文末包邮送书！
生成式 AI（Generative AI，简称 GenAI 或 GAI）是人工智能的一个技术分支，简单来说就是可以生成数据的人工智能。最为著名的生成式AI非ChatGPT莫属，自2018年 Open AI发布GPT第一个版本以来，它的每一次更新都牵动着人们的神经。ChatGPT的出色表现，一次又一次地刷新着人类对AI能力上限的认知。
相信大多数人了解生成式AI，都是从类似ChatGPT、DeepSeek这样的AI助手开始的。这虽然能让人直观地感受生成式AI，但却很容易让人误以为它们只会聊天。即使是知道它们还可以绘制图片、生成音频和视频，也往往会以为它们的能力仅限于生成电子数据。
这样的误解会让人以为这次的人工智能浪潮跟以往没什么不同，可能热闹了几年就重新回归停滞，更不会相信这次的生成式AI能够改变世界。然而本轮生成式AI所基于的大语言模型，不仅展现了超强的数据生成能力，还涌现出了以往任何模型都不具有的逻辑推理能力。大语言模型的这种涌现能力在2022年就引起了研究人员的极大兴趣，但直到DeepSeek以“深度思考”的形式在AI助手中将它们直接展现出来时，才让更多的人看到了它的威力。
ChatGPT不仅可以根据人们的要求生成文本，还表现出以往人工智能所不具备的创造性。近几年来受ChatGPT的启发和影响，大量类似的生成式AI如雨后春笋般涌现出来，它们不仅可以生成文本，还能生成声音、图像和视频等各类数据。这些内容不再只是简单地搜索和拼凑，而是融入了人工智能对数据的理解和表述方式，所以常常令人耳目一新，甚至感到震撼。研究人员在 2024年5月发表的一份测试数据表明，GPT-4在某种程度上似乎已经通过了图灵测试（Turing test）。
测试结果表明，GPT-4在53%的情况下被认为是人类，虽然比同组人类的测试数据67%略低一些，但却已经超过了50%的判定分界线。况且人工智能仍处于快速变革与发展阶段，生成式 AI达到或超过人类水平似乎只是时间问题。
要知道逻辑推理能力是人类智力的核心部分之一，一旦大语言模型也拥有了这样的能力，它们在理论上就可以解决任何复杂问题。在此基础之上，人工智能就可以在许多行业的应用系统中扮演大脑的角色并进行逻辑上的决策，这为人工智能改变人类世界打开了无限的想像空间。
由生成式AI引领的这一轮人工智能浪潮正在悄然地改变着我们的生活，并且实现了以往任何一次人工智能浪潮都不曾有过的重大突破。不管我们愿意不愿意，生成式AI都会慢慢地融入到我们的生活中。
那么究竟什么是生成式AI，生成式AI与以往人工智能又有什么不同呢？如果不想被动地接受技术变革，我们就应该尽早地了解生成式AI。与此同时，生成式AI与各行各业相结合的过程也已经开启，在未来一二十年间会涌现大量基于生成式AI的应用开发需求。
这就像是互联网与各行各业相结合的过程，在改变行业发展轨迹的同时也会造就大量的创新机遇。那么如何参与到这一行业变革的进程中来？生成式AI开发又需要具备哪些专业素质？显然，成为掌控生成式AI开发的专业人士，无疑会在这一轮产业革命中占据更多的主动权。
《生成式AI开发揭秘：大模型详解率》 田雪松 编著
AI算法工程师编写
978-7-111-79391-5
《生成式AI开发揭秘：大模型详解》详细介绍了基于大模型的生成式AI应用与开发技术，涵盖了自然语言处理、语音识别以及计算机视觉与图像生成等不同领域。在比对生成式AI与判别式AI的基础之上，本书详细讲解了大模型的基础知识及相关应用技巧。
转换器架构是当代生成式AI与大模型的重要技术基础，本书从文本向量化入手深入剖析了其中的各项核心技术。转换器架构不仅在自然语言处理领域占据统治地位，在音频、图像等多模态数据上也展现了巨大的潜力。本书分三章介绍了大模型在这些领域能够处理的各种任务，并通过大量示例讲解了大模型处理相关任务时的代码实现。这些示例主要基于Hugging Face的transfomers、diffusers等开源库，并讲解了模型加载、数据预处理以及流水线等机制。除了直接使用大模型处理数据以外，本书还介绍了RAG、PAL、ReAct等模型增强技术。它们是扩展大模型应用领域的重要技术基础，也是生成式AI与各行各业相结合的重要途径。这部分的示例主要基于LangChain框架，并讲解了LangChain中链、代理以及图等机制。
为了帮助读者更深入理解大模型原理，《生成式AI开发揭秘：大模型详解》最后三章还深入探讨了大模型部署、评估以及预训练与微调等技术。大模型在推理与预训练阶段对算力及存储的需求，可依据参数规模、数据处理量等因素进行大致估算。
本书不仅对上述估算方法进行了详细介绍，还讲解了模型性能与模型规模之间的幂律关系。这也是人们不断提升大模型规模及预训练数据量，并加大算力基础设施投入的理论基础。大模型评价指标与基准测试是评估模型性能的关键，它们在大模型研发成本不断攀升的今天越来越重要。
本书在介绍常用评价指标与基准测试的基础上，还介绍了lm-evaluation-harness和HELM等基准测试框架。这些框架大都对外公布了主流大模型性能排行榜，通过这些排行榜可大致了解目前大模型的发展水平。
本书最后还详细讲解了大模型的预训练与微调技术，预训练方面着重介绍了大模型的分布式训练技术，而微调则主要讲解了几种参数高效微调方法。除了预训练与微调技术以外，本书还讲解了大模型对齐人类偏好的一些技术和算法，这些都是在生成式AI开发流程中的重要环节。
下滑查看图书内容
活动方式：在评论区留言参与“你对这本书的看法”等话题互动，届时会在参与的小伙伴中抽取
多名幸运鹅赠送本期图书一本一份！包邮！
