亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

學習如何顛覆性的AI聊天機器人將改變學校、工作和更多領域。 《ChatGPT入門》為你解密這個能回答問題、寫作文、生成幾乎任何被問到的文本的人工智能工具。這個強大的生成型AI被廣泛預測將顛覆教育和商業。在這本書中，你將學習ChatGPT是如何工作的，以及如何操作它以得到滿意的結果。你還將探討使用AI生成內容的各種目的的倫理問題。由一位在人工智能前線工作了十多年的記者撰寫，這本書深入探討了ChatGPT的潛力，讓你能做出明智的決定——而無需向ChatGPT尋求幫助。 了解ChatGPT的工作方式以及它如何適應生成型AI的世界 利用ChatGPT的力量來幫助你，并避免讓它阻礙你 編寫能得到你想要的回應類型的查詢 看看ChatGPT API如何與其他工具和平臺交互 這本及時的《入門》書籍非常適合任何生活或職業可能受到ChatGPT和其他AI影響的人。ChatGPT只是冰山一角，這本書可以幫助你為未來做好準備。

盡管你可以在YouTube、博客、文章、社交媒體和其他地方找到大量關于ChatGPT的內容，但這本書是首批，如果不是第一本，關于這個主題的全面性文本，特別是針對初學者或介紹級別。并且請不要誤解。在少數AI科學家之外，每個人在接觸ChatGPT時都是初學者。請安心，知道你正在和全球數百萬其他人一起學習。 如果你已經在嘗試或使用ChatGPT，你將在這本書中找到多種方法，利用你已經知道的內容，并將新事物融入到你的努力中，以便從ChatGPT中獲得更多。請注意，對ChatGPT的討論包括解釋和提及支持ChatGPT的GPT模型，但這些模型也被用作除此聊天機器人之外的其他應用的AI模型。對類似ChatGPT的模型的引用可能意味著它們在技術上與ChatGPT相似，也可能不相似。例如，競爭模型可能有也可能沒有大型語言模型（LLMs）作為其基礎，正如ChatGPT一樣，但它們仍然被稱為“類似”，因為它們的用戶界面和功能與ChatGPT的非常相似。這樣，你可以更容易地比較和理解市場上的各種生成型AI聊天機器人，而不需要深陷技術細節。一些網址可能會跨越兩行文本。如果你正在閱讀紙質版的這本書，并想訪問其中一個網頁，只需按照文本中記錄的方式準確輸入地址，忽略行間斷開的部分。如果你正在閱讀電子書，那就簡單了；只需點擊網址即可直接進入網頁。

這本迷你書是給想要學習如何使用大型語言模型構建應用的Python開發者的全面指南。作者Olivier Caelen和Marie-Alice Blete闡述了GPT-4和ChatGPT的主要特性和優點，并解釋了它們的工作原理。你也會得到一個使用GPT-4和ChatGPT Python庫開發應用的逐步指南，包括文本生成，問答，和內容摘要工具。以清晰簡潔的語言寫就，"開發GPT-4和ChatGPT應用"書中包含了易于跟蹤的示例，幫助你理解并將概念應用到你的項目中。Python代碼示例可在GitHub倉庫中獲取，書中還包括一個關鍵術語的詞匯表。準備好在你的應用中利用大型語言模型的力量了嗎？那么這本書是必讀的。你將學習：ChatGPT和GPT-4的基本原理和優點以及它們的工作方式如何將這些模型集成到基于Python的應用中，進行NLP任務 如何使用Python的GPT-4或ChatGPT API開發應用，進行文本生成，問題回答，內容摘要等任務 高級GPT主題，包括提示工程，針對特定任務的模型微調，插件等等

通過本指南獲取的知識將適用于GPT-3，并且在GPT-4（如果有發布的話）也很可能仍然相關。OpenAI 提供 API（應用程序編程接口）以訪問他們的 AI。API 的目標是通過為所有版本創建通用接口來抽象底層模型，使用戶無論版本如何都能使用 GPT。本指南的目標是通過 API 提供使用 GPT-3 的分步指南，但不僅如此 - 還有許多其他由 OpenAI 構建的工具和模型，如 Whisper（一個在68萬小時多語言和多任務監督數據上進行訓練的自動語音識別（ASR）系統）、CLIP（對比性語言-圖像預訓練），一個在各種（圖像，文本）對上進行訓練的神經網絡以及 DALL·E 2，一個可以根據自然語言描述創建逼真圖像和藝術的新 AI 系統。無論您是構建聊天機器人、AI（語音）助手、語義搜索引擎、分類系統、推薦引擎、提供 AI 生成數據的 Web 應用程序還是其他任何類型的自然語言/圖像/語音處理和生成平臺，本指南都將幫助您實現目標。如果您已經掌握了 Python 編程語言的基礎知識，并愿意學習更多技巧，如使用 Pandas Dataframes 和一些 NLP 技巧，您就擁有了使用 OpenAI 工具構建智能系統所需的所有工具。放心，您無需擁有數據科學家、機器學習工程師或 AI 專家的頭銜，就能理解本指南中介紹的概念、技術和教程。我們的解釋非常清晰易懂，使用簡單的 Python 代碼、示例和動手練習。本指南專注于實踐、動手學習，旨在幫助讀者構建實際應用程序。指南以示例為驅動，提供了許多實際示例，以幫助讀者理解概念并將其應用于現實場景以解決實際問題。在學習過程結束時，您將構建了如下應用程序：

1. 經過微調的醫療聊天機器人助手
2. 智能咖啡推薦系統
3. 具有記憶和上下文的智能對話系統
4. 類似 Alexa 但更智能的 AI 語音助手
5. 幫助處理 Linux 命令的聊天機器人助手
6. 語義搜索引擎
7. 新聞類別預測系統
8. 圖像

　一方面，生成式AI帶來的是生產效率的提升，將大家從重復性勞動解放，生產內容更快，將更多精力放在創意等更重要的事情；同時降低用戶的學習成本，吸引更多的用戶來生產內容或者消費內容，也會改變與商品的交互方式，從而促成交易轉化，以上兩點將同時提升活躍用戶數及提高市場規模，如游戲、電影、有聲書、電商平臺等多領域，建議關注布局大模型的阿里巴巴-SW、騰訊控股、百度集團-SW等。

　　“從通用到專業？”還是“從專業到通用？”，建議在關注大模型的同時，同時關注NLP領域參數量相對較小的特定領域模型及其應用，有望通過低成本的方式加速落地，如藍色光標、秘塔寫作貓（一級項目）等；CV模型參數量通常較小，且語料庫不存在中英文差異，同樣值得關注，如美圖公司、萬興科技、易點天下等。 　　從大模型訓練的角度，語料庫及內容安全審查是生成式AI蓬勃發展的基石，建議關注閱文集團、中文在線、人民網、新華網、川網傳媒、中國科傳等。 　 　　在語言領域，聊天對話類如電商機器人客服、互聯網內容的生成、文章生成、游戲內容、游戲NPC對話等領域過去幾年AI算法均有應用，大模型算法有望提供新思路，使得對話及內容生成的全局能力、角色定位、文本長度及精品度更為優質，建議關注在相關領域持續探索AI算法的公司，關注阿里巴巴-SW、京東集團-SW、焦點科技、值得買、網易-S、騰訊控股、吉比特、三七互娛、巨人網絡、天娛數科等。 　 　　在視覺領域，SAM模型產生了較大的影響力，從以前的基于卷積神經網絡的純圖像特征，進階到了利用Prompt指令去學習理解圖片，大幅提高圖片分割能力并且具備內容多模態理解能力。從工具側而言，新的底層技術為其產品的可用性賦能，會使得用戶使用學習成本更低，吸引更多B或者C的用戶，并提升用戶的留存及復購；應用側，比如電影、動畫片制作則會提高生產效率，從而生產更多優質內容，建議關注兼具IP的上海電影、光線傳媒、華策影視、奧飛娛樂等。

1、國內外大廠發力布局，AI應用生態加速構建，行業應用前景有望打開： 　　（1）硬件端，以NVIDA為代表的國內外廠商布局AI芯片等硬件，有望降低行業內公司AI部署的成本和門檻，為AI商業化應用創造條件； 　　（2）軟件端，國內外大廠相繼發布AI大模型，并展現出出色的實際任務解決能力，應用空間廣闊； 　　（3）商業模式層面，ChatGPT插件大幅提升AI大模型的實用性和準確性，未來“AI大模型+應用插件”有望成為主流模式； 　　2、AI+行業應用有望加速融合，關注各賽道內具備布局優勢的廠商： 　　（1）隨著AI商用空間的逐步打開，AI結合各行業應用的進程有望加速，建議關注AI與辦公、教育、工業、醫療、安全、遙感、建筑、法律和金融行業的深度融合； 　　（2）對標Microsoft365Copilot，我們認為AI結合工具有望在實際業務場景中大幅提升用戶效率，實現降本增效，重點推薦廣聯達； 　　（3）我們認為AI大模型在文本生成領域技術已經成熟，在具備一定格式的文本生成中可輔助使用者完成任務，推薦AI+法律標的，通達海； 　

提示工程是一門相對較新的學科，用于開發和優化提示，以有效地將語言模型(LM)用于各種應用和研究主題。提示工程技能有助于更好地理解大型語言模型(LLM)的能力和局限性。 **研究人員使用prompt engineering來提高LLM在廣泛的常見和復雜任務上的能力，如問答和算術推理。**開發人員使用提示工程來設計與LLM和其他工具交互的健壯和有效的提示技術。 提示工程不僅僅是設計和開發提示。它包含了對與LLM交互和開發有用的廣泛技能和技術。這是接口、構建和理解llm功能的一項重要技能。您可以使用prompt engineering來提高llm的安全性并構建新的功能，例如用領域知識和外部工具增強LLM。 由于對與LLM一起開發的高度興趣，我們創建了這個新的prompt工程指南，其中包含所有最新的論文、學習指南、模型、講座、參考資料、新的LLM功能和與prompt工程相關的工具。 視頻：

地址：//github.com/dair-ai/Prompt-Engineering-Guide

1. 引言

提示工程是一門相對較新的學科，用于開發和優化提示，以有效地將語言模型(LM)用于各種應用和研究主題。提示工程技能有助于更好地理解大型語言模型(LLM)的能力和局限性。研究人員使用prompt engineering來提高LLM在廣泛的常見和復雜任務上的能力，如問答和算術推理。開發人員使用提示工程來設計與LLM和其他工具交互的魯棒和有效的提示技術。 本指南涵蓋了提示的基礎知識，對如何使用提示來交互和指示大型語言模型(LLM)提供了一個粗略的想法。 LLM設置

在處理提示時，您將通過API或直接與LLM交互。您可以配置一些參數以獲得不同的提示結果。 Temperature ——簡而言之，Temperature 越低，結果越確定，因為總是選擇可能性最高的下一個token。升高的Temperature可能導致更多的隨機性，鼓勵更多多樣化或創造性的輸出。我們實際上是在增加其他可能token的權重。在應用方面，我們可能希望對基于事實的QA等任務使用較低的Temperature，以鼓勵更事實和更簡潔的回答。對于詩歌生成或其他創造性任務，提高Temperature可能是有益的。 Top_p -類似地，使用Top_p(一種稱為核采樣的Temperature采樣技術)，您可以控制模型生成響應的確定性程度。如果你正在尋找準確和事實的答案，請保持這個數字較低。如果您正在尋找更多樣化的響應，請增加到更高的值。 一般的建議是改變其中一個，而不是兩個都改變。 在開始使用一些基本示例之前，請記住，您的結果可能會因您使用的LLM版本而有所不同。 提示的基礎知識

提示的元素 隨著我們介紹提示工程可能提供的越來越多的示例和應用程序，您將注意到有一些組成提示的元素。 提示(prompt)可以包含以下任何一個組件。 * 指令(Instruction):希望模型執行的特定任務或指令 * 上下文 context ——可以包含外部信息或額外的上下文，這些信息可以引導模型做出更好的響應 * 輸入數據——是我們感興趣的輸入或問題 * 輸出指示器 Indicator :表示輸出的類型或格式。

提示并不需要所有組件，其格式取決于當前的任務。我們將在接下來的指南中接觸到更多具體的例子。 設計提示的一般技巧

提示示例

在前一節中，我們介紹并給出了如何提示LLMs的基本示例。 在本節中，我們將提供更多示例，說明如何使用提示來實現不同的任務，并介紹其中的關鍵概念。通常，學習概念的最好方法是通過示例。下面我們將介紹幾個示例，說明如何使用精心設計的提示來執行不同類型的任務。 主題: * 文本摘要 * 信息提取 * 問題回答 * 文本分類 * 談話 * 代碼生成 * 推理

2. 提示技術

在這一點上，很明顯，改進提示有助于在不同的任務上獲得更好的結果。這就是prompt engineering背后的全部思想。 雖然基本的例子很有趣，但在本節中，我們將介紹更高級的提示工程技術，使我們能夠實現更復雜和有趣的任務。 * **Zero-shot Prompting **

**Few-shot Prompting **

**Chain-of-Thought Prompting **

**Self-Consistency **

**Generate Knowledge Prompting **

**Automatic Prompt Engineer **

**Active-Prompt **

**Directional Stimulus Prompting **

**ReAct **

**Multimodal CoT **

Graph Prompting

---

3. 提示應用

Program-Aided Language Models * Generating Data

4. 模型

ChatGPT

在本節中，我們將介紹ChatGPT的最新提示工程技術，包括提示、應用、限制、論文和額外的閱讀材料。 主題:

ChatGPT介紹 * 回顧對話任務與ChatGPT的對話 * Python的筆記本 ChatGPT是OpenAI訓練的一種可以進行對話交互的新模型。該模型被訓練成遵循提示中的指示，在對話的上下文中提供適當的響應。ChatGPT可以幫助回答問題、建議食譜、以某種風格寫歌詞、生成代碼等等。

ChatGPT使用來自人類反饋的強化學習(RLHF)進行訓練。雖然這個模型比之前的GPT迭代更有能力(也經過訓練以減少有害和不真實的輸出)，但它仍然有局限性。讓我們通過具體的例子來介紹一些功能和限制。 你可以在這里使用ChatGPT的研究預覽，但對于下面的示例，我們將使用OpenAI Playground上的聊天模式。 * GPT-4 在本節中，我們將介紹GPT-4最新的prompt工程技術，包括提示、應用、限制和其他閱讀材料。

GPT-4介紹 最近，OpenAI發布了GPT-4，這是一個大型多模態模型，可以接受圖像和文本輸入并發出文本輸出。它在各種專業和學術基準上實現了人類水平的表現。 書冊：

---

**

**

課件：

---

AIGC成為新的內容生產方式，跨模態生成值得重點關注。區別于PGC與UGC，AIGC是利用人工智能技術自動生成內容的新型生產方式。按照模態區分，AIGC可分為音頻生成、文本生成、圖像生成、視頻生成及圖像、視頻、文本間的跨模態生成，細分場景眾多，其中，跨模態生成需要重點關注。 　　自然語言處理（NLP）賦予了AI理解和生成能力，大規模預訓練模型是NLP的發展趨勢。NLP的兩個核心任務分別是自然語言理解（NLU）和自然語言生成（NLG）。以ELMo、BERT、GPT為代表的預訓練模型，降低了NLP的技術門檻。ELMo解決了“一詞多義”的問題；BERT通過MLM（類似于完形填空）和NLP（判斷句子是否相連）進行預訓練，增強了上下文的理解能力。GPT通過預測下一個詞，獲得了生成能力；GPT-3在此基礎上使用了更大的數據和更大模型，無需針對下游任務進行傳統的微調，并且采用了小樣本學習提升生成效果。 　　ChatGPT是NLP發展中具有里程碑式意義的模型之一。ChatGPT是OpenAI從GPT-3.5系列中的模型進行微調產生的聊天機器人模型。它能夠通過學習和理解人類的語言來進行對話，還能根據聊天的上下文進行互動，真正像人類一樣來聊天交流，甚至能完成撰寫郵件、視頻腳本、文案、翻譯、代碼等任務。 　　生成模型賦予了AI創造力，擴散模型是最前沿的技術之一。AIGC的快速發展歸功于生成算法領域的技術積累。GAN的核心思想是“生成”與“對抗”，相比傳統的深度神經網絡，GAN能產生更好的生成樣本，但是仍需解決應用中的問題。擴散模型較GAN更接近人的思維模式，是基于馬爾科夫鏈，通過學習噪聲來生成數據。擴散模型實現了跨模態應用，包括OpenAI的GLIDE和DALL·E2、谷歌的Imagen、StabilityAI的StableDiffusion等。 　　人工智能由單模態智能，向多種模態融合方向發展。建立統一的、跨場景、多任務的多模態基礎模型或將成為人工智能發展的主流趨勢之一。CLIP模型將語言信息和圖像信息聯合訓練，能夠鏈接文本和圖片，成為跨模態生成應用的一個重要節點，“CLIP+其他模型”在跨模態生成領域成為一種較為通用的做法。2022年，微軟提出的BEiT-3多模態基礎模型，在視覺-語言任務處理上具備出色表現，包括視覺問答、圖片描述生成和跨模態檢索等。多模態提高了基礎模型的靈活性，使其在其他模態的應用中發揮新的潛質。 　　未來，值得關注的技術要素包括：長文本生成、開放式文本生成、NeRF模型、擴散模型、跨模態大型預訓練模型（支持的模態數據類型、模態對齊架構設計、支持的下游應用）、小樣本學習及自監督算法、強化學習及環境學習等。

事件:美國AI公司OpenAI推出基于大語言模型的對話模型ChatGPT，可提供高質量的回答，并能實現創作、編程等復雜功能，備受市場關注。不到兩個月的時間，ChatGPT全球日活用戶已突破千萬。

　　ChatGPT是突破式的創新技術ChatGPT是OpenAI公司推出的全新聊天機器人模型。通過引入人類反饋的強化學習，大幅提升了AI在人機對話時的準確度和可控性，具有強大的語言理解能力和語言表達能力。GPT模型仍在持續迭代，更先進大語言模型GPT-4有望在2023年推出，有望進一步推動AIGC產業發展。 　 　　ChatGPT應用及商業化落地加速科技公司紛紛涌入AIGC賽道，優秀的AIGC大模型層出不窮，我們認為基于AI文本生成的模型ChatGPT有望率先應用落地。AIGC賽道相關公司受到資本青睞，AIGC頭部初創公司OpenAI最新估值約為290億美元。作為AIGC領域領先的模型ChatGPT在對話機器人、智能創作等領域應用廣泛，亞馬遜、微軟、Jasper等公司已經開啟商業化之路，商業化前景廣闊。 　

自然語言處理 NLP（Natural Language Processing）是人工智能在企業實踐中較成熟和應用廣泛的技術之一，可以解決人與人、人與企業、人與硬件之間的語言交互問題，是各行業實現認知智能轉型升級的關鍵技術，被比爾·蓋茨稱作“AI領域皇冠上的明珠”。

比如：戰略研究、市場營銷和研發部門可以通過德勤研發的“洞察分析系統IAS”將海量的輿情信息條分縷析歸結出一些重要的市場情報和趨勢洞察：包括自家品牌的正負責面影響度（揚長避短、改善客戶體驗）、客戶對產品的關注點（加強差異化競爭優勢）、競爭對手的成功（要借鑒）或失誤（是機遇）、以及未來市場需求的細節趨勢（用于制定研發與營銷）……

除了輔助戰略決策，NLP還能通過智能語音交互用于客服、結合字符識別用于財務及合同等相關業務，顯著增收節支、提升運營效率：

洞察行業趨勢：NLP能夠精準地抓取相關新聞、論壇等文本數據，自動將紛繁息雜的信息統一標準，抽取目標行業、市場、企業、產品等核心話題，通過定制的分析模型洞察競爭與發展趨勢，協助企業做出高瞻遠矚的戰略決策。

智能化交互：NLP能夠打通全流程、無間斷的客戶服務系統，例如德勤研發的“機器人工廠Bot-Alpha”，可以根據企業業務需求、通過圖形界面的方式輕松創建專屬機器人，應用到各類專業業務場景中。

高效運營管理：企業相關文本合同擬定、校驗、審核、歸檔等工作，可能利用NLP技術自動抽取結構化信息、識別合同風險、縮短業務流程、提高工作效率。

替代重復勞動：例如發票報銷等重復、低價值的工作，可以利用光學字符識別OCR+NLP技術，自動識別發票信息和報銷目的，通過RPA（機器人流程自動化系統）填寫報銷內容，提高整個企業的效率，將寶貴的時間用于更高價值的創新、創造上去。

對戰略與運營如此有用的NLP技術，即使是在領先企業里，許多業務部門還并不了解；或者有所布局，但缺乏戰略高度的整體規劃，企業的痛點和挑戰主要集中在數據、算法模型和業務場景理解不足，包括語料匱乏、數據來源不權威、算法模型泛化較弱、技術業務脫節等。

為此，德勤管理咨詢發布《認知智能大門 --- 企業如何構建NLP能力》，就是在于幫助企業規劃NLP戰略，從業務智能需求到基礎數據準備、算法優化，科學應用NLP，快速達成添智、增收、節支：

• 識別企業NLP能力層次
• 明確業務愿景，制定路線圖
• 評估并引進技術服務