本書開啟了探索大規(guī)模語言模型(Large Language Model，LLM)及其在人工智能(Artificial Intelligence，AI)領(lǐng)域所代表的變革性范式之旅。這本全面的指南可以幫助你深入了解基本概念，從這些前沿技術(shù)的堅實理論基礎(chǔ)到大規(guī)模語言模型的實際應(yīng)用，最終匯聚到使用生成式人工智能解決方案時的倫理和責任考量。本書旨在幫助你深入了解市場上新興的大規(guī)模語言模型如何影響個人、大型企業(yè)乃至整個社會。本書重點介紹如何利用LangChain等新型人工智能編排器構(gòu)建由大規(guī)模語言模型驅(qū)動的強大應(yīng)用，并揭示現(xiàn)代應(yīng)用開發(fā)的新趨勢。
閱讀完本書后，相信你定能更輕松駕馭快速發(fā)展的生成式人工智能解決方案生態(tài)系統(tǒng)，并掌握在日常任務(wù)和業(yè)務(wù)中充分利用大規(guī)模語言模型的工具。讓我們開始吧！
本書讀者對象
本書主要面向有一定Python代碼基礎(chǔ)的技術(shù)讀者。但理論章節(jié)和實踐練習基于生成式人工智能基礎(chǔ)知識和行業(yè)用例，非技術(shù)讀者可能也會感興趣。
總之，本書適合有興趣全面了解大規(guī)模語言模型的讀者，可輔助其充滿信心和前瞻性地駕馭快速發(fā)展的人工智能領(lǐng)域。本書所呈現(xiàn)的內(nèi)容適合但不僅限于以下讀者。
●軟件開發(fā)人員和工程師：本書為希望利用大規(guī)模語言模型構(gòu)建應(yīng)用的開發(fā)人員提供了實用指導。內(nèi)容包括將大規(guī)模語言模型集成到應(yīng)用后端、API、架構(gòu)等。
●數(shù)據(jù)科學家：本書為有興趣將大規(guī)模語言模型部署到實際應(yīng)用中的數(shù)據(jù)科學家介紹了如何將模型從研究階段應(yīng)用到生產(chǎn)階段。內(nèi)容包括模型服務(wù)、監(jiān)控和優(yōu)化等方面。
●人工智能/機器學習工程師：專注于人工智能/機器學習應(yīng)用的工程師可以利用本書了解如何構(gòu)建和部署大規(guī)模語言模型，并將其作為智能系統(tǒng)和智能體的一部分。
●技術(shù)創(chuàng)始人/CTO：初創(chuàng)公司的創(chuàng)始人和CTO可以利用本書評估是否以及如何在其應(yīng)用和產(chǎn)品中使用大規(guī)模語言模型。本書在提供技術(shù)概述的同時，還考慮了業(yè)務(wù)因素。
●在校學生：學習人工智能、機器學習、自然語言處理(Natural Language Processing，NLP)或計算機科學的研究生和高年級本科生可以從本書中了解大規(guī)模語言模型在實踐中的應(yīng)用。
●大規(guī)模語言模型研究人員：研究新型大規(guī)模語言模型架構(gòu)、訓練技術(shù)等的研究人員將深入了解真實世界中模型的用法和相關(guān)挑戰(zhàn)。
本書內(nèi)容
第1章介紹并深入探討大規(guī)模語言模型，這是生成式人工智能領(lǐng)域中一套強大的深度學習神經(jīng)網(wǎng)絡(luò)。本章不僅介紹了大規(guī)模語言模型概念，其與經(jīng)典機器學習模型的區(qū)別，以及相關(guān)術(shù)語，還討論了最流行的大規(guī)模語言模型采用的架構(gòu)，如何訓練和使用大規(guī)模語言模型，并比較了基礎(chǔ)大規(guī)模語言模型與經(jīng)過微調(diào)的大規(guī)模語言模型。完成第1章的學習后，讀者便可了解什么是大規(guī)模語言模型及其在人工智能領(lǐng)域的定位，從而為后續(xù)章節(jié)的學習奠定基礎(chǔ)。
第2章探討大規(guī)模語言模型如何徹底改變軟件開發(fā)世界，從而引領(lǐng)人工智能驅(qū)動的應(yīng)用進入新時代。本章可幫助讀者更清楚地了解如何借助目前人工智能開發(fā)市場上的新型人工智能編排器框架，將大規(guī)模語言模型嵌入不同的應(yīng)用場景中。
第3章重點介紹不同的大規(guī)模語言模型可能具有不同的架構(gòu)、規(guī)模、訓練數(shù)據(jù)、功能和限制。為自己的應(yīng)用場景選擇合適的大規(guī)模語言模型并不是一件簡單的事情，畢竟它會對解決方案的性能、質(zhì)量和成本產(chǎn)生重大影響。這一章將介紹如何為應(yīng)用場景選擇合適的大規(guī)模語言模型，并討論市場上最有前景的大規(guī)模語言模型、比較大規(guī)模語言模型時使用的主要標準和工具，以及規(guī)模和性能之間進行的各種權(quán)衡。閱讀完本章后，讀者便可清楚地了解如何為自己的應(yīng)用場景選擇合適的大規(guī)模語言模型，以及如何有效、負責任地使用它。
第4章介紹了在設(shè)計由大規(guī)模語言模型驅(qū)動的應(yīng)用時，提示工程是一項至關(guān)重要的活動，原因是提示對大規(guī)模語言模型的性能有很大影響。事實上，有幾種技術(shù)不僅可以重新微調(diào)大規(guī)模語言模型的響應(yīng)，還可以降低與幻覺和偏差相關(guān)的風險。這一章中介紹的提示工程領(lǐng)域采用的新興技術(shù)，更是涉及從基本方法到高級框架的描述。完成本章的學習后，讀者將具備為大規(guī)模語言模型驅(qū)動的應(yīng)用構(gòu)建功能強大的提示的能力，并為接下來的章節(jié)學習打下堅實的基礎(chǔ)。
第5章討論隨著使用大規(guī)模語言模型開發(fā)的應(yīng)用的出現(xiàn)，軟件開發(fā)領(lǐng)域所引入的一系列新組件。為了更方便地在應(yīng)用流程中編排大規(guī)模語言模型及其相關(guān)組件，出現(xiàn)了幾個人工智能框架，其中LangChain是應(yīng)用最廣泛的框架之一。這一章將深入了解LangChain及其使用方法，學習如何通過Hugging Face Hub將開源大規(guī)模語言模型API調(diào)用到代碼中，并管理提示工程。完成本章的學習后，讀者將具備開始使用LangChain和開源Hugging Face模型開發(fā)由大規(guī)模語言模型驅(qū)動的應(yīng)用的技術(shù)基礎(chǔ)。
第6章開始介紹實踐部分，首次具體實現(xiàn)由大規(guī)模語言模型驅(qū)動的應(yīng)用。使用LangChain及其組件逐步實現(xiàn)會話應(yīng)用程序。配置一個簡單聊天機器人對應(yīng)的模式，添加記憶組件、非參數(shù)知識和工具，使聊天機器人智能體化。最后，用幾行代碼幫助讀者建立自己的會話應(yīng)用程序項目。
第7章探討了大規(guī)模語言模型如何利用嵌入和生成模型來增強推薦系統(tǒng)。將討論推薦系統(tǒng)的定義和演變，了解生成式人工智能如何影響這一研究領(lǐng)域，并講解如何使用LangChain來構(gòu)建推薦系統(tǒng)。最后，讀者將能夠創(chuàng)建自己的推薦應(yīng)用程序，并使用LangChain作為框架以利用最先進的大規(guī)模語言模型。
第8章介紹大規(guī)模語言模型具有的一項強大功能：處理結(jié)構(gòu)化表格數(shù)據(jù)的能力。講解如何利用插件和智能體方法，將大規(guī)模語言模型用作與結(jié)構(gòu)化數(shù)據(jù)之間的自然語言接口，從而縮小業(yè)務(wù)用戶與結(jié)構(gòu)化信息之間的差距。為了演示這一點，將使用LangChain建立一個數(shù)據(jù)庫Copilot編程工具。最后，讀者將能夠為自己的數(shù)據(jù)資產(chǎn)構(gòu)建一個自然語言接口，并將非結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)結(jié)合起來。
第9章涉及大規(guī)模語言模型具有的另一項強大功能：生成編程語言。在第8章中，當要求大規(guī)模語言模型針對SQL數(shù)據(jù)庫生成SQL查詢時，這一能力的雛形就已漸顯。這一章將探討使用大規(guī)模語言模型生成代碼的其他方式，涵蓋從簡單的代碼理解和生成到使用算法來構(gòu)建應(yīng)用程序行為。最后，讀者將能夠為自己的編碼項目構(gòu)建由大規(guī)模語言模型驅(qū)動的應(yīng)用，以及構(gòu)建帶有自然語言接口的大規(guī)模語言模型驅(qū)動的應(yīng)用，以便與代碼配合使用。
第10章超越了大規(guī)模語言模型的范疇，在構(gòu)建智能體時引入了多模態(tài)的概念。它涉及將不同人工智能領(lǐng)域(語言、圖像、音頻)的基礎(chǔ)模型組合成一個能勝任各種任務(wù)的單一智能體時背后所蘊含的邏輯。其中還講解了如何使用LangChain，以便用單模態(tài)大規(guī)模語言模型來構(gòu)建多模態(tài)智能體。最后，讀者將能夠構(gòu)建自己的多模態(tài)智能體，并為其提供執(zhí)行各種人工智能任務(wù)時所需用到的工具和大規(guī)模語言模型。
第11章介紹了微調(diào)大規(guī)模語言模型的技術(shù)細節(jié)，涵蓋從其理論基礎(chǔ)到使用Python和Hugging Face的實際操作。將深入探討如何準備數(shù)據(jù)，在數(shù)據(jù)上微調(diào)基礎(chǔ)模型，并討論微調(diào)模型的托管策略。最后，讀者將能夠在自己的數(shù)據(jù)上微調(diào)大規(guī)模語言模型，從而構(gòu)建由該大規(guī)模語言模型驅(qū)動的特定領(lǐng)域應(yīng)用。
第12章介紹了用于減輕大規(guī)模語言模型(以及一般人工智能模型)潛在危害所需具備的學科基礎(chǔ)知識，即負責任的人工智能。這一點非常重要，因為在開發(fā)由大規(guī)模語言模型驅(qū)動的應(yīng)用時，大規(guī)模語言模型會帶來一系列新的風險和偏見。
接下來，將討論與大規(guī)模語言模型相關(guān)的風險，以及如何使用合適的技術(shù)來防止或至少降低這些風險。最后，你將對如何防止大規(guī)模語言模型使所構(gòu)建的應(yīng)用程序具有潛在危害性有更深入的了解。
第13章探討了生成式人工智能領(lǐng)域的最新進展和未來發(fā)展趨勢。
充分利用本書
本書旨在提供一個堅實的理論基礎(chǔ)，幫助讀者了解什么是大規(guī)模語言模型、大規(guī)模語言模型的架構(gòu)以及大規(guī)模語言模型會給人工智能領(lǐng)域帶來革命性變化的原因。本書主要以動手實踐為主題，逐步指導讀者針對特定任務(wù)實現(xiàn)由大規(guī)模語言模型驅(qū)動的應(yīng)用，并使用LangChain等功能強大的框架。此外，每個示例都會展示各種大規(guī)模語言模型的用法，以幫助讀者了解其不同之處，以及何時為特定任務(wù)使用合適的模型。
總之，本書將理論概念與實際應(yīng)用緊密結(jié)合，希望在大規(guī)模語言模型及其在NLP中的應(yīng)用方面為讀者打下堅實基礎(chǔ)，并提供理想資源。以下是從本書中獲得最大收益的前提條件：
●對神經(jīng)網(wǎng)絡(luò)背后蘊含的數(shù)學機理(線性代數(shù)、神經(jīng)元和參數(shù)以及損失函數(shù))有基本了解
●對機器學習概念(如訓練集和測試集、評估指標和NLP)有基本了解
●對Python有基本了解
下載示例代碼與彩色圖片
本書相關(guān)的所有示例代碼文件均可從本書配套的GitHub倉庫下載，網(wǎng)址為https://github.com/PacktPublishing/Building-LLM-Powered-Applications。本書還提供了一個PDF，其中包含書中使用的彩色圖片，可以通過網(wǎng)址https://pack.link/gbp/9781835462317下載。另外，讀者也可通過掃描本書封底的二維碼下載這些示例代碼與彩色圖片。