作者：司马华鹏
页数：274
出版社：电子工业出版社
出版日期：2023
ISBN：9787121456725
电子书格式：pdf/epub/txt
内容简介
本书是2023年不可错过的AIGC入门读物，是介绍大语言模型时代ChatGPT的重要资料，由人工智能独角兽企业硅基智能核心团队编纂而成，结合生动的比喻和有趣的案例，向所有关注未来科技的从业者、创业者、投资人、政府机构科普AIGC的源起、技术思想和商业落地场景。本书涵盖了ChatGPT、OpenAI、生成式AI、人工智能、聊天机器人、AI绘画、内容生成直播、内容生成短视频等内容。
作者简介
司马华鹏南京硅基智能科技有限公司创始人.董事长、CEO，”80后连续创业成功者，毕业于南京航空航天大学。中国青年企业家协会会员，南京市雨花台区政协常委，南京市青年商会常务副会长，南京市文化协会副理事长。获南京市金梧桐年度贡献人物奖。被评为南京市科技创新先饽人物、江苏省2020年度互联网十大新锐人物。2017年创立基智能，5年后成为国家级专精特新小巨人企业，获得应讯接资、招银国际、国新央企、海松资本、红杉资本奇虎中财等9轮剧资，估值的过00亿元，拥有授权发明专利70多项，注阳商标100多项。
目录
目 录
第1章 AIGC的由来及发展历程
1.1 人工智能发展的历程 // 003
1.2 什么是AIGC // 009
1.3 AIGC的发展历程 // 011
1.4 AIGC涉及的技术 // 012
1.5 AIGC技术的优点 // 013
1.6 AIGC技术的应用 // 014
第2章 硅之手——图像视频生成
2.1 图像生成方向 // 020
2.1.1 发挥创造力 // 021
2.1.2 激发灵感 // 026
2.1.3 可控创作 // 032
2.1.4 编辑图像 // 040
2.1.5 微调模型 // 046
2.2 视频生成方向 // 049
2.2.1 AI换脸 // 049
2.2.2 构建数字人 // 052
2.2.3 用文本生成视频 // 053
2.2.4 可控编辑现有视频 // 054
2.2.5 视频超分 // 056
2.3 3D模型方向 // 058
2.3.1 文本生成人体模型 // 058
2.3.2 文本生成3D模型 // 060
2.3.3 图像生成3D模型 // 061
2.3.4 草图生成3D模型 // 062
2.3.5 文本生成人体动作 // 063
第3章 硅之身——短视频、数字人时代
3.1 揭示短视频走红的原因 // 068
3.2 探究短视频的商业价值 // 070
3.2.1 沉浸式的广告呈现 // 071
3.2.2 灵活隐式的内容植入 // 072
3.2.3 爆发增长的内容带货 // 072
3.2.4 异军突起的网红 // 073
3.2.5 繁荣发展的短视频生态 // 074
3.3 内容生产者的困境 // 075
3.3.1 需求与供给的矛盾 // 075
3.3.2 门槛阻碍了内容生产与创新 // 077
3.4 数字人产业 // 078
3.4.1 通过数字人实现AIGC // 079
3.4.2 数字人助力AIGC，将开拓更大的商业空间 // 081
3.4.3 AI互动，数字人24小时直播 // 082
3.4.4 为创作者定制的基于数字人的AI短视频生成
平台 // 082
第4章 硅之脑——大语言模型时代
4.1 自然语言处理技术的历史沿革 // 088
4.1.1 词袋模型 // 088
4.1.2 词嵌入 // 090
4.2 生成式预训练模型 // 095
4.2.1 什么是生成模型 // 095
4.2.2 什么是预训练模型 // 096
4.2.3 从ELMo模型到Transformer模型 // 098
4.2.4 后Transformer模型时代 // 105
4.2.5 基于 Transformer 的预训练语言模型 // 107
4.3 GPT系列比较 // 122
4.3.1 三代GPT对比 // 124
4.3.2 提示词学习 // 131
4.4 ChatGPT的由来 // 139
4.4.1 从GPT-3到ChatGPT的发展历程 // 139
4.4.2 思维链提示—引出复杂推理能力 // 141
4.4.3 InstructGPT—与人类对齐，引出ChatGPT // 142
4.4.4 ChatGPT的出现 // 147
4.5 注释 // 147
第5章 硅之声——语音合成、克隆与变换
5.1 语音合成系统与模型 // 153
5.1.1 声学模型 // 155
5.1.2 声码器 // 158
5.2 语音合成相关技术 // 159
5.2.1 声音克隆 // 160
5.2.2 声音变换 // 166
5.3 注释 // 168
第6章 底层核心技术
6.1 扩散模型 // 173
6.1.1 去噪扩散概率模型 // 175
6.1.2 扩散模型改进 // 184
6.1.3 扩散模型应用 // 200
6.2 生成对抗网络 // 214
6.2.1 什么是GAN // 215
6.2.2 GAN的发展及应用 // 217
6.2.3 GAN训练 // 226
6.3 注释 // 231
第7章 经典商业案例
7.1 AIGC 影视传媒：拓展空间，提升质量 // 237
7.1.1 新闻采集 // 238
7.1.2 新闻生成 // 238
7.1.3 视频编辑 // 238
7.1.4 剧本生成 // 239
7.1.5 扩展影视角色和场景的创作空间 // 240
7.1.6 赋能影视剪辑 // 241
7.2 AIGC 电商：智能化电商，改变购物模式 // 242
7.2.1 商品3D建模 // 243
7.2.2 天猫家装城3D版 // 244
7.2.3 鹿班 // 245
7.2.4 虚拟主播 // 245
7.3 AIGC 教育：赋能教育，引领教育变革 // 246
7.3.1 个性化学习 // 246
7.3.2 智能化评估 // 247
7.3.3 教学辅助工具 // 247
7.4 AIGC 医疗：智能医疗，诊疗新势 // 248
7.4.1 疾病诊断和治疗 // 249
7.4.2 药物研发 // 249
7.4.3 精准医疗 // 250
7.5 AIGC 金融：大数据与人工智能革新 // 251
7.5.1 风险评估 // 252
7.5.2 投资组合管理 // 253
7.5.3 反欺诈 // 253
7.5.4 市场预测 // 254
7.6 AIGC 农业：革新农业，未来可期 // 255
7.6.1 农作物种植和管理 // 255
7.6.2 农业物流和供应链管理 // 256
7.6.3 农业机器人和自动化 // 256
7.7 OpenAI // 257
7.7.1 概述 // 257
7.7.2 技术与研究 // 258
7.7.3 商业应用 // 262
7.7.4 OpenAI的影响 // 263
7.8 注释 // 264
第8章 AIGC的风险与展望
8.1 AIGC的风险与不足 // 268
8.1.1 关键技术仍然不够成熟 // 268
8.1.2 监管难度加大 // 269
8.1.3 AIGC的其他负面影响 // 270
8.2 对AIGC的展望 // 271
8.2.1 AI技术的持续发展 // 271
8.2.2 AIGC产品的不断丰富 // 272
8.2.3 AIGC生态的逐步完善 // 273
第1章 AIGC的由来及发展历程
1.1 人工智能发展的历程 // 003
1.2 什么是AIGC // 009
1.3 AIGC的发展历程 // 011
1.4 AIGC涉及的技术 // 012
1.5 AIGC技术的优点 // 013
1.6 AIGC技术的应用 // 014
第2章 硅之手——图像视频生成
2.1 图像生成方向 // 020
2.1.1 发挥创造力 // 021
2.1.2 激发灵感 // 026
2.1.3 可控创作 // 032
2.1.4 编辑图像 // 040
2.1.5 微调模型 // 046
2.2 视频生成方向 // 049
2.2.1 AI换脸 // 049
2.2.2 构建数字人 // 052
2.2.3 用文本生成视频 // 053
2.2.4 可控编辑现有视频 // 054
2.2.5 视频超分 // 056
2.3 3D模型方向 // 058
2.3.1 文本生成人体模型 // 058
2.3.2 文本生成3D模型 // 060
2.3.3 图像生成3D模型 // 061
2.3.4 草图生成3D模型 // 062
2.3.5 文本生成人体动作 // 063
第3章 硅之身——短视频、数字人时代
3.1 揭示短视频走红的原因 // 068
3.2 探究短视频的商业价值 // 070
3.2.1 沉浸式的广告呈现 // 071
3.2.2 灵活隐式的内容植入 // 072
3.2.3 爆发增长的内容带货 // 072
3.2.4 异军突起的网红 // 073
3.2.5 繁荣发展的短视频生态 // 074
3.3 内容生产者的困境 // 075
3.3.1 需求与供给的矛盾 // 075
3.3.2 门槛阻碍了内容生产与创新 // 077
3.4 数字人产业 // 078
3.4.1 通过数字人实现AIGC // 079
3.4.2 数字人助力AIGC，将开拓更大的商业空间 // 081
3.4.3 AI互动，数字人24小时直播 // 082
3.4.4 为创作者定制的基于数字人的AI短视频生成
平台 // 082
第4章 硅之脑——大语言模型时代
4.1 自然语言处理技术的历史沿革 // 088
4.1.1 词袋模型 // 088
4.1.2 词嵌入 // 090
4.2 生成式预训练模型 // 095
4.2.1 什么是生成模型 // 095
4.2.2 什么是预训练模型 // 096
4.2.3 从ELMo模型到Transformer模型 // 098
4.2.4 后Transformer模型时代 // 105
4.2.5 基于 Transformer 的预训练语言模型 // 107
4.3 GPT系列比较 // 122
4.3.1 三代GPT对比 // 124
4.3.2 提示词学习 // 131
4.4 ChatGPT的由来 // 139
4.4.1 从GPT-3到ChatGPT的发展历程 // 139
4.4.2 思维链提示—引出复杂推理能力 // 141
4.4.3 InstructGPT—与人类对齐，引出ChatGPT // 142
4.4.4 ChatGPT的出现 // 147
4.5 注释 // 147
第5章 硅之声——语音合成、克隆与变换
5.1 语音合成系统与模型 // 153
5.1.1 声学模型 // 155
5.1.2 声码器 // 158
5.2 语音合成相关技术 // 159
5.2.1 声音克隆 // 160
5.2.2 声音变换 // 166
5.3 注释 // 168
第6章 底层核心技术
6.1 扩散模型 // 173
6.1.1 去噪扩散概率模型 // 175
6.1.2 扩散模型改进 // 184
6.1.3 扩散模型应用 // 200
6.2 生成对抗网络 // 214
6.2.1 什么是GAN // 215
6.2.2 GAN的发展及应用 // 217
6.2.3 GAN训练 // 226
6.3 注释 // 231
第7章 经典商业案例
7.1 AIGC 影视传媒：拓展空间，提升质量 // 237
7.1.1 新闻采集 // 238
7.1.2 新闻生成 // 238
7.1.3 视频编辑 // 238
7.1.4 剧本生成 // 239
7.1.5 扩展影视角色和场景的创作空间 // 240
7.1.6 赋能影视剪辑 // 241
7.2 AIGC 电商：智能化电商，改变购物模式 // 242
7.2.1 商品3D建模 // 243
7.2.2 天猫家装城3D版 // 244
7.2.3 鹿班 // 245
7.2.4 虚拟主播 // 245
7.3 AIGC 教育：赋能教育，引领教育变革 // 246
7.3.1 个性化学习 // 246
7.3.2 智能化评估 // 247
7.3.3 教学辅助工具 // 247
7.4 AIGC 医疗：智能医疗，诊疗新势 // 248
7.4.1 疾病诊断和治疗 // 249
7.4.2 药物研发 // 249
7.4.3 精准医疗 // 250
7.5 AIGC 金融：大数据与人工智能革新 // 251
7.5.1 风险评估 // 252
7.5.2 投资组合管理 // 253
7.5.3 反欺诈 // 253
7.5.4 市场预测 // 254
7.6 AIGC 农业：革新农业，未来可期 // 255
7.6.1 农作物种植和管理 // 255
7.6.2 农业物流和供应链管理 // 256
7.6.3 农业机器人和自动化 // 256
7.7 OpenAI // 257
7.7.1 概述 // 257
7.7.2 技术与研究 // 258
7.7.3 商业应用 // 262
7.7.4 OpenAI的影响 // 263
7.8 注释 // 264
第8章 AIGC的风险与展望
8.1 AIGC的风险与不足 // 268
8.1.1 关键技术仍然不够成熟 // 268
8.1.2 监管难度加大 // 269
8.1.3 AIGC的其他负面影响 // 270
8.2 对AIGC的展望 // 271
8.2.1 AI技术的持续发展 // 271
8.2.2 AIGC产品的不断丰富 // 272
8.2.3 AIGC生态的逐步完善 // 273
