最新 AI 開發範式 - Agent 多重智慧體自動產生應用
吳畏 著
- 出版商: 深智
- 出版日期: 2024-11-19
- 定價: $680
- 售價: 7.9 折 $537
- 語言: 繁體中文
- 頁數: 232
- ISBN: 6267569209
- ISBN-13: 9786267569207
-
相關分類:
人工智慧
- 此書翻譯自: AI Agent：AI的下一個風口
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
圖解 AI 人工智慧大未來：關於人工智慧一定要懂得 96 件事$380$323 -
經理人之道：技術領袖航向成長與改變的參考指南 (The Manager's Path: A Guide for Tech Leaders Navigating Growth and Change)$480$379 -
全棧測試｜交付高品質軟體的實務指南 (Full Stack Testing: A Practical Guide for Delivering High Quality Software)$680$537 -
從 AI 到 生成式 AI：40個零程式的實作體驗，培養新世代人工智慧素養$560$442 -
生成式人工智慧：AIGC 的邏輯與應用$520$411 -
Terraform 建置與執行, 3/e (Terraform: Up and Running: Writing Infrastructure as Code, 3/e)$780$616 -
你的網站非常危險 - Web安全攻防滲透駭客現場直播$880$695 -
程式設計守則｜如何寫出更好的程式碼 (The Rules of Programming: How to Write Better Code)$620$490 -
喪屍 Scrum 生存指南：邁向真敏捷的復原之路 (Zombie Scrum Survival Guide: A Journey To Recovery)$650$429 -
WebGIS 原理及開發 — 基於開源框架的 WebGIS 技術$474$450 -
$352AI Agent：AI的下一個風口 -
LLM 的瑞士刀 - 用 LangChain 極速開發可擴充大型應用程式$880$695 -
LLM 大型語言模型的絕世祕笈：27路獨步劍法，帶你闖蕩生成式 AI 的五湖四海 （iThome鐵人賽系列書）$650$507 -
API 設計模式｜簡化整合的訊息交換技術 (Patterns for API Design: Simplifying Integration with Loosely Coupled Message Exchanges)$850$671 -
機器學習與人工智慧深度問答集：從基礎到專業，提升 AI 知識力的 30道深度思考題 (Machine Learning Q and AI: 30 Essential Questions and Answers on Machine Learning and AI)$650$507 -
機器學習的訓練資料 (Training Data for Machine Learning)$780$616 -
輕量又漂亮的 Python Web 框架 - Streamlit AI 時代非學不可$690$545 -
簡約的軟體開發思維：用 Functional Programming 重構程式 - 以 Javascript 為例 (Grokking Simplicity: Taming Complex Software with Functional Thinking)$1,000$790 -
資深 PM 的十堂產品煉金術：從面試到 AI 應用的全方位指南，外商思維 x 台企實戰教你從0到1打造爆款產品（iThome鐵人賽系列書）$650$507 -
AI 人工智慧最新浪潮 — 停不下來的列車$380$296 -
人人都能開發 RPA 機器人：UiPath 從入門到實戰$479$455 -
AI 自動化流程超 Easy -- 不寫程式 No code 也能聰明幹大事$680$537 -
AI 圖片增強 - 影像畫質演算法及深層視覺技術$980$774 -
多 Agent 智慧體 - LangChain 大型 ReAct 系統開發$880$695 -
AI 時代 Math 元年 - 用 Python 全精通程式設計$1,280$1,011
相關主題
商品描述
【本書特色】
☆AI的演進與大型模型的興起，大型模型時代的AI
☆智慧體，智慧體的核心技術
☆多智慧體系統的未來
☆自然語言帶來互動革命
☆高度自動化帶來生產力革命
☆史丹佛小鎮專案：生成式智慧體的典型案例
☆自主式智慧體的典型案例
☆體現智慧(Embodied AI)
☆重塑Web3.0格局的可能性
☆資料治理與社會倫理
☆當前技術的局限性及解決辦法
【書籍內容】
AI在現代社會中扮演著重要的角色，其影響力已經深入到我們生活的各個層面。AI技術的發展經歷了從早期的規則驅動系統到現代的機器學習算法的演變，並在影像識別、語音處理和自然語言理解等領域取得了顯著成就。
智慧體的出現是AI技術發展的必然結果，它們能夠理解使用者的需求並提供個性化服務，成為我們生活中不可或缺的智慧夥伴。在醫療、教育、自動化等領域，智慧體展現出了巨大的應用潛力，提供了更人性化的服務。
本書即針對智慧體技術，做完整的介紹，並且也對其快速發展帶來的倫理和道德問題進行探討，如就業市場、隱私保護和資料安全等。確保智慧體技術的發展在倫理和法律的框架內進行，並加強監管，保護使用者的權益。
全書也說明了AI技術的發展不僅是技術的革新，還是人類生活方式和工作模式的變革。需要以開放、包容的態度去擁抱這一變革，並努力確保技術發展惠及所有人，實現社會的可持續發展，在熟讀完之後，相信你對未來AI的發展 – 智慧體也會有獨到的見解。
作者簡介
吳畏（Delta）
非凡資本合夥人，中歐EMBA。2017年，創辦非凡資本，已投資耀途資本、寒武創投、梅花創投、FancyTech、聯諦科技等數隻創業投資基金及早期專案，累計投資和服務的創業公司達數百家。2023年，開始關注AI應用，創辦的非凡產研已經成為AI應用研究領域國內領先的行業智庫。
目錄大綱
第1 部分 AI 的演進與大型模型的興起
▌CHAPTER 1 AI 的起源與進化
1.1 從桌面應用到雲端運算
1.1.1 桌面應用時代：個人電腦提升個人辦公效率
1.1.2 網際網路應用時代：軟體從桌面擴充到網路
1.1.3 行動應用程式時代：軟體走進生活
1.1.4 雲端運算與SaaS 時代：軟體服務化
1.2 從早期萌芽到深度學習
1.2.1 早期萌芽時代（20 世紀50 年代—60 年代）
1.2.2 知識工程時代（20 世紀70 年代—80 年代中期）
1.2.3 統計學習時代（20 世紀80 年代末—20 世紀末）
1.2.4 深度學習時代（21 世紀初至今）
▌CHAPTER 2 大型模型時代的AI
2.1 生成式AI 的崛起
2.1.1 影像生成
2.1.2 文字生成
2.1.3 音訊生成
2.1.4 生成式AI 的發展歷程
2.1.5 應用與展望
2.2 大型模型時代狂飆猛進
2.2.1 語言模型的發展歷程
2.2.2 LLM 的關鍵技術
2.2.3 LLM 的典型應用
第2 部分 大型模型驅動的智慧體
▌CHAPTER 3 什麼是智慧體
3.1 智慧體的定義與特點
3.1.1 智慧體的定義
3.1.2 智慧體的特徵
3.1.3 智慧體的應用
3.2 智慧體與傳統軟體的關係
3.2.1 智慧體與傳統軟體的區別
3.2.2 智慧體在軟體開發中扮演的角色
3.2.3 智慧體與傳統軟體的整合
3.2.4 智慧體在軟體開發中的案例
3.3 智慧體與LLM 的關係
3.3.1 回顧LLM 的神奇之處
3.3.2 智慧體與LLM 的互動
3.3.3 智慧體與LLM 的合作實例
3.3.4 智慧體與LLM 融合中的技術挑戰
3.3.5 對智慧體與LLM 合作的展望
▌CHAPTER 4 智慧體的核心技術
4.1 NLP
4.1.1 NLP 的核心技術
4.1.2 倫理、偏見與技術挑戰
4.1.3 NLG
4.1.4 多模態處理和NLP
4.1.5 回顧和展望
4.2 從ChatGPT 到智慧體
4.2.1 ChatGPT 的特點
4.2.2 AI 和NLP 的演進
4.2.3 技術突破與倫理挑戰
4.3 智慧體的五種超能力
4.3.1 記憶
4.3.2 規劃
4.3.3 工具使用
4.3.4 自主決策
4.3.5 推理
4.3.6 應用展望
第3 部分 下一代軟體可以不必是軟體
▌CHAPTER 5 自然語言帶來互動革命
5.1 從圖形化使用者介面到自然語言的進化
5.1.1 互動介面的進化
5.1.2 圖形化使用者介面
5.1.3 自然語言互動
5.1.4 階段介面興起
5.1.5 互動介面的未來
5.2 如何改變使用者體驗
5.2.1 使用者體驗演變
5.2.2 自然語言互動崛起
5.2.3 未來展望
▌CHAPTER 6 高度自動化帶來生產力革命
6.1 人機協作的方法和框架
6.1.1 人機協作的重要性
6.1.2 人機協作的核心目標
6.1.3 人機協作的方法和框架
6.1.4 人機協作的典型案例
6.1.5 生產力革命
6.1.6 未來展望
6.2 企業級應用與任務規劃
6.2.1 企業級應用的需求
6.2.2 任務規劃的作用
6.2.3 企業如何選擇工具
6.2.4 機遇與挑戰
6.2.5 未來展望
▌CHAPTER 7 多智慧體系統的未來
7.1 單智慧體系統與多智慧體系統的差異
7.1.1 單智慧體系統的特點
7.1.2 多智慧體系統的特點
7.1.3 技術進步與分析和比較
7.1.4 對企業的影響與未來趨勢
7.2 模擬真實世界的組織結構與工作流程
7.2.1 組織結構模擬
7.2.2 工作流程模擬
7.2.3 技術進步與實踐應用
7.2.4 根據模擬結果進行組織結構和工作流程最佳化
7.2.5 未來趨勢
第4 部分 典型案例和商業應用
▌CHAPTER 8 史丹佛小鎮專案：生成式智慧體的典型案例
8.1 實驗背景與目的
8.1.1 非凡之旅
8.1.2 概念框架
8.1.3 核心技術
8.1.4 生成式智慧體設計
8.1.5 實驗目的
8.2 生成式智慧體架構設計
8.2.1 基礎架構
8.2.2 記憶和檢索
8.2.3 反思
8.2.4 規劃和反應
8.2.5 行為和互動
8.2.6 使用者參與
8.3 對未來的啟示
8.3.1 生成式智慧體的潛力無限
8.3.2 生成式智慧體的倫理挑戰
8.3.3 潛力與倫理並重的未來
▌CHAPTER 9 自主式智慧體的典型案例
9.1 AutoGPT：透過自然語言的需求描述執行自動化任務
9.1.1 AutoGPT 的核心功能
9.1.2 AutoGPT 的技術架構
9.1.3 AutoGPT 的應用範圍
9.1.4 未來展望
9.2 BabyAGI：根據任務結果自動建立、排序和執行新任務
9.2.1 BabyAGI 的核心功能
9.2.2 BabyAGI 的技術架構
9.2.3 未來展望
9.3 MetaGPT：重塑生成式AI 與軟體開發介面的多智慧體架構
9.3.1 MetaGPT 的核心功能
9.3.2 MetaGPT 的安裝和配置
9.3.3 石頭、剪刀、布遊戲開發中的實例分析
9.3.4 在軟體開發市場中的競爭地位與競爭優勢
9.3.5 未來展望
9.4 AutoGen：下一代LLM 應用的啟動器
9.4.1 AutoGen 的核心功能
9.4.2 AutoGen 的技術架構
9.4.3 AutoGen 的應用案例
9.4.4 AutoGen 的核心優勢
9.4.5 未來展望
9.5 ChatDev：重塑軟體開發的AI 群眾智慧協作框架
9.5.1 基本介紹
9.5.2 ChatDev 的技術架構
9.5.3 ChatDev 的實際應用
9.5.4 ChatDev 的優勢和挑戰
9.5.5 未來展望
9.6 Camel.AI：引領自主與交流智慧體的未來
9.6.1 Camel.AI 的核心概念
9.6.2 Camel.AI 的技術架構
9.6.3 Camel.AI 的實際應用
9.6.4 Camel.AI 的實驗和性能評估
9.6.5 未來展望
第5 部分 智慧體的潛能與機遇
▌CHAPTER 10 從智慧體到體現智慧
10.1 體現智慧的定義與特點
10.1.1 智慧體與體現智慧的區別
10.1.2 體現智慧的核心概念
10.1.3 體現認知理論的重要性
10.2 感知和解析環境與自主決策
10.2.1 感知和解析環境的技術
10.2.2 從感知到行動的過程
10.2.3 自主決策的重要性
10.2.4 互動式學習與決策最佳化
10.3 從軟體到硬體的進化
10.3.1 軟體的角色與硬體的配合
10.3.2 硬體進化對軟體的影響
10.3.3 體現智慧在硬體設計中的應用
10.3.4 軟硬體協作發展的未來展望
10.4 體現機器人的應用場景
10.4.1 體現機器人在工業領域的應用
10.4.2 體現機器人在醫療領域的應用
10.4.3 體現機器人在日常生活中的應用
10.4.4 體現機器人的發展趨勢
10.5 體現智慧研究的挑戰與機遇
10.5.1 當前的研究困難與挑戰
10.5.2 解決方案與研究方向
10.5.3 體現智慧對未來社會的影響
10.5.4 體現智慧的商業潛力與市場前景
10.6 體現智慧的核心與未來
10.6.1 重新檢查智慧體的重要性
10.6.2 對研究者和實踐者的建議
▌CHAPTER 11 智慧體與未來的關係
11.1 重塑Web3.0 格局的可能性
11.1.1 Web3.0 的定義與特點
11.1.2 智慧體在Web3.0 中的角色
11.1.3 智慧體在Web3.0 中的應用案例
11.2 智慧體在元宇宙裡的應用
11.2.1 元宇宙的定義與發展
11.2.2 元宇宙裡的智慧體應用
11.2.3 智慧體在元宇宙裡的應用案例
第6 部分 展望：安全、發展、邊界和挑戰
▌CHAPTER 12 資料治理與社會倫理
12.1 資料隱私保護與資料安全問題
12.1.1 資料收集與處理的風險
12.1.2 資料治理的重要性
12.2 自主決策與人類的倫理界限
12.2.1 自主決策的倫理考量
12.2.2 倫理原則與自主AI 的選擇
12.2.3 決策邊界的確定和調整
▌CHAPTER 13 技術邊界與未來無限
13.1 當前技術的局限性
13.1.1 資料存取和資料品質問題
13.1.2 邏輯程式設計的局限性
13.1.3 應用領域的多方面挑戰
13.1.4 決策過程中的偏見問題
13.1.5 處理複雜任務和理解人類意圖的侷限
13.2 技術的發展趨勢
13.2.1 技術不斷進步引領未來
13.2.2 資料科學與AI 技術的進步
13.2.3 與其他先進技術的結合
