買這商品的人也買了...
-
一書貫通 -- 從資料科學橫入人工智慧領域$650$553 -
數據分析的力量 Google、Uber 都在用的因果關係思考法$300$255 -
A-Life｜使用 Python 實作人工生命模型$520$411 -
$301特徵工程入門與實踐 (Feature Engineering Made Easy) -
因果革命：人工智慧的大未來 (硬殼精裝)(The Book of Why: The New Science of Cause and Effect)$680$578 -
這就是服務設計！｜服務設計工作者的實踐指南 (This Is Service Design Doing: Applying Service Design Thinking in the Real World)$880$695 -
失控的數據：數字管理的誤用與濫用，如何影響我們的生活與工作，甚至引發災難$380$342 -
深度學習｜生命科學應用 (Deep Learning for the Life Sciences)$580$458 -
持續交付 2.0：實務導向的 DevOps$680$530 -
動手做深度強化學習 (Deep Reinforcement Learning Hands-On)$690$345 -
JMeter 性能測試實戰, 2/e (Performance Testing with Jmeter, 2/e)$294$279 -
Python 實現 Web UI 自動化測試實戰：Selenium 3/4 + unittest/Pytest + GitLab + Jenkins$599$569 -
軟件供應鏈安全 — 源代碼缺陷實例剖析$419$398 -
設計重構：25個管理技術債的技巧消除軟體設計臭味 (Refactoring for Software Design Smells: Managing Technical Debt)$520$406 -
Google 的軟體工程之道｜從程式設計經驗中吸取教訓 (Software Engineering at Google)$880$695 -
你就是不寫測試才會沒時間：Kuma 的單元測試實戰 -- Java篇（iThome鐵人賽系列書）$650$507 -
Selenium 4 自動化測試項目實戰：基於Python 3$534$507 -
Effective 軟件測試$588$559 -
Node.js 量化投資全攻略：從資料收集到自動化交易系統建構實戰（iThome鐵人賽系列書）【軟精裝】$760$570 -
可觀測性工程｜達成卓越營運 (Observability Engineering: Achieving Production Excellence)$680$537 -
GPT 就是這麼來的 - 最新自然語言處理技術詳解$720$569 -
多模態大模型：技術原理與實戰$600$570 -
史上最強 Python 入門邁向頂尖高手之路王者歸來, 3/e (全彩印刷)$1,200$948 -
$556大規模語言模型：從理論到實踐 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695
相關主題
商品描述
本書是一部揭示ChatGPT與AIGC的背後真相及未來發展趨勢的重要著作。首先，本書全景式展現了ChatGPT背後的創造者群像，揭示了創新、創造和創業的成功之路。其次，本書系統回顧了AIGC發展過程中的重要里程碑，從早期的神經網絡到深度學習技術，再到大語言模型的突破，全面展示了這一領域的進展和創新。再次，本書聚焦剖析了ChatGPT的技術淵源、技術架構、進化之路、商業模式及未來發展趨勢。從次，本書將關於ChatGPT的討論擴大到AIGC領域，深刻分析了AIGC的生產力革命內涵。然後，本書深入探討了ChatGPT及AIGC對搜索引擎、人類知識體系、行業數字化轉型的影響，引導讀者深入思考技術變革與社會發展的相互影響。最後，本書全面分析了ChatGPT與AIGC的快速發展給中國帶來的機遇。 無論您是人工智能領域的科技工作者，還是其他領域的普通讀者，本書都致力於為您提供洞察ChatGPT及AIGC的全新視角，幫助您理解現象背後的基本原理，洞悉產業發展潛力，抓住創新、創造和創業的機遇。
目錄大綱
目錄
第一章 盜火者還是玩火者？ 1
1．創造者群像 2
埃隆·馬斯克 3
山姆·阿爾特曼 6
格雷格·布洛克曼 9
伊利亞·蘇茨克維爾 11
約翰·舒爾曼 12
沃伊切赫·扎倫巴 14
2．退學創業——成功之路？ 15
反復重演的故事 15
走適合自己的路 17
3．OpenAI養成記 19
信仰和使命 20
初創期 24
“利潤上限”公司 26
轟動世界 27
“人民公敵”？ 31
4．風暴有多強 33
5．英雄創造時代 36
第二章 深度學習崛起 38
1．人工智能夢想之路 38
符號主義開局（1956—1967年） 39
專家系統繁榮一時（1968—1985年） 41
神經網絡的復興（1986—2005年） 43
深度學習的勝利（2006—2021年） 46
走向通用人工智能（2022—2038年） 49
2．深度學習是機器學習的一個分支 50
監督學習 51
無監督學習 51
半監督學習 51
強化學習 52
遷移學習 53
深度學習 54
3．感知機如何進化為深度學習 54
神經元與感知機 54
前饋神經網絡 56
反饋神經網絡 59
反向傳播算法 60
捲積神經網絡 62
循環神經網絡 64
4．一些重要的深度學習算法模型 67
深度信念網絡 68
生成對抗網絡 70
深度強化學習 71
5．阿爾法狗的價值及其進化 73
阿爾法狗橫空出世 74
向自主學習進化 75
6．籠罩在深度學習頭上的烏雲 77
第三章 大語言模型 79
1．大語言模型——自然語言處理的前沿 80
什麽是自然語言處理 80
自然語言處理的發展歷程 81
大語言模型——超越自然語言處理 85
2．算力爆炸 86
不同類型的算力 87
全球算力爆炸 87
大語言模型與算力爆炸 88
3．海量數據 89
大語言模型需要海量數據 89
數據收集與預處理 90
數據隱私、數據安全和數據偏差 92
4．典型大語言模型 92
LLaMA 93
PaLM2 95
LaMDA 96
Claude 96
Chinchilla 97
Gopher 97
BLOOM 98
5．大語言模型戰勝了小語言模型？ 98
6．大語言模型的弊端 101
第四章 為什麽是ChatGPT 103
1．關鍵里程碑——Transformer 103
總體架構 104
註意力機制 105
位置編碼 108
前饋網絡 109
殘差連接與層歸一化 109
2．GPT系列的持續進化 110
GPT-1 110
GPT-2 112
GPT-3 112
InstructGPT 114
ChatGPT 115
GPT-4 117
3．ChatGPT商業化的五種模式 119
與微軟的深度捆綁 120
API 121
訂閱模式 121
模型多元化 121
應用商店 122
4．通用人工智能的早期版本？ 123
5．未來前進的方向 125
第五章 機器生成內容——AIGC 128
1．生成式AI與AIGC 129
生成式AI 129
全面理解AIGC 133
2．沒有什麽不能生成 135
文本生成 135
圖像生成 140
視頻生成 143
音樂生成 145
代碼生成 147
3．AIGC的實質是生產力革命 150
生產力革命 151
人人都是創造者 153
第六章 生成性與涌現 155
1．復雜經濟學 156
復雜性科學 156
復雜經濟學的基本觀點 157
經濟活動中的涌現 158
2．平臺生態 158
平臺生態是什麽 158
平臺生態中的生成性 159
平臺生態中的涌現 160
3．生成性 161
4．知識涌現 162
5．涌現能力的臨界值 164
第七章 搜索引擎的黃昏 166
1．信息爆炸的逆轉 167
為何重要 167
如何工作 169
2．美好時光 171
3．“巨人”間的平庸競爭 174
4．危機確實迫在眉睫 175
5．替代還是升級？ 177
第八章 知識的危機 179
1．什麽是知識 180
2．顯性知識與隱性知識 185
3．人類的知識是如何進步的 188
4．知識爆炸 190
5．污染還是凈化？ 192
6．“無用”的知識分子？ 194
第九章 元宇宙和AIGC雙重驅動數字化轉型 198
1．元宇宙——空間革命與規則重構 199
2．無處不在的AIGC與效率革命 202
3．雙重驅動的行業變革 204
教育 204
工業 208
傳媒 212
文旅 217
醫學 219
第十章 挑戰與中國機遇 224
1．新的“卡脖子”？ 225
2．中國的機遇 226
3．中國數字產業界的集體行動 228
4．低端版本還是超越？ 231
參考文獻 233
