生成式人工智能基础电子书

前言

第1章 人工智能基础

1.1 计算机的渊源

1.1.1 通用计算机

1.1.2 计算机的定义

1.2 大数据基础

1.2.1 大数据的定义

1.2.2 大数据的3V特征

1.3 AI时代

1.3.1 图灵测试及其发展

1.3.2 AI的定义

1.3.3 实现AI的三种途径

1.4 机器学习与深度学习

1.4.1 机器学习

1.4.2 深度学习

1.4.3 机器学习与深度学习的关系

1.5 人工智能发展中的“中国风”

1.5.1 世界AI发展的排头兵

1.5.2 AI领域的“东方神秘力量”

1.5.3 基于量化“幻方”的深度求索

1.5.4 宇树科技与四足机器人

1.5.5 游戏科学与《黑神话：悟空》

1.5.6 全球最大可交互三维能力的群核科技

1.5.7 中国AI企业应有的自信

【作业】

【研究性学习】探索AI在日常生活中的应用

第2章 生成式AI与AIGC

2.1 Blockhead思维实验

2.2 从自然语言处理起步

2.2.1 NLP研究内容

2.2.2 深度学习的影响

2.2.3 LLM崛起

2.2.4 LLM特征

2.3 生成式人工智能

2.3.1 什么是判别式AI

2.3.2 定义生成式AI

2.3.3 生成式AI的层次

2.3.4 定义AIGC

2.3.5 生成式AI与AIGC的关系

2.4 智能内容生成

2.4.1 内容孪生

2.4.2 内容编辑

2.4.3 内容理解

2.5 生成式AI应用场景

【作业】

【研究性学习】熟悉阿里云大模型“通义千问”

第3章 大语言模型技术

3.1 算法、算力与算料

3.1.1 算法：人工智能的智慧之源

3.1.2 算力：人工智能的动力引擎

3.1.3 算力中的GPU

3.1.4 DeepSeek带来的启迪

3.1.5 算料：人工智能的燃料之源

3.2 LLM的工作原理

3.2.1 词元及其标记化

3.2.2 基础模型

3.2.3 词嵌入及其含义

3.2.4 生成和理解

3.2.5 预训练与微调

3.3 生成对抗网络

3.3.1 GAN的基本原理

3.3.2 GAN的训练过程

3.3.3 不同类型的GAN

3.4 变分自编码器

3.4.1 VAE的工作机制

3.4.2 潜在空间探索

3.5 流模型

3.5.1 流模型应用场景

3.5.2 流模型应用案例

3.6 语言模型基础

3.7 接入LLM的几种方法

3.7.1 个人直接使用平台功能

3.7.2 通过平台搭建智能体

3.7.3 通过API调用

3.7.4 私有化本地部署

3.7.5 通过云服务商间接部署

3.7.6 渐进式接入

3.8 LLM的幻觉

3.8.1 产生幻觉的原因

3.8.2 减轻幻觉

【作业】

【研究性学习】LLM典型案例分析

第4章 提示工程与技巧

4.1 提示工程的定义

4.2 提示的原理

4.2.1 提示词分类

4.2.2 提示构成

4.2.3 提示调优

4.3 提示工程技术

4.3.1 链式思考提示

4.3.2 生成知识提示

4.3.3 少样本提示

4.3.4 自一致提示

4.3.5 思维树提示

4.4 提示学习和语境学习

4.4.1 提示学习

4.4.2 语境学习

4.5 提示词写作技巧

4.5.1 提示词框架推荐

4.5.2 提示词实践技巧

【作业】

【研究性学习】练习撰写提示词

第5章 文本生成技术

5.1 典型的语言模型方法

5.1.1 基于规则的方法

5.1.2 统计语言模型

5.1.3 循环神经网络及其变体

5.2 Transformer模型

5.2.1 位置编码机制

5.2.2 自注意力机制

5.2.3 Transformer过程

5.2.4 Transformer结构

5.2.5 Transformer模块

5.3 混合模型

5.4 典型的文本生成技术

5.4.1 文本摘要技术

5.4.2 诗歌生成

5.4.3 简单对话系统

5.4.4 翻译任务中的应用

【作业】

【研究性学习】熟悉AI助手Kimi

第6章 图像生成技术

6.1 图像生成的模型

6.1.1 扩散模型

6.1.2 自回归模型

6.1.3 图像生成的代表性模型

6.2 图像生成的应用场景

6.3 图像风格迁移

6.3.1 基本原理

6.3.2 代表性算法

6.4 超分辨率重建

6.4.1 基本原理

6.4.2 传统方法

6.4.3 基于学习的方法

6.5 视频生成

6.5.1 主要方法

6.5.2 代表性算法

6.6 医疗影像合成

6.6.1 主要方法

6.6.2 代表性算法

6.7 挑战与未来发展

【作业】

【研究性学习】基于深度学习的图像生成

第7章 音频生成技术

7.1 定义音频生成技术

7.1.1 音频与音乐

7.1.2 核心生成技术

7.2 波形建模

7.3 音乐旋律生成

7.4 语音合成

7.4.1 基本原理

7.4.2 主要方法

7.4.3 合成质量

7.4.4 用户定制

7.5 音频增强与修复

7.5.1 噪声减少

7.5.2 回声消除

7.5.3 音频修复

7.5.4 动态范围压缩

7.5.5 等化

7.5.6 时间拉伸与音高转换

7.5.7 用户交互与自动化

【作业】

【研究性学习】探索音乐旋律生成模型

第8章 多模态生成技术

8.1 多模态生成概述

8.1.1 技术基础

8.1.2 模型结构融合策略

8.2 视觉与文本结合

8.2.1 图像字幕生成

8.2.2 视觉问答

8.2.3 文生图的合成与编辑

8.2.4 生成中的情感一致性

8.2.5 案例：Muse文生图模型

8.3 跨媒体内容生成

8.3.1 图像到文本生成

8.3.2 跨媒体翻译

8.3.3 多模态对话系统

8.4 智能感知与响应

8.4.1 技术基础

8.4.2 制定响应决策

8.5 应用与发展

8.5.1 多模态生成的应用场景

8.5.2 技术挑战与发展趋势

【作业】

【研究性学习】多模态生成技术应用——“情感音乐可视化”

第9章 AIGC促进文化创意

9.1 文化创意应用场景

9.2 文学创作

9.2.1 AIGC用于文学创作

9.2.2 自动化写作工具

9.2.3 激发创意灵感

9.3 视觉艺术

9.3.1 图像生成与编辑

9.3.2 风格迁移

9.3.3 VR与AR

9.3.4 AI绘图工具

9.3.5 AIGC生成视频

9.4 音乐与音频制作

9.4.1 自动作曲

9.4.2 效果迁移与融合

9.4.3 音频处理与配乐

9.4.4 智能混音与母带处理

9.4.5 互动式音乐体验

9.5 影视娱乐

9.5.1 剧本开发与优化

9.5.2 视觉效果生成

9.5.3 智能剪辑与叙事结构

9.5.4 互动式影视体验

9.6 AIGC带来新商业模式

9.6.1 基于订阅的内容即服务

9.6.2 微内容与短格式媒体

9.6.3 版权保护与交易机制

【作业】

【研究性学习】文生图：注册使用Midjourney绘图工具

第10章 AIGC改善医疗健康

10.1 关于循证医学

10.2 AIGC在医疗行业中的应用

10.2.1 主要应用场景

10.2.2 展望与挑战

10.3 AIGC加速药物发现

10.3.1 AIGC用于药物发现

10.3.2 为流程各阶段增加价值

10.3.3 AIGC助力药物研究

10.4 AIGC应用在健康领域

10.4.1 个性化健康管理

10.4.2 健康教育与咨询

10.4.3 康复与治疗支持

10.5 医疗健康应用案例

10.5.1 医学影像诊断系统

10.5.2 智能病历管理系统

【作业】

【研究性学习】AIGC辅助临床医学决策

第11章 AIGC造就智慧城市

11.1 智能交通概述

11.1.1 智能交通要素

11.1.2 关键技术

11.1.3 主要应用

11.2 AIGC用于智能交通

11.3 AIGC与自动驾驶

11.3.1 车联网技术概述

11.3.2 AIGC应用于自动驾驶

11.4 智能城市与AIGC

11.4.1 智慧城市关键特点

11.4.2 智慧城市主要组成

11.4.3 AIGC应用于智慧城市

【作业】

【研究性学习】AIGC智能交通应用案例分析

第12章 AIGC提升金融服务

12.1 金融服务概述

12.2 AIGC应用于金融服务

12.2.1 智能客服

12.2.2 风险评估

12.2.3 个性化推荐

12.2.4 智能投顾

12.2.5 反欺诈系统

12.3 案例：智投宝智能投顾平台

12.4 案例：智安盾金融反欺诈系统

【作业】

【研究性学习】AIGC在金融服务中的应用探索

第13章 AIGC提高科研水平

13.1 AIGC应用于设计

13.1.1 AIGC的设计应用场景

13.1.2 AIGC与设计师的协同模式

13.2 数据增强与模拟

13.2.1 数据增强

13.2.2 科学模拟

13.2.3 自动化实验设计

13.2.4 模型训练与改进

13.2.5 理论验证与假设测试

13.3 合作与共享

13.3.1 跨学科合作

13.3.2 科研文献管理

13.3.3 开放科学与共享平台建设

13.4 AIGC科研应用案例

13.4.1 生命科学案例

13.4.2 材料科学案例

13.4.3 环境科学案例

13.4.4 社会科学案例

13.4.5 物理科学案例

【作业】

【研究性学习】AIGC在科研中的应用探索

第14章 伦理与法律考量

14.1 AIGC面临的伦理挑战

14.2 数据隐私保护对策

14.2.1 数据主权和数据权问题

14.2.2 数据利用失衡问题

14.2.3 构建隐私保护伦理准则

14.2.4 健全道德伦理约束机制

14.3 AI伦理原则

14.3.1 职业伦理准则的目标

14.3.2 创新发展道德伦理宣言

14.3.3 欧盟可信赖的伦理准则

14.3.4 封禁存在“不可接受风险”AI系统

14.4 LLM的知识产权保护

14.4.1 LLM的诉讼案例

14.4.2 尊重隐私，保障安全，促进开放

14.4.3 边缘群体的数字平等

【作业】

【研究性学习】AI独立完成的视觉艺术品无法获得版权

第15章 面向AGI

15.1 生成式AI进步

15.2 AGI的涌现

15.2.1 AGI的定义

15.2.2 龙头企业对AGI的认识

15.3 LLM与AGI

15.4 生成式AI与AGI

15.5 从生成式AI迈向AGI

15.5.1 迈向AGI的关键要素

15.5.2 面临的挑战

15.5.3 潜在的发展路径

15.6 AI的未来发展

【作业】

【课程学习与实践总结】

参考文献