A/o6項目2AIGC文本生成應(yīng)用機械工業(yè)出版社《人工智能通識》配套資源制作：教材編寫團隊A

IGC用

Ⅲ本課件為《人工智能通識(AIGC

版)》配套教學(xué)資源，由編寫團隊精心打造。為便于教學(xué)使用，團隊同步提供了豐富的輔助材料，涵蓋微課視頻、教學(xué)課件、實訓(xùn)手冊、習(xí)題答案、課程標(biāo)準(zhǔn)及程序源代碼等。同時，教材配套超星教學(xué)示范包，支持一鍵克隆為網(wǎng)絡(luò)在線課程，助力高效開展線上線下混合式教學(xué)。歡迎聯(lián)系出版方訂購使用。書名：《人工智能通識(AIGC

版

)

》書

號

：978-7-111-79447-9出版社：機械工業(yè)出版社主

編

：藍(lán)永健、吳秀紅、羅智聰副主編：鄧愛玲、王有銘、葉菊、周弢人工智能通識藍(lán)永健吳秀紅羅智聰◎主編

(AIGC版)新理念：立德樹人，價值引領(lǐng)，有機融入對人工智能相關(guān)能力和素養(yǎng)的培養(yǎng)，服務(wù)國家戰(zhàn)略

新內(nèi)容：對接國家相關(guān)標(biāo)準(zhǔn)，項目引領(lǐng)，合理進行結(jié)構(gòu)編排，內(nèi)容循序漸進，突出能力培養(yǎng)

斷形杰：圖文并茂，印刷精美，配套豐富的數(shù)字資源，紙質(zhì)和數(shù)字有機融合，易救易學(xué)易用PARTTWO相關(guān)知識自然語言處理的內(nèi)涵和應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的內(nèi)涵和應(yīng)用深度學(xué)習(xí)的內(nèi)涵和應(yīng)用主流AIGC

文本生成工具對比“文生文”技術(shù)的工作原理與實現(xiàn)流程2.相關(guān)知識AIGC

文本生成應(yīng)用思維

導(dǎo)圖(1)自然語言處理的內(nèi)涵自然語言處理(Natural

Language

Processing,NLP)是人工智能領(lǐng)域的重要研究方向，融合了語言學(xué)、計算機科學(xué)、機器學(xué)習(xí)、數(shù)學(xué)和認(rèn)知心理學(xué)等多個學(xué)科領(lǐng)域的知識，是一門集計算機科

學(xué)、人工智能和語言學(xué)于一體的交叉學(xué)科，它包含自然語言理解和自然語言生成兩個主要方面，研

究內(nèi)容包括字、詞、短語、句子、段落和篇章等多種層次，是機器語言和人類語言之間溝通的橋

梁。圖3-1是自然語言處理研究?；靖拍?/p>

NLP基礎(chǔ)技術(shù)NLP核心應(yīng)用語言語義語言結(jié)構(gòu)規(guī)則法概率統(tǒng)計深度學(xué)習(xí)語言模型序列標(biāo)注機器翻譯閱讀理解信息抽取問答系統(tǒng)語言處理方法2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用基本概念

NLP基礎(chǔ)技術(shù)

NLP核心應(yīng)用語言語義語言結(jié)構(gòu)信息抽取

問答系統(tǒng)規(guī)則法概率統(tǒng)計深度學(xué)習(xí)語言處理方法簡單地說，自然語言處理(簡稱NLP)

就是教計算機“聽懂”和“說好”人類語言的技術(shù)。例如，對著手機說“明天天氣怎么樣”,手機能明白你的意思并回答，這就是NLP在幫忙。2.相關(guān)知識—2.1.

自然語言處理的內(nèi)涵和應(yīng)用機器翻譯

閱讀理解序

列

標(biāo)

注(語

言

模

型(句

子篇章詞自然語言處理的方法包括統(tǒng)計學(xué)方法、規(guī)則引擎方法、機器學(xué)習(xí)方法和深度學(xué)習(xí)方法?！?/p>

統(tǒng)計學(xué)方法通過詞匯和語法結(jié)構(gòu)的頻率推斷文本含義；讓計算機自己從大量例子中找規(guī)律，例如，發(fā)現(xiàn)“蘋果手機”和“華為手機”經(jīng)常一起出現(xiàn)，就知道它們都是電子產(chǎn)品；通過分析

1000篇影評，學(xué)會“畫面震撼”通常是好評。它的常用工具：詞頻統(tǒng)計、關(guān)聯(lián)分析。2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用(2)自然語言處理的方法自然語言處理的方法包括統(tǒng)計學(xué)方法、規(guī)則引擎方法、機器學(xué)習(xí)方法和深度學(xué)習(xí)方法?！?/p>

規(guī)則引擎方法基于語言學(xué)規(guī)則解析語言，但維護成本高?！?/p>

機器學(xué)習(xí)方法利用模型學(xué)習(xí)文本模式，例如，支持向量機(SVM)、樸素貝葉斯等。2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用(2)自然語言處理的方法自然語言處理的方法包括統(tǒng)計學(xué)方法、規(guī)則引擎方法、機器學(xué)習(xí)方法和深度學(xué)習(xí)方法?！?/p>

深度學(xué)習(xí)方法通過神經(jīng)網(wǎng)絡(luò)(例如，

RNN

、LSTM

和Transformer)自動學(xué)習(xí)深層特征，實現(xiàn)更精準(zhǔn)的語言理解與處理。模仿人腦的神經(jīng)網(wǎng)絡(luò)，讓計算機“自己琢磨”,例如，像背課文一樣記住海量數(shù)據(jù)(例如，整個維基百科);能舉一反三，學(xué)會翻譯英文后，也能猜出法語句子的意思。它的典型應(yīng)用：

ChatGPT

聊天機器人、抖音自動生成視頻字幕等。2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用(2)自然語言處理的方法自然語言處理

(NLP)

的工具和框架為研究人員和開發(fā)者提供了強大的支持，幫助他們快速構(gòu)建和部署NLP應(yīng)用。常用的開源工具包括NLTK(Natural

Language

Toolkit)、spaCy、

Stanford

NLP和Transformers等。NLTK是Python中廣泛使用的NLP庫，提供了豐富的文本處理功能，如分詞、詞性標(biāo)注和句法分

析

。2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用(3)自然語言處理的工具2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用(3)自然語言處理的工具spaCy則以其高效性和易用性著稱，支持多語言處理，適用于工業(yè)級應(yīng)用。Stanford

NLP提供了強大的自然語言分析工具，包括命名實體識別和依存句法分析。spaCy

專為生產(chǎn)用途而設(shè)計，可幫助您構(gòu)建處理和“理解”大量文本Dependency

ParsingspaCyEntity

Detection

Language

ModelsWord

Vectors2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用(3)自然語言處理的工具近年來，基于深度學(xué)習(xí)的框架如Hugging

Face

Transformers成為主流，提供了預(yù)訓(xùn)練模型(例如，

BERT

、GPT和DeepSeek

)和便捷的API,

支持文本分類、機器翻譯和問答等

任務(wù)。這些工具極大地降低了NLP的開發(fā)門檻，推動了技術(shù)的普及和應(yīng)用。經(jīng)典機器學(xué)習(xí)流程

“預(yù)訓(xùn)練一微調(diào)”流程“預(yù)訓(xùn)練-微調(diào)”流程與經(jīng)典機器學(xué)習(xí)流程的對比特定任務(wù)有標(biāo)注訓(xùn)練數(shù)據(jù)模型訓(xùn)練語言模型預(yù)訓(xùn)練模型微調(diào)測試數(shù)據(jù)最終模型測試數(shù)據(jù)最終模型不同特定任務(wù)有標(biāo)注訓(xùn)練數(shù)據(jù)大規(guī)模無標(biāo)注文本數(shù)據(jù)自然語言處理技術(shù)在機器翻譯、信息檢索、問答系統(tǒng)、信息抽取、文檔分類和情感分析等領(lǐng)域廣泛應(yīng)用，通過理解和處理文本數(shù)據(jù)，為跨語言交流、信息獲取、知識管理和情感監(jiān)測

等提供了強大支持。2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用(4)自然語言處理的工具在搜索引擎中，

NLP

技術(shù)用于理解用戶查詢意圖，提供更精準(zhǔn)的搜索結(jié)果。在語音助手中，NLP

技術(shù)用于語音識別和自然語言理解，實現(xiàn)人機對話。例如，虛擬主播：用Al生成真人般的主播視頻；智能音箱：說“開空調(diào)”就能控制家電；地圖導(dǎo)航：語音輸入“去最近的奶茶店”。2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用

(4)自然語言處理的工具在機器翻譯領(lǐng)域，

NLP

技術(shù)能夠自動將一種語言的文本翻譯成另一種語言，極大地促進了跨語言交流。例如，谷歌翻譯支持多種語言的即時翻譯；有道詞典提供文檔翻譯功能等等。有

道翻譯潤色改寫旦

文

檔

翻

譯

曉

BPDF降重降A(chǔ)l率◎音視頻翻譯AI寫作B

AI

PPTI眉

arXiv論文翻譯網(wǎng)頁翻譯翻譯API(4)自然語言處理的工具輸入要翻譯的文本或網(wǎng)址Al文檔翻譯

·問答2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用文檔翻譯

PDF

轉(zhuǎn)WORD自動檢測語言Al+人工翻譯通用場景在情感分析方面，

NLP

技術(shù)用于分析社交媒體、產(chǎn)品評論等文本

中的情感傾向，幫助企業(yè)了解用戶

反饋和市場趨勢。例如，電商平臺通過分析用戶

評論判斷產(chǎn)品滿意度；品牌監(jiān)測工

具分析社交媒體上的輿情動態(tài)；市場調(diào)研機構(gòu)利用情感分析預(yù)測產(chǎn)品

市場接受度。感知多模態(tài)輸入記憶與規(guī)劃存儲知識環(huán)境最近要中考了，非常

緊張，害怕上不了一

個好的高中。考試成績只是評價你知

識水平的一個方面。高

中里，還有很多其他的

因素會影響你的整體表

現(xiàn)，比如學(xué)習(xí)時間、時

間管理、社交技能等。2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用(4)自然語言處理的工具總

結(jié)

檢索規(guī)劃和推薦心大陸多智能體行動

文本生成一個情感分析示例API

調(diào)用在文本摘要領(lǐng)域，

NLP

技術(shù)能夠從長文本中提取關(guān)鍵信息，生成簡潔的摘要，廣泛應(yīng)用于新聞、法律和醫(yī)療等領(lǐng)域。例如，新聞網(wǎng)站利用文本摘要技術(shù)生成新聞頭

條

；法律機構(gòu)通過摘要提取案件關(guān)鍵信息；醫(yī)療研究者利用摘要快速了解醫(yī)學(xué)文獻的核心內(nèi)

容

。用AI

寫摘要，10秒鐘搞

定簡直太爽了AI寫摘要AI對醫(yī)學(xué)人來講，絕dui是Super

黑科

技，我給大家演示一下它是怎么幫你10

秒鐘就完成摘要部分的寫作。以MR骨關(guān)節(jié)炎文章為例，第.1步，先

把背景給它，比如你是一名醫(yī)學(xué)博士

生，你需要將MR

相關(guān)課題的研究成果

寫成一篇文章用于投稿SCI。(4)自然語言處理的工具2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用一個AI寫文本摘要示例(4)自然語言處理的工具在問答系統(tǒng)中，

NLP

技術(shù)用于理解用戶問題并從大量文本中檢索或生成答案，如智能客服和搜索

引擎中的問答功能。例如，作業(yè)幫：拍照搜題+解題步驟講解；英語趣配音：自動給你的口語打分。AI

智能診斷精準(zhǔn)解答

高效輔助客服一個AI智能客服示例微售后AI客服上線DeepSeek、

阿里通義千問模型，多層級能力滿足從模型部署到每個產(chǎn)品的各類售后解答需

求

。2.相關(guān)知識—2.1.自然語言處理的內(nèi)涵和應(yīng)用人工神經(jīng)網(wǎng)絡(luò)(Artificial

Neural

Network,ANN)是一種模仿人類大腦神經(jīng)元工作原理的計算模型，是以腦和神經(jīng)系統(tǒng)為模型的機器學(xué)習(xí)算法。它由大量相互連接的“節(jié)點”(也叫神經(jīng)元)組成，這

些節(jié)點通過“連接”傳遞信息，就像大腦中的神經(jīng)元通過突觸傳遞信號一樣。每個節(jié)點接收輸入數(shù)據(jù)，經(jīng)過簡單計算后，將結(jié)果傳遞給下一個節(jié)點。通過調(diào)整節(jié)點之間的連接強度(權(quán)重),神經(jīng)網(wǎng)絡(luò)可以“學(xué)習(xí)”數(shù)據(jù)中的規(guī)律，最終完成分類、預(yù)測等任務(wù)。例如，人類在學(xué)習(xí)騎自行車時，大腦不斷調(diào)整動

作，直到掌握平衡等。(1)人工神經(jīng)網(wǎng)絡(luò)的內(nèi)涵樹突突觸細(xì)胞體軸突施旺細(xì)胞髓鞘細(xì)胞核2.相關(guān)知識—2.2人工神經(jīng)網(wǎng)絡(luò)的內(nèi)涵和應(yīng)用輸入層

隱藏層

輸出層

神經(jīng)元數(shù)學(xué)模型神經(jīng)元生理結(jié)構(gòu)蘭氏結(jié)(1)人工神經(jīng)網(wǎng)絡(luò)的內(nèi)涵人工神經(jīng)網(wǎng)絡(luò)有很多種類，常見的類型有前饋神經(jīng)網(wǎng)絡(luò)(FeedforwardNeuralNetwork)、卷積神經(jīng)網(wǎng)

絡(luò)

(ConvolutionalNeuralNetwork,CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent

Neural

Network,RNN)、生成對抗網(wǎng)絡(luò)(Generative

Adversarial

Network,GAN)和深度神經(jīng)網(wǎng)絡(luò)(Deep

Neural

Networks,

DNN)

等。2.相關(guān)知識—2.2人工神經(jīng)網(wǎng)絡(luò)的內(nèi)涵和應(yīng)用ANN人工神經(jīng)網(wǎng)絡(luò)(Artificial

Neural

Network)GAN生成對抗網(wǎng)絡(luò)(GenerativeAdversarialNetworks)RNN循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent

Neural

Network)LSTM長短期(Longshort-term

memory)CNN卷積神經(jīng)網(wǎng)絡(luò)(Convolutional

NeuralNetworks)GNN圖神經(jīng)網(wǎng)絡(luò)(Graph

Neural

Networ)人工神經(jīng)網(wǎng)絡(luò)在多個領(lǐng)域得到了廣泛應(yīng)用，主要包括模式識別、信號處理、醫(yī)學(xué)診斷、金融預(yù)測、智能控制、數(shù)據(jù)挖掘、自然語言處理和優(yōu)化組合等。模式識別：用于圖像識別、語音識別和手寫文字識別等任務(wù)，能夠自動提取特征并進行分類。信號處理：在生物醫(yī)學(xué)信號處理(例如，心電圖、腦電圖分析)和通信信號處理中，用于信號的濾波、分

類和預(yù)測。醫(yī)學(xué)診斷：通過分析醫(yī)學(xué)影像和生物信號，輔助醫(yī)生進行疾病診斷和治療方案制定。(2)人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用2.相關(guān)知識—2.2人工神經(jīng)網(wǎng)絡(luò)的內(nèi)涵和應(yīng)用(2)人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用金融預(yù)測：用于股票市場預(yù)測、信用評估和風(fēng)險分析，通過對歷史數(shù)據(jù)的學(xué)習(xí)預(yù)測未來趨勢。智能控制：在機器人控制、工業(yè)自動化和智能交通系統(tǒng)中，用于實時決策和優(yōu)化控制。2.相關(guān)知識—2.2人工神經(jīng)網(wǎng)絡(luò)的內(nèi)涵和應(yīng)用數(shù)據(jù)挖掘：用于從大規(guī)模數(shù)據(jù)中提取有用信息，如關(guān)聯(lián)規(guī)則挖掘、聚類分析和異常檢測。自然語言處理：在機器翻譯、情感分析和問答系統(tǒng)等任務(wù)中，通過深度學(xué)習(xí)模型處理和理解自然語言文本。優(yōu)化組合：用于解決復(fù)雜的優(yōu)化問題，例如，路徑規(guī)劃、資源分配和調(diào)度問題。(2)人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用2.相關(guān)知識—2.2人工神經(jīng)網(wǎng)絡(luò)的內(nèi)涵和應(yīng)用深度學(xué)習(xí)(Deep

Learning)特指基于深層神經(jīng)網(wǎng)絡(luò)模型和方法的機器學(xué)習(xí)。深度學(xué)習(xí)是機器學(xué)習(xí)的一個分支，通過模擬人腦神經(jīng)網(wǎng)絡(luò)的層次結(jié)構(gòu)，從大量數(shù)據(jù)中自動學(xué)習(xí)特征和規(guī)律。

它使用多層“神經(jīng)元”構(gòu)建復(fù)雜模型，能夠處理圖像、語音和文本等非結(jié)構(gòu)化數(shù)據(jù)，是實現(xiàn)人工智能的核心技術(shù)之一

。人工智能

(Al)與

機器學(xué)習(xí)

(Machine

Learning)

的不同類型人工智能自動化編程

知識表示(1)深度學(xué)習(xí)的內(nèi)涵2.相關(guān)知識—2.3深度學(xué)習(xí)的內(nèi)涵和應(yīng)用智能機器人視覺感知K-均值聚類自然語言處理

決策樹專家系統(tǒng)語音識別計劃與調(diào)度

隨機森林深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)(CNN)循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)問題解決集成方法

與搜索策略樸素貝葉斯分類機器學(xué)習(xí)主成分分析

自動推理K-近鄰算法支持向量機模塊化神經(jīng)網(wǎng)絡(luò)自適應(yīng)

共振理論多層感知器破爾茲曼機徑向基函數(shù)網(wǎng)絡(luò)自組織映射自編碼器霍普菲爾德網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)循環(huán)神經(jīng)網(wǎng)絡(luò)線性/邏輯/

回歸生成對抗網(wǎng)絡(luò)

(GAN)異常檢測強化學(xué)習(xí)深度學(xué)習(xí)的意義在于它讓計算機具備了“舉一反三”的能力，極大地推動了人工智能的發(fā)展。傳統(tǒng)機器學(xué)習(xí)

需要人工設(shè)計特征，而深度學(xué)習(xí)可以自動從數(shù)據(jù)中提取特征，減少了人為干預(yù)，提高了模型的準(zhǔn)確性和泛化

能力。例如，在圖像識別中，深度學(xué)習(xí)可以直接從像素中學(xué)習(xí)到邊緣、形狀等特征，而不需要人工定義“什么

是邊緣”。這種能力使得深度學(xué)習(xí)在復(fù)雜任務(wù)中表現(xiàn)優(yōu)異，例如，自動駕駛、醫(yī)療診斷等。此

外

，深度學(xué)習(xí)的應(yīng)用降低了技術(shù)門檻。

通過開源框架(例如，

TensorFlow、PyTorch),普通開發(fā)者也能快速構(gòu)建AI模型，推動了技術(shù)的普及和創(chuàng)新。深度學(xué)習(xí)不僅是技術(shù)上的突破，更是推動社會智能化轉(zhuǎn)型的重要力量，為醫(yī)療、教育和交通等領(lǐng)域帶來了革命性變化。2.相關(guān)知識—2.3深度學(xué)習(xí)的內(nèi)涵和應(yīng)用(2)深度學(xué)習(xí)的意義深度學(xué)習(xí)在圖像識別、語音識別、自然語言處理、自動駕駛、醫(yī)療診斷、金融預(yù)測和精準(zhǔn)營銷等多個領(lǐng)域有廣泛應(yīng)用。圖像識別：例如，人臉識別、物體檢測等，深度學(xué)習(xí)算法能夠高效地從圖像中提取特征，實現(xiàn)高精度的識別。語音識別：通過深度學(xué)習(xí)，機器可以準(zhǔn)確地將語音轉(zhuǎn)換為文本，實現(xiàn)自然語言交互。自然語言處理：深度學(xué)習(xí)在機器翻譯、情感分析和問答系統(tǒng)等方面有重要應(yīng)用，提高了自然語言處理的準(zhǔn)確性和效率。自動駕駛：深度學(xué)習(xí)技術(shù)使自動駕駛汽車能夠感知環(huán)境、識別障礙物并做出決策，推動了自動駕駛技術(shù)的發(fā)

展

。2.相關(guān)知識—2.3深度學(xué)習(xí)的內(nèi)涵和應(yīng)用(3)深度學(xué)習(xí)的應(yīng)用了解主流AIGC

工具有助于把握行業(yè)發(fā)展趨勢，選擇適合自身需求的工具。這可以提高工作效率，優(yōu)化內(nèi)容創(chuàng)作質(zhì)量，同時避免重復(fù)開發(fā)，節(jié)省時間和資源。此外，掌握不同工具的特點和優(yōu)勢，能

夠更好地應(yīng)對多場景應(yīng)用需求，提升競爭力，并為未來的技術(shù)選型和創(chuàng)新提供參考依據(jù)。豆

包你好，我是豆包新對話2.

AI文檔發(fā)消息或輸入/選擇技能歐圖像生成(12

AI

編程@88深度思考品

更多圖像生成

2幫我寫作

A

翻譯

(14編程

品更多①關(guān)于豆包主流AIGC

文本生成工具2.相關(guān)知識—2.4主流AIGC文本生成工具對比最近對話C

圖由工具名稱所屬公司/機構(gòu)主要特點ChatGPTOpenAI基于GPT-4模型，支持多輪對話、代碼生成和文本創(chuàng)作BardGoogle基于PaLM2模型，集成谷歌搜索，提供實時信息ClaudeAnthropic強調(diào)安全性和倫理約束，支持長文本處理文心一言百度基于ERNIE模型，中文理解能力強，支持多模態(tài)生成通義千問阿里云集成阿里云生態(tài)，支持企業(yè)級定制訊飛星火科大訊飛語音與文本結(jié)合，支持多輪對話和語音輸入騰訊混元騰訊集成騰訊生態(tài)，支持社交、游戲場景DeepSeek深度求索專注于中文場景，支持長文本生成與多輪對話，注重數(shù)據(jù)安全與隱私保護智譜清言智譜華章)基于GLM模型，支持多輪對話和復(fù)雜任務(wù)處理天工AI昆侖萬維支持文本生成、代碼編寫和多模態(tài)內(nèi)容創(chuàng)作豆包抖音集成快手生態(tài)，支持短視頻腳本生成和直播互動文案主流AIGC

文本生成工具2.相關(guān)知識—2.4主流AIGC文本生成工具對比訊飛星火開學(xué)密鑰穩(wěn)拿好禮

◎腦版下載SPARR分析研究只PPT

生成文A文本翻譯

代碼生成自

動

適

配

需

求，

復(fù)

雜

問

題自

動

深

析

，

有

什

么

可

以

幫

助

你

?有

問

題，盡管問!閱讀文檔我

的MBTI

適合什么社團?

科研助手

求職助手

研究助手分

論文寫作競品分析內(nèi)容由Al生成，僅供參考，請仔細(xì)甄別主流AIGC

文本生成工具2.相關(guān)知識—2.4主流AIGC文本生成工具對比8A

思考·

自動創(chuàng)意寫作Qwen3

Plus我是通義，你的超級個人助理遇

事

不

決

問

通

義深度思考

分析研究錄音

PPT文

檔

音視頻下載APP世界在提問時，清言已寫好

答案~和我聊聊天吧PPT

模式主流AIGC

文本生成工具搜索歷史對話/智能體ChatGLM數(shù)據(jù)分析最近對話張桂梅為丁王英戴上第一枚黨徽智能體中心

云知識庫開

通VIP

享高階權(quán)益>2.相關(guān)知識—2.4主流AIGC文本生成工具對比快速貓澤2024

ChatGLM4章公

用產(chǎn)協(xié)收工私政策Q開

擔(dān)

理把這個中文Vlog標(biāo)題翻譯成吸引人的英文，適合在YouTube發(fā)布：“我花了72小時，沉浸…用HTML和

JavaScript

創(chuàng)建一

個簡單的隨機密碼生成器，可指

定密碼長度(8-20位),并

…“文生文”技術(shù)(Text-to-Text

Generation)是自然語言處理(NLP)領(lǐng)域的一項重要技術(shù)，旨在根據(jù)輸入的文本生成新的文本。其核心目標(biāo)是讓計算機能夠理解輸入文本的語義，并生成符合語法規(guī)則和

上下文邏輯的新文本。2.相關(guān)知識—2.5文生文”技術(shù)的工作原理與實現(xiàn)流程(1)工作原理“文生文”技術(shù)的工作原理可以概括為三個主要環(huán)節(jié)：語言理解、語言生成和模型訓(xùn)練?！拔纳摹奔夹g(shù)就像教計算機“讀”懂人說的話，再“寫”出新的句子。它主要分三步：讀句子、寫句子和練習(xí)寫作文。1)讀句子(語言理解)計算機先把句子拆成詞語。例如，“我喜歡人工智能”會拆成“我”“喜歡”“人工智能”。然后給每個詞語“貼標(biāo)簽”,例如，“蘋果”可能是水果，也可能是手機品牌，計算機會根據(jù)上下文判斷意思。2.相關(guān)知識—2.5文生文”技術(shù)的工作原理與實現(xiàn)流程“文生文”技術(shù)的工作原理可以概括為三個主要環(huán)節(jié)：語言理解、語言生成和模型訓(xùn)練。

“文生文”技術(shù)就像教計算機“讀”懂人說的話，再“寫”出新的句子。它主要分三步：讀句子、寫句子和練習(xí)寫作文。2)寫句子(語言生成)計算機根據(jù)讀懂的句子，

一個字一個字“寫”出回答。例如，問“今天天氣怎么樣?”,它會先寫“今天”,再猜下一個詞是“晴天”還是“下雨”。寫的時候，計算機會挑可能性最高的詞(例如，“晴天”),或者偶爾隨機選詞讓回答更自然。3)練習(xí)寫作文(模型訓(xùn)練)計算機需要“讀書”學(xué)習(xí)語言規(guī)律。例如，先讀很多小說、新聞，學(xué)會怎么造句。再針對具體任務(wù)“補課”。例如，專門練習(xí)翻譯，把中文句子翻成英文。(1)工作原理2.相關(guān)知識—2.5文生文”技術(shù)的工作原理與實現(xiàn)流程“文生文”技術(shù)的實現(xiàn)流程可以分為五個主要步驟：數(shù)據(jù)準(zhǔn)備、模型選擇、模型訓(xùn)練、文本生成和后處理。為了形象地理解，把“文生文”技術(shù)的工作過程類比成做菜的過程，分五步：

買菜洗菜、選鍋具、學(xué)做菜、炒菜和擺盤試吃。(2)實現(xiàn)流程2.相關(guān)知識—2.5文生文”技術(shù)的工作原理與實現(xiàn)流程1)買菜洗菜(數(shù)據(jù)準(zhǔn)備)收集大量文字材料，例如，課本、微博和新聞。清理錯誤和重復(fù)內(nèi)容，例如，刪掉亂碼。如果是翻譯任務(wù)，需要準(zhǔn)備中英文對照句子(例如，“你好→Hello”)。2)選鍋具(模型選擇)選合適的工具：例如，大炒鍋(Transformer

模型)適合處理長文章，能記住前后文關(guān)系。小湯鍋(RNN/LSTM

模型)適合短句子，但長文章容易“煮糊”。(2)實現(xiàn)流程2.相關(guān)知識—2.5文生文”技術(shù)的工作原理與實現(xiàn)流程3)學(xué)做菜(模型訓(xùn)練)先學(xué)基本功(預(yù)訓(xùn)練)讓計算機讀大量通用文章，學(xué)會造句規(guī)律；