第1章生成式人工智能入門content目錄01人工智能概覽02生成式人工智能03AIGC核心技術(shù)詳解04生成式人工智能工具05提示詞與提示工程06總結(jié)與展望人工智能概覽01人工智能的定義與起源人工智能定義人工智能(ArtificialIntelligence,AI)是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。起源與發(fā)展AI概念在20世紀50年代提出，1950年圖靈提出圖靈測試，同年明斯基與埃德蒙建造首臺神經(jīng)網(wǎng)絡計算機，標志著AI起點。關(guān)鍵人物馬文·明斯基被譽為“人工智能之父”，阿蘭·圖靈被稱為“計算機之父”，二人對AI領(lǐng)域有開創(chuàng)性貢獻。里程碑事件1956年達特茅斯會議提出“人工智能”一詞，被視為AI正式誕生的標志。發(fā)展歷程與學派01起源與早期發(fā)展人工智能概念在20世紀50年代正式提出，馬文·明斯基與鄧恩·埃德蒙建造了第一臺神經(jīng)網(wǎng)絡計算機，圖靈提出圖靈測試，奠定了AI的基礎(chǔ)。02學派分化AI發(fā)展過程中分化出三大主要學派：符號主義、連接主義和行為主義，各自從邏輯推理、神經(jīng)網(wǎng)絡和感知行動角度探索智能的本質(zhì)。03現(xiàn)代復興21世紀初，大數(shù)據(jù)、云計算與深度學習技術(shù)的興起，推動了AI的快速進步，特別是在自然語言處理、計算機視覺等領(lǐng)域取得了重大突破。1950年，艾倫·麥席森·圖靈發(fā)表了一篇題為“ComputingMachineryandIntelligence（計算機器與智能）”的論文。這篇論文提出了一種通過測試來判定機器是否有智能的方法，被后人稱為“圖靈測試（Turingtest）”。該測試讓測試者與被測試者(一個人和一臺機器)在隔開的情況下，通過一些裝置(如鍵盤)向被測試者隨意提問。進行多次測試后，如果機器讓平均每個參與者做出超過30%的誤判，那么這臺機器就通過了測試，并被認為具有人類智能。這一劃時代的作品，使圖靈贏得了“人工智能之父”的桂冠。2016年，AlphaGo（一款圍棋人工智能程序）與圍棋世界冠軍、職業(yè)九段棋手李世石進行圍棋人機大戰(zhàn)，以4比1的總比分獲勝。2017年，中國香港的漢森機器人技術(shù)公司（HansonRobotics）開發(fā)的類人機器人索菲亞，是歷史上首個獲得公民身份的一臺機器人。2017年7月5日，百度首次發(fā)布人工智能開放平臺的整體戰(zhàn)略、技術(shù)和解決方案。這也是百度AI技術(shù)首次整體亮相。2019年，IBM宣布推出QSystemOne，它是世界上第一個專為科學和商業(yè)用途設(shè)計的集成通用近似量子計算系統(tǒng)。2020年，谷歌旗下DeepMind的AlphaFold2人工智能系統(tǒng)有力地解決了蛋白質(zhì)結(jié)構(gòu)預測的里程碑式問題。2022年11月，掌握聊天“神技”的AI對話模型ChatGPT橫空出世，一夜爆紅。2023年3月，OpenAI發(fā)布了正式版本的GPT-4.0，實現(xiàn)了圖像、文本、音頻等的統(tǒng)一知識表示，推動了通用人工智能的發(fā)展。人工智能研究的主要學派符號主義（Symbolism）是一種基于邏輯推理的智能模擬方法，又稱為邏輯主義(Logicism)、心理學派(Psychlogism)或計算機學派(Computerism)，其原理主要為物理符號系統(tǒng)假設(shè)和有限合理性原理，長期以來，符號主義一直在人工智能中處于主導地位。連接主義（Connectionism）又稱為仿生學派（ionicsism)或生理學派（Physiologism)。是一種基于神經(jīng)網(wǎng)絡及網(wǎng)絡間的連接機制與學習算法的智能模擬方法。行為主義又稱進化主義(Evolutionism)或控制論學派(Cyberneticsism)，是一種基于“感知——行動”的行為智能模擬方法。生成式人工智能02生成式AI概述定義與特性生成式AI，一種前沿技術(shù)，能創(chuàng)造原創(chuàng)數(shù)據(jù)，超越預測與分類，生成文本、圖像、音頻等，展現(xiàn)無限創(chuàng)造力。應用領(lǐng)域廣泛應用于自然語言處理、計算機視覺、音樂創(chuàng)作，革新內(nèi)容創(chuàng)作，提升效率與個性化體驗。技術(shù)基石基于深度學習，尤其是自注意力機制，如Transformer架構(gòu)，實現(xiàn)高效、高質(zhì)量的內(nèi)容生成。AIGC的特點與核心技術(shù)多樣性和豐富性AIGC能跨領(lǐng)域生成高質(zhì)量內(nèi)容，如文字、圖像、音頻、視頻，滿足用戶多元化需求。自然性和真實性通過深度學習，AIGC生成內(nèi)容貼近真實，如自動生成吸引人的預告片或建筑設(shè)計方案。與用戶交互性AIGC可根據(jù)用戶輸入動態(tài)調(diào)整生成方式，實現(xiàn)個性化內(nèi)容定制和優(yōu)化。動態(tài)性和適應性AIGC根據(jù)用戶喜好調(diào)整生成策略，提供更貼合個人偏好的內(nèi)容，增強用戶體驗。AIGC核心技術(shù)詳解03卷積神經(jīng)網(wǎng)絡CNN結(jié)構(gòu)概覽卷積神經(jīng)網(wǎng)絡(CNN)由輸入層、輸出層及多個隱藏層組成，其中隱藏層包括卷積層、池化層、ReLU層和全連接層，卷積層與池化層可組成多個卷積組，逐層提取特征。CNN工作原理CNN通過卷積層中的濾波器在圖像上滑動，提取局部特征，池化層則進行下采樣，減少參數(shù)量，全連接層將特征映射到分類結(jié)果，實現(xiàn)圖像識別與分類。CNN優(yōu)勢CNN采用局部連接和權(quán)值共享，降低模型復雜度，提高訓練速度，增強泛化能力，尤其在圖像分析和處理領(lǐng)域表現(xiàn)出色。CNN應用案例CNN在圖像分類、目標檢測、語義分割等任務中取得顯著成果，如ImageNet大賽中多次刷新紀錄，推動了計算機視覺領(lǐng)域的發(fā)展。卷積神經(jīng)網(wǎng)絡是目前深度學習技術(shù)領(lǐng)域中非常具有代表性的神經(jīng)網(wǎng)絡之一，在圖像分析和處理領(lǐng)域取得了眾多突破性的進展。目前在學術(shù)領(lǐng)域，基于卷積神經(jīng)網(wǎng)絡的研究取得了很多成果，包括圖像特征提取分類、場景識別等。循環(huán)神經(jīng)網(wǎng)絡RNN結(jié)構(gòu)解析循環(huán)神經(jīng)網(wǎng)絡(RNN)通過閉合回路連接實現(xiàn)時間記憶功能，其結(jié)構(gòu)由輸入層、隱藏層和輸出層組成，隱藏層數(shù)據(jù)循環(huán)更新，實現(xiàn)序列數(shù)據(jù)的記憶與處理。序列數(shù)據(jù)處理RNN擅長處理序列數(shù)據(jù)，如文本、語音和時間序列，通過前一時刻的隱藏狀態(tài)影響當前時刻的輸出，捕捉數(shù)據(jù)間的時序依賴關(guān)系。RNN應用場景RNN廣泛應用于自然語言處理、語音識別、時間序列預測等領(lǐng)域，如語言模型、機器翻譯、語音合成和情感分析等任務。生成對抗網(wǎng)絡GAN基本原理生成對抗網(wǎng)絡(GAN)由生成器和判別器組成，生成器創(chuàng)造假數(shù)據(jù)，判別器區(qū)分真假，二者對抗進化，直至生成數(shù)據(jù)難以辨認。GAN模型結(jié)構(gòu)GAN包含生成模型和判別模型，生成模型產(chǎn)生假數(shù)據(jù)，判別模型判斷數(shù)據(jù)真?zhèn)危ㄟ^對抗訓練，提升生成數(shù)據(jù)質(zhì)量。GAN應用實例GAN應用于圖像生成與轉(zhuǎn)換，如將斑馬圖像轉(zhuǎn)換為馬圖像，實現(xiàn)高質(zhì)量的圖像合成與風格遷移。GAN技術(shù)優(yōu)勢GAN能生成高質(zhì)量、多樣性的樣本，適用于圖像、音頻、視頻等多種數(shù)據(jù)類型的生成任務。生成對抗網(wǎng)絡的應用實例Encoder-Decoder架構(gòu)架構(gòu)概述Encoder-Decoder架構(gòu)是深度學習中用于處理序列到序列任務的關(guān)鍵模型，廣泛應用于自然語言處理、圖像處理和語音識別等領(lǐng)域。工作原理編碼器將輸入序列轉(zhuǎn)換為固定長度的上下文向量，解碼器基于此向量生成輸出序列，實現(xiàn)從源序列到目標序列的轉(zhuǎn)換。應用場景在文本摘要、機器翻譯、對話系統(tǒng)和聲音轉(zhuǎn)化等任務中，Encoder-Decoder架構(gòu)能夠高效處理序列到序列的轉(zhuǎn)換問題。文本處理領(lǐng)域的Encoder-Decoder框架可以這么直觀地去理解：可以把它看作適合處理由一個句子（或篇章）生成另外一個句子（或篇章）的通用處理模型。注意力機制注意力機制原理注意力機制使模型在處理輸入數(shù)據(jù)時集中關(guān)注相關(guān)部分，模仿人類視覺和認知系統(tǒng)的關(guān)注方式，提高模型性能和泛化能力。注意力機制類型包括SoftAttention、HardAttention和Self-Attention，分別通過權(quán)重分配、離散選擇和序列內(nèi)元素直接交互實現(xiàn)關(guān)注。自注意力機制自注意力機制在輸入語句內(nèi)部元素之間發(fā)生，捕捉輸入序列中每個元素之間的關(guān)系，是大語言模型的核心組成部分。注意力機制應用廣泛應用于機器翻譯、圖像分類、語音識別、推薦系統(tǒng)等領(lǐng)域，顯著提升模型性能和可解釋性。注意力機制在多個領(lǐng)域都有廣泛應用，尤其在深度學習和機器學習模型中，它能夠顯著提升模型的性能和可解釋性。在機器翻譯中，注意力機制使模型能夠關(guān)注源語言句子中的不同單詞，而不是簡單地基于位置進行對齊。這在處理長距離依賴關(guān)系時尤其有用，例如當翻譯一個長句子時，模型可以準確地知道哪些單詞應該對應。在圖像分類或目標檢測任務中，注意力機制可以幫助模型聚焦于圖像的關(guān)鍵區(qū)域，而不是背景或其他不相關(guān)信息。在語音識別中，注意力機制能夠幫助模型區(qū)分有用的語音特征和噪聲，這對于提高在嘈雜環(huán)境下的識別精度至關(guān)重要。擴散模型擴散模型概述擴散模型是一種深度學習模型，專為生成任務設(shè)計，尤其在圖像、音頻和視頻生成領(lǐng)域表現(xiàn)出色。其核心思想是通過逐步添加和移除噪聲，學習數(shù)據(jù)的潛在分布。工作流程擴散模型的工作流程分為前向擴散和反向生成兩個階段。前向擴散將數(shù)據(jù)逐漸加入隨機噪聲，直至變成高斯白噪聲；反向生成則學習如何從噪聲中逐步恢復原始數(shù)據(jù)。關(guān)鍵特性擴散模型能夠生成高質(zhì)量、多樣化的樣本，不僅學習數(shù)據(jù)的平均特征，還掌握了復雜結(jié)構(gòu)和變化性，確保生成樣本的真實性和創(chuàng)新性。應用領(lǐng)域擴散模型廣泛應用于高質(zhì)量圖像和視頻生成，文本到圖像合成，以及與自然語言處理結(jié)合的多模態(tài)任務，展現(xiàn)出強大的生成能力和應用潛力。使用擴散模型來生成的圖像，該圖展現(xiàn)了一個寧靜的山水風光。使用擴散模型來生成高質(zhì)量的視頻。該視頻主題為小樹苗生長在大地上，并使用畫家梵高的風格來實現(xiàn)。Transformer架構(gòu)Transformer架構(gòu)概述Transformer架構(gòu)革新了序列到序列(Seq2Seq)任務的處理方式，摒棄了傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(RNN)，采用自注意力機制(self-attentionmechanism)實現(xiàn)高效并行計算，顯著提升了模型訓練速度和性能。自注意力機制自注意力機制允許模型在處理序列數(shù)據(jù)時，關(guān)注序列中所有位置的信息，而非僅限于鄰近元素，從而更好地捕捉長距離依賴關(guān)系，增強模型的序列建模能力。多頭注意力多頭注意力機制通過并行使用多個自注意力模塊，從不同角度分析輸入序列，增強了模型對輸入數(shù)據(jù)的理解和表示能力，進一步提升了Transformer架構(gòu)的性能。標準的Transformer架構(gòu)如圖所示，由編碼器和解碼器兩個部分構(gòu)成，而這兩個部分實際上可以獨立使用多頭注意力是Transformer模型的核心創(chuàng)新技術(shù)。相比于循環(huán)神經(jīng)網(wǎng)絡（RecurrentNeuralNetwork，RNN）和卷積神經(jīng)網(wǎng)絡（ConvolutionalNeuralNetwork，CNN）等傳統(tǒng)神經(jīng)網(wǎng)絡，多頭注意力機制能夠直接建模任意距離的詞元之間的交互關(guān)系。目前基于Transformer的著名模型主要有BERT、GPT、T5以及RoBERTa。BERT(BidirectionalEncoderRepresentationsfromTransformers)：Google開發(fā)的一種深度學習模型，其核心思想是在訓練階段對輸入文本進行雙向的編碼，這意味著模型可以同時從左到右和從右到左讀取上下文，從而更好地理解詞語在句子中的意義。BERT在大規(guī)模語料上進行無監(jiān)督預訓練，然后可以通過微調(diào)來適應特定的NLP任務。GPT(GenerativePre-trainedTransformer)：GPT系列模型由OpenAI開發(fā)，專注于單向的Transformer解碼器，特別擅長文本生成。T5(Text-to-TextTransferTransformer)：T5是Google發(fā)布的模型，該模型的主要特點是它將所有的自然語言處理任務都轉(zhuǎn)換為文本到文本的形式，這意味著無論是文本分類、問答系統(tǒng)、語義解析還是機器翻譯等任務，都可以被看作是從一段文本轉(zhuǎn)換成另一段文本的問題。生成式人工智能工具04文心一言百度創(chuàng)新成果文心一言，百度基于飛槳深度學習平臺和文心知識增強大模型技術(shù)打造的生成式對話產(chǎn)品，體現(xiàn)百度在AI領(lǐng)域的持續(xù)創(chuàng)新與深耕。深度語義理解具備跨模態(tài)、跨語言的深度語義理解與生成能力，能與人對話互動，回答問題，協(xié)助創(chuàng)作，高效獲取信息、知識和靈感。智能寫作輔助以文心雕龍為靈感，提供智能推薦詞匯、句子和段落，分析評估寫作，提供建議，提升寫作水平，滿足用戶多樣化寫作需求。訊飛星火01訊飛星火簡介訊飛星火，科大訊飛的旗艦級語言大模型，專攻自然語言處理，提供多元能力支持，包括但不限于文本生成、對話理解與交互，以及專業(yè)領(lǐng)域如醫(yī)療、法律的深度解析。02核心優(yōu)勢憑借強大的自然語言處理技術(shù)，訊飛星火在中文能力評測中超越ChatGPT，特別是在專業(yè)領(lǐng)域展現(xiàn)卓越表現(xiàn)，如醫(yī)療、法律和教育，為用戶提供精準、高效的服務。03應用場景訊飛星火廣泛應用于內(nèi)容創(chuàng)作，如文章、文案生成，以及專業(yè)文檔分析，提升工作效率，促進創(chuàng)新與個性化內(nèi)容的產(chǎn)生。通義千問通義千問簡介通義千問，阿里云打造的大型預訓練語言模型，具備跨領(lǐng)域知識理解和生成能力，旨在提供高質(zhì)量的對話體驗。功能亮點通義千問能進行多輪對話，理解并回應復雜問題，支持文本生成、代碼編寫、翻譯服務等，滿足多樣化需求。應用場景廣泛應用于客服、教育、創(chuàng)作、編程輔助等領(lǐng)域，提升工作效率，激發(fā)創(chuàng)意，實現(xiàn)智能化內(nèi)容生成與交互。技術(shù)優(yōu)勢依托阿里云的算力資源和平臺服務，通義千問實現(xiàn)快速迭代和功能創(chuàng)新，確保模型性能與市場適應性。智譜清言是由北京智譜華章科技有限公司推出的一款生成式AI助手，于2023年8月31日正式上線。這款助手基于智譜AI自主研發(fā)的中英雙語對話模型ChatGLM2，該模型經(jīng)過了萬億字符的文本與代碼預訓練，并采用了有監(jiān)督微調(diào)技術(shù)，以通用對話的形式為用戶提供智能化服務。智譜清言BardBard簡介Bard是谷歌開發(fā)的對話式AI模型，旨在提供高質(zhì)量的信息和幫助，基于LaMDA構(gòu)建，經(jīng)過PaLM2升級，提升了安全性、可靠性和多語言支持。功能特性Bard能夠理解復雜任務，提供實時建議，幫助完成任務或解答疑問，集成于谷歌產(chǎn)品中，如搜索引擎、GoogleAssistant等。技術(shù)優(yōu)勢Bard采用深度學習技術(shù)，優(yōu)化了訓練效率和模型性能，支持函數(shù)調(diào)用和可重復輸出，增強了多模態(tài)能力，處理圖像和其他非文本輸入。ChatGPT系列產(chǎn)品ChatGPT的革新2022年底，OpenAI發(fā)布ChatGPT，基于GPT模型，革新人機對話，展現(xiàn)豐富知識與復雜問題解決能力。GPT-4的多模態(tài)突破GPT-4首次實現(xiàn)圖文雙模態(tài)處理，顯著提升復雜任務處理能力，多項人類考試中表現(xiàn)優(yōu)異，邁向通用人工智能重要一步。GPT-4Turbo與功能拓展GPT-4Turbo提升整體能力，擴展知識來源，支持更長上下文，優(yōu)化性能，引入新功能如函數(shù)調(diào)用，強化應用生態(tài)系統(tǒng)。Midjourney01Midjourney簡介Midjourney是一款基于AI的圖像生成工具，通過深度學習技術(shù)，特別是生成對抗網(wǎng)絡和變分自編碼器，能夠根據(jù)文本描述生成高質(zhì)量的藝術(shù)圖像，風格多樣，從超現(xiàn)實主義到逼真風格皆可。02技術(shù)亮點Midjourney利用先進的算法，通過大量訓練數(shù)據(jù)學習視覺元素特征，能夠根據(jù)文本描述生成相應的圖像，模型持續(xù)更新迭代，不斷提高圖像質(zhì)量和生成速度。03應用場景Midjourney適用于藝術(shù)家創(chuàng)作創(chuàng)意草圖、設(shè)計師快速生成產(chǎn)品概念圖和廣告素材，以及個人用戶創(chuàng)造個性化頭像和背景圖，用于社交媒體和其他在線平臺。提示詞與提示工程05提示詞概述什么是提示詞提示詞（Prompt）是生成式AI中用于引導用戶進行文本輸入和生成的關(guān)鍵詞匯。它直接影響生成內(nèi)容的質(zhì)量和相關(guān)性，是用戶與AI溝通的橋梁。提示詞的作用通過合理設(shè)置Prompt提示詞，用戶可以更準確地表達需求，從而獲得更滿意的結(jié)果。它是大模型理解用戶意圖的關(guān)鍵，決定了生成內(nèi)容的方向和質(zhì)量。提示詞的構(gòu)成提示詞通常由指令、上下文、示例、限制條件和目標等要素構(gòu)成，這些要素共同指導AI生成符合用戶期望的內(nèi)容。

用戶通過提供合適的提示語，可以幫助模型更好地理解文本的語境和上下文，從而使之生成更加準確和連貫的文本。同時，高質(zhì)量的提示語也可以幫助模型在生成文本時避免一些常見的語法和用詞錯誤，進一步提升生成文本的質(zhì)量。提示詞作用在AIGC工具中輸入提示詞如下。如何制作一杯卡布奇諾在AIGC工具中輸入提示詞如下。幫我畫深海里的古風女孩，側(cè)臉美顏，甜美微笑在AIGC工具（如通義萬相）中輸入提示詞如下。一個樂高積木小人在高速公路上開跑車提示工程要素指令明確告知模型執(zhí)行的任務，如"翻譯成英文"或"進行分類"，確保模型理解具體要求。上下文提供背景信息或場景描述，幫助模型理解任務環(huán)境，如具體問題描述或?qū)υ挌v史。示例給出具體輸入輸出示例，引導模型學習期望的輸出格式和內(nèi)容，如樣例問題與答案。限制條件設(shè)定模型輸出的約束，如長度限制、避免特定內(nèi)容或格式要求，確保結(jié)果符合預期。以下是一些包含指令的示例提示詞：“請將以下文本翻譯成英文”：這個指令告訴模型需要將提供的文本從源語言（在此例中未明確指定）翻譯成英文。“請對以下文章進行分類”：這個指令要求模型根據(jù)文章的內(nèi)容或主題進行分類。可能需要根據(jù)具體任務進一步細化分類的類別或標準?！罢埧偨Y(jié)以下文章的主要內(nèi)容”：這個指令指示模型對給定的文章進行概括或總結(jié)，提取出文章的核心信息或要點?！罢埌凑罩匾詫σ韵铝斜磉M行排序”：這個指令要求模型對提供的列表項進行評估，并根據(jù)其重要性進行排序。提示工程實例文本生成案例目標：生成環(huán)保文章開頭。優(yōu)化提示：撰寫環(huán)保文章，重點討論減少塑料使用。圖像生成案例目標：生成日落海灘圖片。優(yōu)化提示：創(chuàng)作溫暖夕陽下寧靜海灘風景畫，天空橙紅漸變，海面波光粼粼。問題解答案例目標：解釋量子計算。優(yōu)化提示：詳細解釋量子計算，包括基本原理、與傳統(tǒng)計算的區(qū)別及發(fā)展狀況。情感分析案例目標：分析評論情感。優(yōu)化提示：分析評論情感傾向，評論：這家餐廳服務太糟糕了！目標：生成一段關(guān)于環(huán)保的文章開頭。優(yōu)化后提示：請以“隨著工業(yè)化進程的加快，環(huán)境問題日益嚴峻”為開頭，撰寫一篇關(guān)于環(huán)保的文章，重點討論減少塑料使用的重要性及其對地球的影響。目標：生成一幅日落海灘的圖片。優(yōu)化后提示：創(chuàng)作一幅展示溫暖夕陽下寧靜海灘的風景畫，天空呈現(xiàn)橙紅色漸變，海面波光粼粼，遠處有一艘小船。目標：：解釋一下量子計算。優(yōu)化后提示：請詳細解釋什么是量子計算，包括其基本原理、與傳統(tǒng)計算的區(qū)別以及目前的發(fā)展狀況。目標：分析一條評論的情感傾向。優(yōu)化后提示：請分析以下評論的情感傾向，并給出理由：這家餐廳的服務真是太糟糕了！

問：假設(shè)你是一名環(huán)保專家，請根據(jù)對環(huán)境的積極影響程度，對下列五種減少塑料污染的方法進行排序，并簡要說明理由。請注意，每種方法的理由應在50字以內(nèi)。答：方法列表使用可降解塑料替代傳統(tǒng)塑料實施塑料回收計劃減少一次性塑料制品的使用提高公眾環(huán)保意識支持和推廣塑料替代品的研發(fā)排序及理由減少一次性塑料制品的使用理由：直接減少塑料垃圾的產(chǎn)生，效果立竿見影。實施塑料回收計劃理由：有效回收利用現(xiàn)有塑料資源，減少環(huán)境污染。支持和推廣塑料替代品的研發(fā)理由：長遠來看，開發(fā)新型材料可以從根本上解決塑料污染問題。使用可降解塑料替代傳統(tǒng)塑料理由：雖然可降解塑料減少了環(huán)境污染，但其生產(chǎn)和處理成本較高。提高公眾環(huán)保意識理由：增強公眾環(huán)保意識是基礎(chǔ)