本書編寫目的是向讀者介紹大語言模型與AIGC的基本概念和相應的技術(shù)應用。本書共7章,分別介紹人工智能概述、文本向量化、大語言模型、AIGC基礎(chǔ)、提示詞與提示工程、AI繪畫提示詞、AIGC挑戰(zhàn)與未來。本書將理論與實踐操作相結(jié)合,通過大量的案例幫助讀者快速了解和應用大數(shù)據(jù)分析相關(guān)技術(shù),并對書中重要的知識點增加大量的練習,以達到熟練應用的目的。本書可作為本科院校和職業(yè)院校計算機相關(guān)專業(yè)的教材,也可作為信息技術(shù)領(lǐng)域的專業(yè)技術(shù)人才的參考書。
以理論與實踐操作相結(jié)合的方式深入地講解了AIGC技術(shù)的基本知識和實現(xiàn)的基本技術(shù)
前言
近年來,隨著AI技術(shù)的不斷發(fā)展和應用,越來越多的機構(gòu)開始嘗試使用生成式人工智能(Artificial Intelligence Generated Content,AIGC)工具來快速且低成本地生成大量內(nèi)容,給人們的生活帶來便利,滿足不同領(lǐng)域的需求。
AIGC已經(jīng)在機器學習、自然語言處理、圖像識別等領(lǐng)域廣泛應用,而隨著技術(shù)的不斷發(fā)展,AIGC技術(shù)的應用也將變得更加普及。
在2021年之前,AIGC生成的主要是文字,只能作為一個創(chuàng)作的輔助工具。AIGC開發(fā)新一代模型后,可以處理更多,包括文字、語音、圖像、視頻、代碼等內(nèi)容,可以在創(chuàng)意、表現(xiàn)力、迭代、傳播、個性化等方面協(xié)助創(chuàng)作者。到了2022年,隨著ChatGPT的橫空出世,AIGC開始了高速發(fā)展,其中深度學習模型不斷完善,開源模式的推動讓AIGC直接在內(nèi)容創(chuàng)作方面達到了自行原創(chuàng)的水平。
黨的二十大報告強調(diào)了科技創(chuàng)新的重要性,并將其視為推動國家經(jīng)濟社會發(fā)展的關(guān)鍵驅(qū)動力。AI技術(shù)作為新一代信息技術(shù)的核心,其重要性不言而喻。本書由具有豐富教學經(jīng)驗的一線教師編寫,旨在結(jié)合的技術(shù)和理論進展,為讀者提供實用的學習材料,強調(diào)實踐技能與創(chuàng)新思維的培養(yǎng),使讀者能夠在掌握基礎(chǔ)知識的同時,具備解決實際問題的能力。本書旨在為讀者提供一個全面了解AIGC的平臺,不局限于理論知識的學習,更重要的是通過實踐項目和案例分析,培養(yǎng)學生的創(chuàng)新意識和實踐能力。這有助于學生在未來的職業(yè)生涯中更好地適應快速變化的技術(shù)環(huán)境,并為國家的科技創(chuàng)新貢獻力量。
本書使用的AIGC的平臺有文心一言、訊飛星火、昆侖天工以及通義千問等。
本書共7章,分別介紹人工智能概述、文本向量化、大語言模型、AIGC基礎(chǔ)、提示詞與提示工程、AI繪畫提示詞、AIGC挑戰(zhàn)與未來。
本書建議學時為32學時,具體分布如表0.1所示。
表0.1學時具體分布
章節(jié)建 議 學 時
人工智能概述4
文本向量化4
大語言模型4
AIGC基礎(chǔ)6
提示詞與提示工程8
AI繪畫提示詞4
AIGC挑戰(zhàn)與未來2
本書由黃源、涂旭東、張莉主編。全書由黃源策劃并負責統(tǒng)稿工作。
本書是校企合作共同編寫的成果,在編寫過程中得到了杭州睿數(shù)科技有限公司的大力支持。
在編寫過程中,我們參閱了大量的相關(guān)資料,在此表示感謝,并對清華大學出版社的魏江江分社長和編輯的辛勤工作表示感謝。
由于編者水平有限,書中難免出現(xiàn)疏漏之處,衷心希望廣大讀者批評指正。
編者
2025年6月
目錄
第1章人工智能概述
1.1人工智能簡介
1.2人工智能研究的主要學派
1.2.1符號主義
1.2.2聯(lián)結(jié)主義
1.2.3行為主義
1.3人工智能的應用場景與發(fā)展趨勢
1.3.1人工智能的應用場景
1.3.2人工智能的發(fā)展趨勢
1.4人工智能的核心因素
1.4.1算法
1.4.2算力
1.4.3數(shù)據(jù)
1.5深度學習
1.5.1認識深度學習
1.5.2深度學習模型
1.6自然語言處理
1.6.1認識自然語言處理
1.6.2自然語言理解
1.7人工智能倫理
1.7.1個人層面的人工智能倫理問題
1.7.2社會層面的人工智能倫理問題
1.8本章小結(jié)
1.9實訓
習題1
第2章文本向量化
2.1文本向量化
2.1.1文本向量化概述
2.1.2文本向量化方法
2.1.3文本向量化實例
2.2Doc2Vec
2.2.1PVDM
2.2.2PVDBOW
2.3文本向量應用
2.4本章小結(jié)
2.5實訓
習題2
第3章大語言模型
3.1大語言模型概述
3.1.1大語言模型的發(fā)展歷程
3.1.2大語言模型的能力特點
3.1.3大語言模型技術(shù)的風險與挑戰(zhàn)
3.2大語言模型工作原理
3.2.1Transformer 架構(gòu)
3.2.2基于Transformer架構(gòu)的著名模型
3.2.3大語言模型架構(gòu)
3.2.4大語言模型關(guān)鍵技術(shù)
3.2.5GPT系列模型的演變
3.2.6大語言模型實現(xiàn)創(chuàng)意寫作
3.3大語言模型的可解釋性
3.3.1大語言模型的可解釋性
3.3.2大語言模型的可解釋性的技術(shù)
3.4大語言模型的應用
3.5大語言模型提供的服務
3.6本章小結(jié)
3.7實訓
習題3
第4章AIGC基礎(chǔ)
4.1AIGC概述
4.2國內(nèi)常見的AIGC平臺(大語言模型)
4.2.1文心一言
4.2.2訊飛星火
4.2.3通義千問
4.2.4昆侖天工
4.2.5ChatGLM
4.2.6騰訊混元
4.3國外常見的AIGC平臺(大語言模型)
4.3.1Claude系列模型
4.3.2PaLM模型
4.3.3Bard模型
4.4AIGC應用實例
4.4.1AI文本生成
4.4.2圖像生成
4.4.3AI代碼生成與優(yōu)化
4.5本章小結(jié)
4.6實訓
習題4
第5章提示詞與提示工程
5.1提示詞
5.1.1認識提示詞
5.1.2提示詞設(shè)計實例
5.2提示工程
5.2.1提示工程概述
5.2.2提示工程技巧與應用
5.2.3提示工程實例
5.3本章小結(jié)
5.4實訓
習題5
第6章AI繪畫提示詞
6.1認識AI繪畫提示詞
6.1.1理解AI繪畫提示詞
6.1.2AI繪畫提示工程
6.2AI視頻生成提示詞
6.2.1AI視頻生成提示詞簡介
6.2.2AI視頻生成實例
6.3本章小結(jié)
6.4實訓
習題6
第7章AIGC挑戰(zhàn)與未來
7.1AIGC面臨的挑戰(zhàn)
7.1.1AIGC發(fā)展概述
7.1.2AIGC面臨的風險
7.1.3AIGC面臨的問題
7.2AIGC的未來
7.2.1個性化內(nèi)容生成
7.2.2多模態(tài)內(nèi)容生成
7.3本章小結(jié)
習題7
參考文獻