AIGC基礎、應用與展望（人工智能通識 微課版）
賈小林 朱勇 李曉黎
商品描述
AI是近年來炙手可熱的前沿技術。隨著越來越多的AI應用進入人們的視野，AI技術也贏得了國內外社會公眾、專家、學者和開發者的廣泛關註。
自2022年ChatGPT橫空出世以來，AIGC迅速成為極其火爆的AI發展方向。近年來，各種AIGC大模型層出不窮，AIGC大模型生成的內容也日臻完善，並且已經達到可以落地應用的程度，因此可能創造大量的就業機會。
本書概述了AIGC的基礎技術，從機器學習、深度學習的基本概念和基礎算法，到生成模型、自然語言處理和計算機視覺的相關技術，即使是沒有學過 AI 基礎知識的讀者，也可以輕松入門。本書還從眾多AIGC大模型中選擇了具有代表性的大模型進行解讀，使讀者能夠輕松理解其工作原理，內容涵蓋代碼生成、圖像生成、語音生成和視頻生成等諸多應用領域。在此基礎上，本書還將帶領讀者一起試用各種類型的AIGC大模型，使讀者能夠直觀體驗AIGC大模型落地應用的效果。
本書既可作為高校人工智能通識課程或AIGC相關課程的教材，也可作為相關領域的從業人員入門了解AI的參考用書。
作者簡介
賈小林：
教授，博士生導師，畢業於西南交通大學，獲工學博士學位；現任計算機科學與技術學院副院長，分工負責本專科教育教學與改革、專業建設與評估、教學研究、本科人才培養團隊建設等工作,分管教學科研辦公室。四川省普通本科高校教學指導委員會委員，國際電子電器工程師學會（IEEE）高級會員，中國計算機學會（CCF）高級會員，CCF優秀傳播大使，四川省海外高層次留學人才，綿陽市“4+3”高端成長型產業領軍人才，綿陽市優秀教師，西南科技大學十佳崗位青年、優秀共產黨員、優秀教師、教學名師等，入選西南科技大學70周年校慶特輯《龍山薪火-西南科大人之教師篇》；主要從事射頻識別（RFID）技術、物聯網（IOT）技術、計算機應用技術等領域的研究和教學工作；主持完成國家自然科學基金面上項目、四川省科技支撐計劃重大項目、四川省應用基礎研究項目、四川省高校成果轉化重大培育項目、制造過程測試技術教育部重點實驗室重點項目等重要研究課題；研究成果榮獲四川省科學技術進步二等獎1項，四川省高等教育教學成果三等獎2項，西南科技大學優秀教學成果一等獎1項。
李曉黎：
軟件開發工程師，畢業於吉林大學計算機系；自2006年以來，帶領團隊一直從事網絡管理軟件、企業ERP系統和電商平臺等的開發與建設工作，具有中國投資銀行、國家開發銀行、中信銀行等多家銀行從業經歷，參與銀行信息化建設、網銀平臺開發、智能合約設計與開發工作多年，在人工智能、AIGC、Java程序設計、系統軟件開發、團隊組織管理和系統架構設計等領域積累了豐富的實戰經驗，主編圖書10余本，並被上百所高校選作教材。
目錄大綱
【章名目錄】
【第 1篇 導論篇】
第 1章 AI技術概述
【第 2篇 基礎篇】
第 2章 生成模型
第3章 自然語言處理經典模型
第4章 計算機視覺經典模型
【第3篇 應用篇】
第5章 大語言模型
第6章 代碼生成大語言模型
第7章 圖像生成大模型
第8章 語音生成大模型
第9章 視頻生成大模型
【第4篇 展望篇】
第 10章 AIGC時代的機遇、挑戰及發展趨勢
附錄 大語言模型智能體精選與推薦
【詳細目錄】
【第 1篇 導論篇】
第 1章 AI技術概述
1.1 AI技術基礎 2
1.1.1 AI技術的發展歷程 2
1.1.2 AI領域的常用概念 4
1.2 機器學習基礎 7
1.2.1 機器學習的三要素 7
1.2.2 機器學習的分類 8
1.2.3 機器學習的工作流程 10
1.2.4 機器學習案例：使用線性回歸算法預測房價 11
1.3 深度學習基礎 16
1.3.1 深度學習的概念 16
1.3.2 前饋神經網絡與反向傳播算法 17
1.3.3 深度學習案例：基於LeNet-5模型識別手寫數字 17
1.3.4 深度學習的常用基礎函數和算法 18
1.3.5 深度學習的基本工作流程 23
1.4 AIGC的發展歷史、應用方向及基礎技術 25
1.4.1 AIGC的發展歷史 25
1.4.2 AIGC的應用方向 26
1.4.3 AIGC的基礎技術 28
本章小結 32
習題 32
課程實踐 33
【第 2篇 基礎篇】
第 2章 生成模型
2.1 生成模型技術基礎 35
2.1.1 生成模型和判別模型 35
2.1.2 生成模型的分類 36
2.1.3 生成模型中用到的統計學概念 37
2.2 深度生成模型 42
2.2.1 GAN模型 42
2.2.2 自回歸模型 44
2.2.3 擴散模型 44
2.2.4 VAEs模型 46
2.2.5 標準化流模型 49
本章小結 50
習題 50
課程實踐 50
第3章 自然語言處理經典模型
3.1 NLP技術的發展歷程和應用現狀 52
3.1.1 NLP技術的發展歷程 52
3.1.2 NLP技術的應用現狀 54
3.2 NLP技術基礎 55
3.2.1 文本的數值化表示 56
3.2.2 NLP模型 59
3.2.3 註意力機制 60
3.2.4 語料庫 66
3.3 經典NLP深度學習模型 67
3.3.1 RNN模型 67
3.3.2 編碼器-解碼器架構 69
3.3.3 LSTM模型 69
3.3.4 Transformer架構 70
3.3.5 BERT模型 78
本章小結 80
習題 80
課程實踐 81
第4章 計算機視覺經典模型
4.1 CV技術的發展歷程和應用現狀 82
4.1.1 CV技術的發展歷程 82
4.1.2 CV技術的應用現狀 84
4.2 CV技術基礎 85
4.2.1 圖像的表現形式 86
4.2.2 數字圖像處理 87
4.3 經典CV模型 89
4.3.1 CNN模型 89
4.3.2 ResNet模型 96
4.3.3 ViT模型 97
本章小結 100
習題 100
課程實踐 100
【第3篇 應用篇】
第5章 大語言模型
5.1 大語言模型概述 102
5.1.1 大語言模型的定義 102
5.1.2 大語言模型的工作原理 104
5.1.3 大語言模型落地應用的方法 105
5.2 主流大語言模型簡析 105
5.2.1 國外主流大語言模型 105
5.2.2 國內主流大語言模型 107
5.3 GPT系列模型的工作原理 109
5.3.1 GPT-1 109
5.3.2 GPT-2 113
5.3.3 GPT-3 120
5.3.4 GPT-3.5和GPT-4 122
5.4 體驗主流大語言模型 123
5.4.1 設計體驗任務 123
5.4.2 體驗大語言模型的方法 125
5.4.3 體驗純文本任務 127
5.4.4 體驗多模態任務 131
本章小結 137
習題 138
課程實踐 138
第6章 代碼生成大語言模型
6.1 代碼生成大語言模型概述 139
6.1.1 什麼是代碼生成大語言模型 139
6.1.2 代碼生成大語言模型的基本工作原理 141
6.2 主流代碼生成大語言模型選解 142
6.2.1 GitHub Copilot 142
6.2.2 CodeWhisperer 143
6.2.3 CodeGeeX 143
6.2.4 CodeBERT 146
6.3 體驗CodeWhisperer 148
6.3.1 在IDEA中安裝AWS Toolkit插件 148
6.3.2 在IDEA中使用CodeWhisperer 149
6.3.3 Amazon Q Chat 150
6.3.4 在開發過程中利用CodeWhisperer的編碼建議 152
6.4 體驗CodeGeeX 154
6.4.1 在VS Code中安裝CodeGeeX插件 154
6.4.2 在VS Code中使用CodeGeeX 155
本章小結 160
習題 160
課程實踐 160
第7章 圖像生成大模型
7.1 圖像生成大模型的工作原理 161
7.1.1 圖像嵌入 161
7.1.2 圖像生成大模型的基本工作流程 162
7.1.3 條件生成模型 163
7.1.4 建立文圖聯系的CLIP模型 165
7.2 主流圖像生成大模型選解 168
7.2.1 國外的圖像生成大模型 168
7.2.2 國內的圖像生成大模型 175
7.3 體驗圖像生成大模型 176
7.3.1 體驗圖像生成大模型的方法 176
7.3.2 設計體驗任務 180
7.3.3 體驗生成人物攝影圖像 183
7.3.4 體驗生成風景植物圖像 186
7.3.5 體驗生成建築設計圖像 188
7.3.6 體驗生成中國風格圖像 190
本章小結 192
習題 192
課程實踐 192
第8章 語音生成大模型
8.1 語音生成大模型的工作原理 193
8.1.1 TTS技術的發展歷史 193
8.1.2 梅爾頻譜 194
8.1.3 TTS的工作原理 194
8.2 語音生成大模型選解 195
8.2.1 XTTS模型 195
8.2.2 Mega-TTS模型 196
8.3 體驗語音生成大模型 198
本章小結 199
習題 199
課程實踐 200
第9章 視頻生成大模型
9.1 視頻生成大模型的基礎技術 201
9.1.1 視頻表示 201
9.1.2 條件概率視頻生成大模型的概念 201
9.2 主流視頻生成大模型選解 202
9.2.1 Sora模型的工作原理 202
9.2.2 MagicVideo-V2模型的工作原理 205
9.3 體驗主流視頻生成大模型 206
9.3.1 Gen-3模型生成的視頻 206
9.3.2 Pika模型生成的視頻 207
9.3.3 MagicVideo-V2模型生成的視頻 208
本章小結 209
習題 209
課程實踐 209
【第4篇 展望篇】
第 10章 AIGC時代的機遇、挑戰及發展趨勢
10.1 AIGC的社會影響 211
10.1.1 AIGC對社會經濟的影響 211
10.1.2 AIGC對普通人生活的影響 212
10.2 AIGC時代的機遇和挑戰 213
10.2.1 AIGC時代的機遇 213
10.2.2 AIGC時代的挑戰 216
10.3 AIGC技術所面臨的挑戰及發展趨勢 221
10.3.1 AIGC技術的倫理問題和所面臨的挑戰 221
10.3.2 AIGC技術的發展趨勢 224
本章小結 227
習題 228
課程實踐 228
附錄 大語言模型智能體精選與推薦
F.1 文心智能體平臺 229
F.2 通義智能體 229
F.3 ChatAI的定制模型 230
F.4 DeepSeek智能體 231
