生成式人工智能（AIGC）通識教程（微課版）
孫勇
- 出版商: 電子工業
- 出版日期: 2025-06-01
- 售價: $312
- 語言: 簡體中文
- 頁數: 176
- ISBN: 7121503689
- ISBN-13: 9787121503689
下單後立即進貨 (約4週~6週)
相關主題
商品描述
本書是一本關於生成式人工智能技術的通識性教材，圍繞技術探索、倫理治理與行業實踐三大維度構建了多層次的知識體系。全書分為理論基礎、核心技術與產業應用三大模塊，深入解析了大模型生成機制、多模態協同、RAG技術及人工智能倫理等核心領域。通過醫療診斷、工業質檢等典型場景案例，結合可復現的Jupyter Notebook代碼，實現了從技術原理到工程實踐的學習閉環。本書以“技術深度+實踐廣度”為特色，拆解了提示工程、跨媒體生成等關鍵技術流程，從VAE模型開發到LangChain智能體部署，完整覆蓋了生成式人工智能的技術鏈教學。同時，同步探討了數據偏見治理、算法透明性等倫理命題，並介紹了主流的人工智能倫理評估框架。通過金融、教育、制造等八大行業場景的解析，建立了領域需求與技術應用的雙向連接，完整展現了生成式人工智能的產業化落地方向。本書兼容學校教學與產業應用需求，既為高校新工科教學提供了系統性課程載體，也為企業的智能化轉型提供了技術實施路徑，助力開發者掌握生成式人工智能的關鍵技術範式與創新應用思維。
目錄大綱
第1章 生成式人工智能簡介 1
1.1 從圖靈測試說起 2
1.1.1 圖靈測試的基本原理與影響 2
1.1.2 圖靈測試的執行與挑戰 3
1.1.3 智能的度量方法 3
1.1.4 人工智能與人類智能之間的關系 4
1.2 從數據到知識 4
1.2.1 DIKW模型 5
1.2.2 知識的表示 6
1.2.3 自然語言處理的發展史 7
1.3 通用人工智能的曙光 9
1.3.1 內容皆可生成 9
1.3.2 文本生成 10
1.3.3 圖片生成 11
1.3.4 視頻生成 12
1.3.5 決策式AI與生成式AI 14
1.4 實驗1：分辨人類創作與AIGC 15
1.4.1 實驗目的 15
1.4.2 實驗步驟 15
第2章 預訓練大模型 16
2.1 什麼是GPT 16
2.1.1 Generative（生成式） 17
2.1.2 Pre-trained（預訓練） 18
2.1.3 Transformer（變換器） 19
2.2 大模型的關鍵技術 20
2.2.1 基於人類反饋的強化學習 20
2.2.2 模型微調 21
2.2.3 基於提示詞的自然交互 22
2.3 大模型的能力評估 23
2.3.1 評估基準指標 23
2.3.2 國內外主流大模型能力評估 24
2.4 規模定律 25
2.4.1 機器是如何學習的 25
2.4.2 規模定律的性質與應用 27
2.4.3 模型性能的湧現 28
2.5 實驗2：寫作比賽 29
2.5.1 實驗目的 29
2.5.2 實驗步驟 29
第3章 負責任的生成式人工智能 30
3.1 什麼是AI倫理 31
3.1.1 AI倫理與科技 31
3.1.2 AI倫理與道德 32
3.1.3 我國AI倫理發展現狀 32
3.2 AIGC引發的風險與挑戰 33
3.2.1 數據隱私和安全性 33
3.2.2 內容的真實性和準確性 35
3.2.3 歧視與偏見 37
3.2.4 對法律法規的挑戰 37
3.3 構建負責任的AIGC的原則與策略 38
3.3.1 構建原則 39
3.3.2 構建策略 42
3.4 實驗3：使用平臺快速搭建自己的AIGC應用 44
3.4.1 實驗目的 44
3.4.2 實驗步驟 44
3.4.3 實驗總結與評估 45
第4章 提示工程 46
4.1 提示詞 47
4.1.1 什麼是token 47
4.1.2 如何設計提示詞 49
4.2 思維鏈 54
4.2.1 思維鏈的應用方法 54
4.2.2 思維鏈的應用案例 55
4.2.3 思維鏈的優勢與挑戰 56
4.3 RAG 57
4.3.1 RAG的工作原理 58
4.3.2 RAG的核心優勢 59
4.3.3 RAG的應用場景 59
4.4 提示工程的最佳實踐 60
4.4.1 理解任務與目標 60
4.4.2 設計具體和清晰的提示詞 61
4.4.3 引導大模型關註關鍵細節 62
4.4.4 疊代優化提示詞 62
4.4.5 確保提示詞的公平性與包容性 63
4.4.6 持續監控並調整提示詞 64
4.5 實驗4：提示工程實戰 64
4.5.1 實驗目的 64
4.5.2 實驗步驟 64
4.5.3 實驗總結與評估 65
第5章 多媒體內容的生成 66
5.1 AIGC的本質 67
5.1.1 多媒體內容的基本構成要素解析 67
5.1.2 多媒體內容的生成原理 69
5.2 兩種生成策略 70
5.2.1 自回歸生成 70
5.2.2 非自回歸生成 71
5.3 AIGC驅動的多媒體內容生成 72
5.3.1 圖像的生成 73
5.3.2 擴散模型 77
5.3.3 音頻的生成 82
5.3.4 視頻的生成 84
5.4 實驗5：AI短視頻制作探索 86
5.4.1 實驗目的 86
5.4.2 實驗步驟 86
5.4.3 實驗總結與評估 86
第6章 RAG與微調 88
6.1 RAG的基本原理與工作流程 89
6.1.1 什麼是RAG 89
6.1.2 為什麼需要RAG 91
6.1.3 RAG的工作流程 95
6.1.4 RAG的適用場景 98
6.2 AI Agent（智能體） 99
6.2.1 Agent特征分析 100
6.2.2 Agent的四種設計模式 103
6.3 微調 109
6.3.1 什麼是微調 110
6.3.2 主要微調方法 111
6.3.3 微調的流程與最佳實踐 113
6.4 實驗6：設計與本地文檔對話的智能體 116
6.4.1 實驗目的 116
6.4.2 實驗步驟 117
6.4.3 實驗總結與評估 118
第7章 行業賦能 119
7.1 生成式人工智能賦能千行百業 120
7.1.1 經濟價值創造 121
7.1.2 關鍵領域的價值聚焦 121
7.1.3 行業影響 121
7.1.4 工作活動自動化 122
7.1.5 生產力提升 122
7.2 教育創新賦能 122
7.2.1 教學環節的智能化提升 123
7.2.2 學生學習方式的變革 123
7.2.3 教育管理的智能化 124
7.2.4 教育資源的普及 124
7.2.5 智能教育生態的構建 124
7.2.6 教育行業落地場景 124
7.3 醫療健康賦能 125
7.3.1 藥物研發與新藥發現 126
7.3.2 疾病診斷與早期篩查 126
7.3.3 個性化治療與精準醫療 127
7.3.4 患者管理與健康服務 127
7.3.5 人工智能醫療落地場景 128
7.4 消費零售賦能 130
7.4.1 利用大模型重塑品牌與消費者的連接 131
7.4.2 消費領域落地場景 132
7.5 智能制造賦能 133
7.5.1 通過大模型實現制造業的智能化升級 134
7.5.2 智能制造落地場景 134
7.6 遊戲娛樂賦能 135
7.6.1 大模型助力遊戲創作與設計 136
7.6.2 生成式人工智能推動娛樂體驗的個性化 136
7.6.3 虛擬人物與虛擬世界的創造 136
7.6.4 遊戲內經濟與虛擬物品創造 136
7.6.5 遊戲娛樂落地場景 137
7.7 實驗7：角色扮演類多智能體應用設計體驗 137
7.7.1 實驗目的 137
7.7.2 實驗步驟 138
7.7.3 實驗總結與評估 139
第8章 生成式人工智能應用的構建 140
8.1 LangGraph簡介 141
8.1.1 LangGraph的核心概念 142
8.1.2 LangGraph的優勢與應用場景 142
8.2 任務1：基礎對話系統的設計 143
8.2.1 創建模型 144
8.2.2 定義圖的狀態（MessageState） 146
8.2.3 創建LLM節點 146
8.2.4 構建圖 147
8.2.5 運行測試 147
8.3 任務2：為系統添加工具調用能力 148
8.3.1 Reducer函數 149
8.3.2 創建工具（乘法器） 149
8.3.3 構建圖 150
8.3.4 運行測試 150
8.4 任務3：為系統添加路由能力 151
8.4.1 構建圖 152
8.4.2 運行測試 153
8.5 任務4：智能體的創建 153
8.5.1 創建工具（四則運算器） 154
8.5.2 使用提示詞引導大模型 155
8.5.3 構建圖 155
8.5.4 運行測試 156
8.6 任務5：具有記憶的智能體的創建 157
8.6.1 MemorySaver檢查點 158
8.6.2 設置線程ID 159
8.7 任務6：Web界面的創建 161
8.7.1 Gradio簡介 162
8.7.2 使用Gradio為“四則計算器”智能體添加Web界面 163
