拥抱AIGC

郭涛，Turing Lab发起人，主要从事模式识别与人工智能、智能机器人技术、软件工程技术和地理人工智能（GeoAI）、时空大数据挖掘与分析等前沿交叉领域研究。曾翻译过《复杂性思考：复杂性科学和计算模型（第2版）》《神经网络设计与实现》等多本图书。

部分 生成式人工智能与GPT模型基础

第1章 生成式人工智能概述

1.1 什么是生成式人工智能

1.2 研究历程和新发展

1.3 小结

第2章 与OpenAI和ChatGPT面对面

2.1 技术要求

2.2 什么是OpenAI

2.3 OpenAI系列模型概述

2.4 通往ChatGPT之路：模型背后的数学原理

2.5 ChatGPT

2.6 小结

2.7 参考资料

第二部分 ChatGPT应用

第3章 熟悉ChatGPT

3.1 设置ChatGPT账户

3.2 熟悉界面

3.3 组织对话

3.4 小结

第4章 了解提示设计

4.1 什么是提示，提示为什么重要

4.2 零样本学习一次样本学习少样本学习—Transformer模型的典型功能

4.3 定义明确的提示规则，以获得相关和一致结果

4.4 应避免隐性偏见的风险，并在ChatGPT中纳入伦理道德考量

4.5 小结

第5章 ChatGPT助力生产力提升

5.1 技术要求

5.2 日常小助手—ChatGPT

5.3 文本生成

5.4 提升写作技能和优化翻译效果

5.5 快速检索信息和竞争情报

5.6 小结

第6章 ChatGPT助力软件开发

6.1 为什么开发人员需要ChatGPT？

6.2 生成、优化和调试代码

6.3 生成文档和代码可解释性

6.4 理解机器学习模型可解释性

6.5 不同编程语言之间的转换

6.6 小结

第7章 ChatGPT助力营销

7.1 技术要求

7.2 营销人员对ChatGPT的需求

7.3 新品研发和上架策略

7.4 用于营销对比的AB测试

7.5 促进搜索引擎优化（SEO）

7.6 用于提高质量和提高客户满意度的情绪分析

7.7 小结

第8章 ChatGPT助力科学研究

8.1 研究人员对ChatGPT的需求

8.2 收集文献资料

……

11.3生成技术对行业的影响

一种颠覆性的力量

11.4对生成式人工智能的担忧

11.5生成式人工智能的伦理影响及

为何需要负责任的人工智能

11.6未来的发展方向

11.7小结

本书先概述生成人工智能领域涉及的技术和工具，帮助读者了解如何训练这些模型以生成新数据；接着展示如何用ChatGPT在营销、科研和软件开发等领域提高生产力和增强创造力的实例；随后介绍如何通过改进提示设计从与ChatGPT交互中获得最佳效果，以及利用Azure基础设施上可用的OpenAI模型API，帮助读者运用本书中的知识应对挑战。读完本书，读者可以了解生成式人工智能的相关概念，如何通过API调用使用OpenAI模型和功能，如何通过有效的提示设计最大化ChatGPT的价值，如何使用Python构建和部署生成式AI系统，以及利用Azure基础设施实现企业级用例。