封面
版权信息
版权
版权声明
内容提要
译者简介
译者序
作者简介
审阅者简介
前言
第一部分 生成式人工智能与GPT模型基础
第1章 生成式人工智能概述
本章主要内容
1.1 什么是生成式人工智能
1.1.1 生成式人工智能的应用
1.1.2 文本生成
1.1.3 图像生成
1.1.4 音乐生成
1.1.5 视频生成
1.2 研究历程和新发展
1.3 小结
第2章 与OpenAI和ChatGPT面对面
本章主要内容
2.1 技术要求
2.2 什么是OpenAI
2.3 OpenAI系列模型概述
2.4 通往ChatGPT之路：模型背后的数学原理
2.4.1 RNN的结构
2.4.2 RNN主要的局限
2.4.3 克服局限——引入Transformer
2.4.4 GPT-3
2.5 ChatGPT
2.6 小结
2.7 参考资料
第二部分 ChatGPT应用
第3章 熟悉ChatGPT
本章主要内容
3.1 设置ChatGPT账户
3.2 熟悉界面
3.3 组织对话
3.4 小结
第4章 了解提示设计
本章主要内容
4.1 什么是提示，提示为什么重要
4.2 零样本学习/一次样本学习/少样本学习——Transformer模型的典型功能
4.3 定义明确的提示规则，以获得相关和一致结果
4.4 应避免隐性偏见的风险，并在ChatGPT中纳入伦理道德考量
4.5 小结
第5章 ChatGPT助力生产力提升
本章主要内容
5.1 技术要求
5.2 日常小助手——ChatGPT
5.3 文本生成
5.4 提升写作技能和优化翻译效果
5.5 快速检索信息和竞争情报
5.6 小结
第6章 ChatGPT助力软件开发
本章主要内容
6.1 为什么开发人员需要ChatGPT？
6.2 生成、优化和调试代码
6.3 生成文档和代码可解释性
6.4 理解机器学习模型可解释性
6.5 不同编程语言之间的转换
6.6 小结
第7章 ChatGPT助力营销
本章主要内容
7.1 技术要求
7.2 营销人员对ChatGPT的需求
7.3 新品研发和上架策略
7.4 用于营销对比的A/B测试
7.5 促进搜索引擎优化（SEO）
7.6 用于提高质量和提高客户满意度的情绪分析
7.7 小结
第8章 ChatGPT助力科学研究
本章主要内容
8.1 研究人员对ChatGPT的需求
8.2 收集文献资料
8.3 就实验的设计和研究框架的制订提供支持
8.4 生成和格式化参考文献
8.5 生成演示文稿
8.6 小结
第三部分 企业OpenAI
第9章 企业OpenAI和ChatGPT——Azure OpenAI
本章主要内容
9.1 技术要求
9.2 OpenAI和微软的合作以及Azure OpenAI服务
9.2.1 微软的AI发展历程
9.2.2 Azure OpenAI服务
9.2.3 探索Playground
9.3 引入公共云的目的
9.4 负责任的AI
9.4.1 微软对负责任的AI的研发历程
9.4.2 Azure OpenAI和负责任的AI
9.5 小结
第10章 企业用例
本章主要内容
10.1 技术要求
10.2 企业如何使用Azure OpenAI
10.3 合同分析器和生成器
10.3.1 识别关键条款
10.3.2 分析语言
10.3.3 标记潜在问题
10.3.4 提供合同模板
10.3.5 Streamlit前端
10.4 了解呼叫中心的分析方法
10.4.1 参数提取
10.4.2 情绪分析
10.4.3 客户诉求的类型
10.4.4 使用Streamlit库实现前端
10.5 探索语义搜索
10.5.1 使用LangChain进行文档嵌入
10.5.2 用Streamlit创建前端
10.6 小结
第11章 结语
本章主要内容
11.1 回顾前面所学
11.2 这只是开始
11.2.1 多模态大语言模型的出现
11.2.2 微软 Bing和Copilot系统
11.3 生成技术对行业的影响—— 一种颠覆性的力量
11.4 对生成式人工智能的担忧
11.4.1 埃隆·马斯克呼吁暂停开发更强大的人工智能系统
11.4.2 ChatGPT被意大利禁用
11.5 生成式人工智能的伦理影响及为何需要负责任的人工智能
11.6 未来的发展方向
11.7 小结
更新时间：2024-04-22 11:44:44
完结共126章
倒序