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(zhí)行與挑戰(zhàn) 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(shù)據(jù)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(fā)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(chuàng)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 什么是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 基于人類反饋的強化學習 20
2.2.2 模型微調 21
2.2.3 基于提示詞的自然交互 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(guī)模定律 25
2.4.1 機器是如何學習的 25
2.4.2 規(guī)模定律的性質與應用 27
2.4.3 模型性能的涌現(xiàn) 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 什么是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(fā)展現(xiàn)狀 32
3.2 AIGC引發(fā)的風險與挑戰(zhàn) 33
3.2.1 數(shù)據(jù)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(guī)的挑戰(zhàn) 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 什么是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(yōu)勢與挑戰(zhàn) 56
4.3 RAG 57
4.3.1 RAG的工作原理 58
4.3.2 RAG的核心優(yōu)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 引導大模型關注關鍵細節(jié) 62
4.4.4 迭代優(yōu)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(xù)監(jiān)控并調整提示詞 64
4.5 實驗4：提示工程實戰(zhàn) 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 什么是RAG 89
6.1.2 為什么需要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 什么是微調 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(yè)賦能 119
7.1 生成式人工智能賦能千行百業(yè) 120
7.1.1 經(jīng)濟價值創(chuàng)造 121
7.1.2 關鍵領域的價值聚焦 121
7.1.3 行業(yè)影響 121
7.1.4 工作活動自動化 122
7.1.5 生產(chǎn)力提升 122
7.2 教育創(chuàng)新賦能 122
7.2.1 教學環(huán)節(jié)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(tài)的構建 124
7.2.6 教育行業(yè)落地場景 124
7.3 醫(yī)療健康賦能 125
7.3.1 藥物研發(fā)與新藥發(fā)現(xiàn) 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(yī)療 127
7.3.4 患者管理與健康服務 127
7.3.5 人工智能醫(yī)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(xiàn)制造業(yè)的智能化升級 134
7.5.2 智能制造落地場景 134
7.6 游戲娛樂賦能 135
7.6.1 大模型助力游戲創(chuàng)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(chuàng)造 136
7.6.4 游戲內經(jīng)濟與虛擬物品創(chuàng)造 136
7.6.5 游戲娛樂落地場景 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(yōu)勢與應用場景 142
8.2 任務1：基礎對話系統(tǒng)的設計 143
8.2.1 創(chuàng)建模型 144
8.2.2 定義圖的狀態(tài)（MessageState） 146
8.2.3 創(chuàng)建LLM節(jié)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(tǒng)添加工具調用能力 148
8.3.1 Reducer函數(shù) 149
8.3.2 創(chuàng)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(tǒng)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(chuàng)建 153
8.5.1 創(chuàng)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(chuàng)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(chuàng)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