大模型时代
全新正版 极速发货
￥ 39 4.4折 ￥ 88 全新
库存5件
浙江嘉兴
认证卖家担保交易快速发货售后保障
作者龙志勇 黄雯
出版社中译
ISBN9787500173953
出版时间2023-05
装帧其他
开本其他
定价88元
货号31746008
上书时间2024-10-22
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
龙志勇，曾任阿里巴巴资深产品专家兼事业部副总经理、硅谷AI创业公司联合创始人兼首席运营官，获GMIC“AIStartupTop10”等荣誉，在人工智能、云计算、互联网行业深耕20余年。曾撰文《从<华为的冬天>到AI的冬天》，并有多本畅销译著：《如何创造可信的AI》《稀缺》《超级合作者》《需求》等。
黄雯，互联网大厂高级AI产品经理，曾就职于腾讯和AI创业公司，积累了丰富的AI产业互联网、自然语言处理和大模型应用经验。
目录
推荐序/朱嘉明
前言
第一篇：技术篇
01|？我是一个传话筒
02|？我是一个大模型
03|？ChatGPT 是怎样炼成的
预训练：大模型的内力之源
生成式：孤勇者的家传绝学
Chat：见招拆招，智慧之光闪耀
04|？大模型的未解之谜
涌现：复杂系统的进化与失控
幻觉：我是一个演员
多模态和插件：读懂并驱动世界
第二篇：变革篇
05|？大机器时代的启示
痛苦的恩格斯式停顿
新技术的使能效应
从家庭到工厂，从蒸汽到电动
技术与教育之间的竞赛
06|？大模型与智力革命
大模型的知识处理能力提升
重新定义人类知识
07|？自然语言编程与脑机协作
从“搜商”到“问商”
3R 任务授权法
苏格拉底提问法
副驾，还是代驾？
08|？变革时代的韵脚
第三篇：应用篇
09|？大模型应用的两种创新
10|？知识工作型应用
教育应用
人力资源应用
法律工作应用
政府工作应用
数字游民：个人IP工作应用
知识工作型应用总结
11|？企业业务型应用
市场营销
售前沟通
售后服务
产品设计
商业分析
会议助理
企业业务型应用总结
12|？创意娱乐型应用
创作助手
数字人角色扮演
旅行计划助手
创意娱乐型应用总结
13|？大模型应用的三重境界
第四篇：产业篇
14|？大模型产业拆解
硬件基础设施
针对大模型优化的 GPU 和云服务
软件基础设施
适合大模型的分布式深度学习框架
大模型的数据工具
模型库社区
模型即服务层
闭源大模型
开源大模型
模型企业服务
应用层
ChatGPT
Cocounsel
Character.ai
15| 关于大模型产业的对话—第1集
北京，咖啡馆的小聚
小结
16| 寒来暑往几度：AI泡沫与机遇
完美的资本叙事
别想比安全员先下车
谁是最好的AI商业公司
17|？关于大模型产业的对话—第2集
山景城，计算机历史博物馆的重逢
深蓝
无人车
ELIZA
第五代
小结
后记
内容摘要
ChatGPT火爆全球，但大语言模型（LargeLanguageModel）才是幕后真正的智能“大脑”！生成式大模型正在开创新的时代，基于生成式预训练大模型的技术突破，也在带来面向个人、深入行业的多重应用。这势必引发新一轮的智力革命和产业重构，构建全新的脑机协作关系。但在同时，与机会如影随形的泡沫也会随之涌现。
为此，本书对大模型时代的技术、应用和产业变化进行了深入的分析和阐述。本书首先将专业的技术知识通过拟人化的形式进行呈现，生动形象地解释了ChatGPT大模型背后的原理，对这一赋能大模型变革技术与产业的基础能力进行深度剖析；其次，本书以三次工业革命的历史和逻辑作为参照，描绘出大模型将如何驱动社会进入智能革命和脑机协作时代，并为个人和企业应对此次变革提出建议；第三，本书对大模型在知识工作、商业企业、创意娱乐等领域的具体应用进行介绍，总结了企业在自身业务中应用大模型的注意事项和方法论；最后，本书对国内外大模型产业的构成和发展进行了分析，并对暗藏泡沫隐患的风险点位做出预警。
精彩内容
书摘1——来自技术篇老莫：“模型参数多，代表模型学到的东西多；模型复杂度高，在回答你小纸条问题的时候，我预测每一个字的准确率就高。我学到的关于世界的许多知识，也都保存在这些模型参数中。而且，当我学的内容丰富到一定程度之后，还会涌现出意外之喜，突然就学会了许多以前没见过、连想都不敢想的本事。参数规模就像是浑厚的内力，是大模型成功的基础。”小二：“这个我懂！武侠小说里讲过，内力修炼到高深之处，天下武功皆可为我所用，飞花摘叶皆可伤敌于无形，对吧？不过我还没明白，你的大，跟预训练又有什么关系呀？”老莫：“你还是没明白。我这个大模型是怎么大起来的，这么多参数是怎么来的，靠的是对语言大数据的预训练啊。人类为了训练我，搜集整理了超级海量的语言数据让我学习，我们上一代的GPT-3读过的文本就有上百GB呢，几千亿的字数，相当于19万套四大名著的阅读量。
……………………小二（着急了）：“别忘了还有我呢！老莫，我来给你总结一下。你读过海量的书和网页，做过海量的文字接龙习题，这叫生成式预训练，这阶段你积累了大量的知识和技能，相当于有了排山倒海的浑厚内力，但还不会用、用不好；然后呢，你跟师父学了薄薄的一本《问答宝典》，这叫监督学习，这阶段你开始逐渐解锁一些技能，知道人类会出哪些招，自己要应什么招；再后来，师父训了一个奖励模型来陪你，又做了大量的人类反馈强化学习，这以后，你的回答就越来越像人话了！
小二（着急了）：“别忘了还有我呢！老莫，我来给你总结一下。你读过海量的书和网页，做过海量的文字接龙习题，这叫生成式预训练，这阶段你积累了大量的知识和技能，相当于有了排山倒海的浑厚内力，但还不会用、用不好；然后呢，你跟师父学了薄薄的一本《问答宝典》，这叫监督学习，这阶段你开始逐渐解锁一些技能，知道人类会出哪些招，自己要应什么招；再后来，师父训练了一个奖励模型来陪你，又做了大量的人类反馈强化学习，这之后，你的回答就越来越像人话了！”书摘2——来自变革篇变革时代的韵脚OpenAI发布的《GPT是通用技术：大语言模型对劳动力市场潜在影响的早期观察》报告（后文简称《GPT劳动力影响观察》报告）认为，约八成劳动力会受到大模型的影响，他们手头工作任务的10%以上都会受到影响，而其中有19%的劳动力受影响的程度更大，占到他们工作任务的50%以上。
这样的影响广度和深度，对劳动力市场会有怎样的冲击呢？报告最后指出，新技术的替代效应和使能效应的影响有多大，是否会造成新的不平等，如何为培养劳动力技能蓄力，这些问题都还需要进一步研究。
马克·吐温曾说：“历史不会简单重复，它会押着同样的韵脚。”回顾工业革命时代的历史，我们看到，新技术对人类就业的贡献常常会低开高走，技术刚出现时，对人力的替代效应较明显，会引起部分群体的反抗，而随着技术应用的逐步加深和扩散，催生更多创新，放大市场规模，就有可能为人类创造更多的新岗位。《GPT劳动力影响观察》报告也指出，GPT大模型满足通用技术的三个核心标准：随着时间推移，技术不断改进，贯穿整个经济体系，能够催生互补性的创新。因此，大模型作为通用技术，就像蒸汽机、内燃机、电力一样，未来将广泛传播，不断改进，激发创新，产生新的产业（例如第二次工业革命的汽车），其对经济与社会带来的深远影响需要几十年时间才能显现。
比尔·盖茨对大模型解决社会公平问题抱有期望，他在文章《AI时代来临——人工智能的革命性堪比手机和互联网》中提出，人工智能大模型可以帮助改善健康医疗和教育领域中的不平等现象，因为在全球范围内，尤其对于贫困人口，医疗、教育领域迫切需要更多的知识劳动力投入，而纯靠市场力量不会自然产生对他们的帮助。
回顾工业革命时代的历史，我们看到，新技术到来之后，技术与教育会发生一场长期的竞赛，它们的此消彼长、相互拉动，会对劳动力工资差距、教育回报以及相关的经济增长造成直接的影响。20世纪上半叶美国的中学教育扩张和课程改革，就很好地顺应了当时的工业电气化和流水线生产的发展趋势。《GPT劳动力影响观察》报告指出，在这一轮变革需要较高的学历和实践经验突破壁垒进入职业，例如药剂师、律师、设计师、程序员等，容易受到大模型的影响。而运用科学方法和批判性思维解决问题的技能，则不容易被替代。在大的时代趋势下，大部分的人类，无论是主动还是被迫，无论是通过个人学习，还是通过学校教育、社会培训，都需要加入这场技术与教育的竞赛。那么，作为人类，在与大模型协作竞合的过程中，需要守住哪些阵地呢？
量子力学创始人海森堡说，“提出正确的问题，往往等于解决了问题的大半。”明确需求、完善结果，都需要人类对大模型提出正确的问题。“问商”的重要方法——苏格拉底启发式提问，背后需要的正是批判性思维，即OpenAI报告认为难以被人工智能替代的批判性思维。即便人工智能的理解力、推理力越来越强，人类也不能放弃自身能力的修炼，只有比人工智能更强，才能对人工智能的回答作出评判，从而进行有价值的追问和启发。
此外，在情感和创意方面，人类仍然具备不可比拟的优势，也是值得我们坚守和加强的领域。在许多服务场景下，人与人之间的、面对面的情感交流是很难被人工智能完全取代的。在创意方面，即便OpenAI公司的首席执行官山姆·阿尔特曼（SamAltman）声称“创意性工作看起来是首当其冲被取代的”，但无论是图像设计还是文本创作，都是由人类向人工智能提出正确的需求，评价筛选人工智能提供的线索，跟人工智能互相碰撞灵感，最后人工智能才能产出好的作品。虽然大模型有能力穷尽所有的创意组合，但它仍不具备人类级别的艺术体验鉴赏的能力，难以在无穷的组合中独立挑选出好的创意。正如刘慈欣科幻小说《诗云》中高级技术文明的神之哀叹：“这里面包含了所有可能的诗，当然也包括那些超越李白的诗！可我却得不到它们！技术在艺术中再次遇到了那道不可逾越的障碍。借助伟大的技术，我写出了诗词的巅峰之作，却不可能把它们从诗云中检索出来。”回顾工业革命时代的历史，我们还看到，新技术到来之后，需要很长的时间酝酿，需要产业围绕新技术进行流程和组织重构。例如，在爱迪生的发电站运行30多年之后，工程师们针对电动机的特点，对工厂传动和生产流水线进行重新设计，才真正兑现了电气化的全部生产率，从而“催生了第二次工业革命”。关于这一轮变革，《GPT劳动力影响观察》报告指出，大模型存在的事实错误、固有偏见、虚假信息等风险，业务端需要通过互补性的新方法新流程来配合解决，包括新的工具软件，或人机协作流程。例如，基于大模型提供法律咨询服务的Casetext，利用私域文本嵌入和摘要技术来应对GPT的错误信息风险。我们也分析了智能客服行业的大模型应用，需要对客服业务流程和协作分工进行重构，并配合大模型技术的不断成熟，才能将无人化等级从L1提升到L5。
纸上推演终觉浅，企业的业务流程重组看似简单，实际涉及人和组织变动的改革都有巨大的失败风险。因此，各行各业大都从极少数创新型企业开始尝试，从失败中找到成功的路径。但重组成功的获益也是巨大的，小则获得生产率优势，大则可能将知识密集型服务的小作坊转变成标准化大生产模式，重写行业规则。
继蒸汽机、电力和计算机之后，这一次，大模型又带来了新的变革时代。怎样应对短期的冲击？如何创造长期的收益？脑机协作能否取长补短而不是两败俱伤？基辛格说：“随着我们逐渐成为技术人（Homotechnicus），我们有责任明确我们物种自身的目的。能否找到真正的答案，取决于我们自己。”书摘3——来自产业篇2022年12月上旬，在谷歌公司的一次全员沟通会上，多名员工向高管们提出质疑：ChatGPT上线未满一周就收获百万用户，这是否证明谷歌错失了一次重大机会？谷歌技术大神、谷歌大脑（GoogleBrain）团队的负责人，也是大数据编程模型MapReduce的设计者杰夫·迪恩（JeffDean）给出了自己的判断——目前这种大模型仍然存在一些问题，谷歌有能力提供同样的产品，但如果在产品尚不成熟时就公之于众，产品可能在提供信息时出错，就会因此招致更大的“声誉风险”。因此，谷歌需要“比小型初创公司（指推出ChatGPT的OpenAI公司）更保守”。谷歌的首席执行官桑达尔·皮查伊（SundarPichai）则表示，谷歌也在开发同类产品，他认为在这个新的领域谷歌需要兼顾勇气和责任，必须维持好平衡。 此次会议相关消息被披露后，业界认为，谷歌正在遭遇创新者窘境，即成功的公司往往会被自己现有的市场和客户束缚，而忽视新兴的技术和市场的需求，从而导致被更具创新力和灵活性的新进入者所颠覆。大模型应用是谷歌搜索引擎的潜在替代产品，大模型应用的商业模式尚不明晰，一旦替代发生，新的收入能否弥补谷歌搜索引擎收入的损失，这是皮查伊作为首席执行官需要考虑的。 仅仅十余天后，皮查伊在谷歌公司内部发出了“红色代码”警报，推动谷歌的多个团队快速集结，集中力量应对ChatGPT给谷歌公司带来的威胁。他甚至还把谷歌公司的两位创始人劳伦斯·爱德华·佩奇（LawrenceEdwardPage）,和谢尔盖·布林（SergeyBrin）拉进这些会议中，而二人自2019年后就已淡出谷歌的公司运营。 两周之内，谷歌高层对ChatGPT的态度从“需要更保守、做好平衡”迅速反转，到拉响“红色代码”警报，是谷歌公司反应过度了吗？ 接下来发生的事情证明，谷歌是对的。 2023年2月初，急于做出回应的谷歌公司在发布会上展示了谷歌公司研发的与ChatGPT同类的大模型应用Bard。Bard在短短的演示中暴露了一个事实错误——它误认为世界上首张太阳系外行星照片是由詹姆斯·韦伯太空望远镜拍摄到的。在该错误被公众发现后，谷歌公司的股价暴跌9%，市值损失千亿美元，完美印证了杰夫·迪恩的神预言——大模型目前都存在问题。虽然ChatGPT也会犯错，但谷歌作为全球最大的搜索引擎公司，其产品一旦出错，就被公众舆论放大，其承担的风险将远大于创业公司。
似乎为了证明谷歌拉响警报的合理性，2023年2月初，微软公司发布了集成ChatGPT大模型的搜索引擎NewBing（新必应），一个月内NewBing的应用下载量增长了8倍之多。进入3月之后，为ChatGPT提供外部环境交互能力的插件库紧锣密鼓地陆续发布，OpenAI公司推出新一代大模型GPT-4；微软公司的Microsoft365Copilot将GPT集成至Office；百度、阿里、亚马逊陆续发布文心、通义和Titan大模型；英伟达公司也推出了针对大模型推理的H100NVLGPU和DGXCLOUD计算集群，而围绕大模型的各种新型应用以及提出技术新进展的论文更是频繁亮相，大模型技术和产业的更新迭代几乎是以“天”为单位。 尽管发展迅速，但毕竟技术出现的时间太短，大模型产业还只是初具雏形。其产业目前的构成情况如何？在未来，大模型产业又将如何发展呢？ 尽管谷歌公司已经全力加速，但让桑达尔·皮查伊和杰夫·迪恩当初持保守态度的隐忧并未消除，大模型的事实错误和替代搜索引擎之后的新商业模式，是否能打破困局？这都是人工智能浪潮再度来临之际，产业界需要思考的问题。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价