机制
本章小结
第3章 ChatGPT应用与探索
3.1 ChatGPT带来的技术浪潮
3.2 ChatGPT使用技巧
3.2.1 Prompt魔法
3.2.2 插件和应用
3.3 ChatGPT决定行业竞争力
3.3.1 IT行业
3.3.2 金融行业
3.3.3 法律行业
3.3.4 教育行业
3.3.5 传媒行业
3.3.6 医疗保健行业
3.3.7 其他案例
3.4 ChatGPT的局限
3.4.1 ChatGPT能否取代搜索引擎
3.4.2 ChatGPT生成能力的局限
本章小结
第4章 从人工智能到通用人工智能
4.1 近在咫尺的辅助式人工智能
4.1.1 当下的“通用”人工智能
4.1.2 人工智能面临的挑战
4.1.3 通用人工智能的曙光
4.2 笼罩在ChatGPT上的阴云
4.2.1 ChatGPT的内容属于谁？
4.2.2 ChatGPT有创造性思维吗？
本章小结
[ ChatGPT漫谈下载地址 ]
最后修改：2024 年 08 月 13 日
© 允许规范转载