人工智能與ChatGPT

 人們相信人工智能可以為這個時代的技術帶來突破，而ChatGPT則使這種希望成為現實。現在，許多人都渴望了解與ChatGPT相關的一切，包括技術的歷史和背景，其神奇的功能以及如何使用它。雖然ChatGPT的使用方法很簡單，但它具有無限的潛力。如果不去親身體驗，很難體會到它的強大之處。本書盡可能全面地介紹了與ChatGPT相關的內容，特別是許多應用示例，可以給讀者帶來啟發。

    希望讀者通過這本書了解ChatGPT後，在自己的工作中也能充分利用它。本書適合希望了解和使用ChatGPT的人閱讀。

 

編輯推薦

ChatGPT的背景：從大語言模型到GPT

ChatGPT的技術：從Transformer模型到RLHF

ChatGPT的使用：從對話到OpanAI API

ChatGPT的應用：從編程到統計分析

ChatGPT的案例：從寫專利到出試卷

購買中國簡體書籍請注意：  

 

目　　錄
 

第1章 人工智能概述 1

1.1 什麽是人工智能 1

1.2 人工智能的發展歷史 2

1.3 人工智能的分類 4

1.4 機器學習 5

1.5 深度學習 6

1.6 通用人工智能（AGI） 9

1.7 自然語言處理 10

1.8 生成式人工智能（AIGC） 11

1.9 強化學習 12

第2章 自然語言處理 15

2.1 自然語言處理的基本概念 15

2.2 自然語言處理的主要技術 15

2.3 自然語言處理的發展歷史 16

2.4 語言模型 19

2.5 文本分類和聚類 24

2.6 分詞和詞性標注 26

2.7 命名實體識別 28

2.8 句法分析 29

2.9 情感分析 30

2.10 機器翻譯 32

2.11 文本摘要 33

2.12 自然語言處理的商業應用 34

2.13 自然語言處理的發展趨勢 39

第3章 OpenAI公司及其產品 40

3.1 OpenAI公司簡介 40

3.2 OpenAI公司發展歷史 40

3.3 OpenAI和微軟的合作 41

3.4 OpenAI公司主要產品 42

第4章 ChatGPT關聯技術 46

4.1 前饋神經網絡 46

4.2 序列到序列模型（Seq2Seq） 47

4.3 自注意力機制 47

4.4 多頭自注意力機制 48

4.5 自監督學習 48

4.6 Transformer 模型 49

4.7 語言生成技術 51

4.8 多語種語言模型 52

4.9 預訓練語言模型 53

4.10 生成式預訓練模型（GPT） 54

4.11 近端策略優化算法（PPO） 54

4.12 詞嵌入 55

4.13 Softmax分類器 56

4.14 指示學習和提示學習 57

4.15 人類反饋強化學習（RLHF） 58

4.16 多模態 59

4.17 生成式對抗網絡 60

4.18 知識圖譜和實體鏈接 61

4.19 GPU、TPU與模型訓練 61

第5章 ChatGPT介紹 66

5.1 ChatGPT的主要功能 66

5.2 ChatGPT的開發歷史 67

5.3 ChatGPT的開發目標 67

5.4 GPT模型的演化 68

5.5 GPT-3到ChatGPT的演化 71

5.6 模型的突破davinci-002 73

5.7 ChatGPT的模型調用 74

5.8 ChatGPT的訓練過程 74

5.9 預訓練素材來源 76

5.10 訓練數據集 77

5.11 數據集標注 78

5.12 RLHF應用 79

5.13 計算資源與參數構成 81

5.14 ChatGPT存在的問題 82

第6章 GPT–3.5引擎介紹 84

6.1 GPT-3引擎 84

6.2 GPT-3.5引擎 85

6.3 ChatGPT和GPT-3的區別 85

6.4 預訓練 85

6.5 詞嵌入應用 86

6.6 多層Transformer模塊 87

6.7 模型變體 88

第7章 ChatGPT使用指南 90

7.1 如何訪問ChatGPT 90

7.2 如何更有效地提問 91

7.3 提問技巧 95

7.4 會話線程 96

7.5 上下文 97

7.6 重生成答案 98

7.7 應對回答字數限制 99

7.8 使用小技巧 103

第8章 ChatGPT應用形式 104

8.1 計算 104

8.2 寫代碼 106

8.3 解釋代碼 107

8.4 高級語言轉換成匯編語言 108

8.5 反匯編 110

8.6 程序文檔生成 111

8.7 程序語言轉換 112

8.8 程序模擬運行 113

8.9 代碼增加注釋 113

8.10 時間覆雜度計算 114

8.11 代碼優化方案 115

8.12 修覆代碼Bug 116

8.13 查詢公式 117

8.14 生成覆雜公式 119

8.15 生成圖片（通過代碼運行） 120

8.16 生成表格 122

8.17 生成數據庫文檔 123

8.18 自動生成SQL代碼 123

8.19 不同數據庫SQL命令轉換 124

8.20 提取關鍵字 126

8.21 取名 126

8.22 轉換人稱 127

8.23 整理文字 127

8.24 生成流程圖 128

8.25 英語論文摘要 130

第9章 OpenAI API 132

9.1 API概論 132

9.2 交互方式 132

9.3 關鍵概念 133

9.4 Playground工具 135

9.5 API例子 136

9.6 API訪問 137

9.7 API使用 138

9.8 API參數 139

9.9 API功能模塊 142

9.10 API端點（Endpoints） 143

9.11 文本生成 144

9.12 語言翻譯 145

9.13 情感分析 145

9.14 文本摘要 147

9.15 文本相似度 149

9.16 文本分類 149

9.17 命名實體識別 152

9.18 聊天機器人 153

9.19 設置API響應字符數 155

9.20 API應用案例 156

第10章 構建自己的ChatGPT模型 160

10.1 為什麽需要 160

10.2 如何訓練 160

10.3 如何使用 161

10.4 訓練代碼示例 161

10.5 模型使用代碼示例 163

10.6 訓練數據集格式 164

10.7 企業專有模型構建 164

第11章 ChatGPT用於數據分析 167

11.1 數據分析簡介 167

11.2 數據準備 167

11.3 數據的可視化 170

11.4 聚類分析 180

11.5 相關性分析 184

11.6 預測 186

第12章 ChatGPT在不同領域的應用 190

12.1 工業領域 190

12.2 醫療領域 192

12.3 金融領域 193

12.4 教育領域 194

12.5 知識產權領域 195

第13章 綜合應用示例 198

13.1 籌備會議 198

13.2 擬訂方案 204

13.3 申請專利 209

13.4 軟件開發 218

13.5 解決生產技術問題 238

第14章 教育行業應用示例 246

14.1 擬定教學大綱 246

14.2 撰寫教案 254

14.3 制作教學PPT 264

14.4 出試卷 267

14.5 編寫畢業設計材料 273

14.6 撰寫畢業論文 286

14.7 準備新建專業材料 295

參考文獻 299

範煜，江蘇南通人，畢業於南京航空航天大學，研究員級高級工程師，中國商業聯合會數據分析專業委員會專家組成員，中國移動集團、51CTO外聘大數據講師，南通理工學院教師，著有《數據革命：大數據價值實現方法、技術與案例》。從事軟件開發三十多年，大數據研究開發十多年，目前主要從事私有化部署類ChatGPT模型研究，以及硬件、軟件、數據（OT、IT、DT）融合的智能系統開發。