ChatGPT与大模型研究

本章内容包括： 什么是人工智能驱动的搜索？ 理解用户意图 人工智能驱动的搜索是如何工作的 内容与行为智能 构建人工智能驱动的搜索引擎 搜索框已经成为大多数现代应用中与数据交互的默认用户界面。如果你想一

本章内容包括： 探索流行的聊天机器人应用 理解生成式聊天机器人的优缺点 通过信息检索增强生成式聊天机器人 设计对话界面以改善用户体验 监控、评估并优化你的聊天机器人 你现在已经掌握了所有在软件中加入对

本章内容： 从文本中提取命名实体 使用依存句法分析理解句子的结构 将依存句法树转换为知识 从文本中构建知识图谱 在第10章中，你学习了如何使用大型变换器生成听起来聪明的词语。但仅靠语言模型，它们只是通

本章内容包括： 识别大型语言模型（LLM）输出中的错误、虚假信息和偏见 让LLM说出其企业控制者不希望其说的话 在私有数据上微调LLM 用于抽取式和生成式问答的向量搜索索引 使用LLM生成基于事实的、

本章内容包括： 了解变换器如何实现无限堆叠和扩展 微调变换器以适应你的应用 应用变换器进行长文档的抽取式和概括式总结 使用变换器生成合理、语法正确的文本 估算变换器的信息容量 变换器正在改变世界。变换

本章内容： 展开递归，帮助你理解如何将其应用于自然语言处理（NLP） 在PyTorch中实现基于单词和字符的递归神经网络（RNN） 确定RNN是最佳选择的应用场景 理解时间反向传播 使用长短期记忆（L

本章内容包括： 理解用于自然语言处理（NLP）的神经网络 在序列中寻找模式 使用PyTorch构建卷积神经网络（CNN） 训练卷积神经网络 训练嵌入 文本分类 在本章中，你将揭开卷积在自然语言处理（N

本章内容包括： 理解词嵌入或词向量 用向量表示意义 定制词嵌入以创建特定领域的向量 使用词嵌入进行推理 可视化词语的意义 词嵌入可能是你自然语言处理（NLP）工具箱中最易于理解且普遍有用的工具。它们能

本章内容 为神经网络构建基础层 使用反向传播训练神经网络 在Python中实现基本的神经网络 在PyTorch中实现可扩展的神经网络 堆叠网络层以获得更好的数据表示 调整神经网络以提高性能 当你读到本

本章内容： 分析语义（意义）以创建主题向量 使用主题向量之间的语义相似度进行语义搜索 针对大规模语料库的可扩展语义分析和语义搜索 将语义成分（主题）作为特征应用于你的 NLP 流水线 导航高维向量空间

本章内容包括： 通过计数单词、n-gram 和词频来分析语义 使用 Zipf 法则预测单词出现的概率 将自然语言文本表示为向量 利用文档频率在文本集合中查找相关文档 通过余弦相似度估计文档对之间的相似

本章内容包括： 将文本解析为单词和n-gram（标记） 对标点符号、表情符号甚至中文字符进行标记化 通过词干提取、词形还原和大小写折叠整合词汇 构建自然语言文本的结构化数值表示 对文本进行情感和亲社会

本章涵盖内容： 人类语言的力量 自然语言处理（NLP）如何改变社会 机器现在能够出色完成的NLP任务类型 释放NLP魔力的盈利潜力与潜在危险 如何开始构建一个简单的聊天机器人 NLP技术如何自我编程并

随着人工智能的使用越来越广泛，其发生灾难性故障的机会也随之增加。在基础模型问世的短短时间里，我们已经看到许多失败。有人在聊天机器人鼓励下自杀；律师提交了由人工智能虚构的虚假证据；加拿大航空被判支付赔偿

要使用基础模型构建应用，首先需要有基础模型。虽然你不需要知道如何开发一个模型就能使用它，但对其进行高层次的理解将帮助你决定使用哪个模型以及如何根据你的需求进行调整。 训练一个基础模型是一个极其复杂且昂

如果只能用一个词来描述2020年之后的人工智能（AI），那就是规模。支撑像ChatGPT、Google的Gemini以及Midjourney这样的应用的AI模型规模如此之大，它们消耗了全球相当大的一部

人工智能（AI）和机器学习（ML）领域有着悠久的历史。在过去70多年里，机器学习从20世纪50年代的跳棋游戏程序逐步发展到能够在围棋中击败世界冠军的高级人工智能。近年来，诸如ChatGPT等生成式人工

在本章中，我们将探讨如何应用生成型人工智能（GenAI）来总结文档，这是各个行业中一种无价的能力。然而，在深入具体的用例之前，必须认识到，由GenAI驱动的搜索智能支持多种用例，除了文档总结外，还包括

在本章中，我们将探讨一个元数据提取用例，这是理解生成式人工智能（GenAI）能力的一个很好的切入点。这个话题在各行各业中都有重要意义，且具有启发性。 为了说明这个用例，让我们考虑一个场景，在这个场景中

本章介绍了围绕大型语言模型（LLMs）设计系统的两种主要模式——批处理和实时模式。决定架构批处理或实时应用程序将取决于你正在处理的用例。一般来说，批处理用例是围绕生成数据并在稍后使用的场景进行构建的。