大模型時代：ChatGPT拉開硅基文明序幕

目 錄
第1章　AIGC的由來及發(fā)展歷程
1.1　人工智能發(fā)展的歷程 // 003
1.2　什么是AIGC // 009
1.3　AIGC的發(fā)展歷程 // 011
1.4　AIGC涉及的技術(shù) // 012
1.5　AIGC技術(shù)的優(yōu)點 // 013
1.6　AIGC技術(shù)的應(yīng)用 // 014
第2章　硅之手——圖像視頻生成
2.1　圖像生成方向 // 020
2.1.1　發(fā)揮創(chuàng)造力 // 021
2.1.2　激發(fā)靈感 // 026
2.1.3　可控創(chuàng)作 // 032
2.1.4　編輯圖像 // 040
2.1.5　微調(diào)模型 // 046
2.2　視頻生成方向 // 049
2.2.1　AI換臉 // 049
2.2.2　構(gòu)建數(shù)字人 // 052
2.2.3　用文本生成視頻 // 053
2.2.4　可控編輯現(xiàn)有視頻 // 054
2.2.5　視頻超分 // 056
2.3　3D模型方向 // 058
2.3.1　文本生成人體模型 // 058
2.3.2　文本生成3D模型 // 060
2.3.3　圖像生成3D模型 // 061
2.3.4　草圖生成3D模型 // 062
2.3.5　文本生成人體動作 // 063
第3章　硅之身——短視頻、數(shù)字人時代
3.1　揭示短視頻走紅的原因 // 068
3.2　探究短視頻的商業(yè)價值 // 070
3.2.1　沉浸式的廣告呈現(xiàn) // 071
3.2.2　靈活隱式的內(nèi)容植入 // 072
3.2.3　爆發(fā)增長的內(nèi)容帶貨 // 072
3.2.4　異軍突起的網(wǎng)紅 // 073
3.2.5　繁榮發(fā)展的短視頻生態(tài) // 074
3.3　內(nèi)容生產(chǎn)者的困境 // 075
3.3.1　需求與供給的矛盾 // 075
3.3.2　門檻阻礙了內(nèi)容生產(chǎn)與創(chuàng)新 // 077
3.4　數(shù)字人產(chǎn)業(yè) // 078
3.4.1　通過數(shù)字人實現(xiàn)AIGC // 079
3.4.2　數(shù)字人助力AIGC，將開拓更大的商業(yè)空間 // 081
3.4.3　AI互動，數(shù)字人24小時直播 // 082
3.4.4　為創(chuàng)作者定制的基于數(shù)字人的AI短視頻生成
　　　平臺 // 082
第4章　硅之腦——大語言模型時代
4.1　自然語言處理技術(shù)的歷史沿革 // 088
4.1.1　詞袋模型 // 088
4.1.2　詞嵌入 // 090
4.2　生成式預(yù)訓(xùn)練模型 // 095
4.2.1　什么是生成模型 // 095
4.2.2　什么是預(yù)訓(xùn)練模型 // 096
4.2.3　從ELMo模型到Transformer模型 // 098
4.2.4　后Transformer模型時代 // 105
4.2.5　基于 Transformer 的預(yù)訓(xùn)練語言模型 // 107
4.3　GPT系列比較 // 122
4.3.1　三代GPT對比 // 124
4.3.2　提示詞學習 // 131
4.4　ChatGPT的由來 // 139
4.4.1　從GPT-3到ChatGPT的發(fā)展歷程 // 139
4.4.2　思維鏈提示—引出復(fù)雜推理能力 // 141
4.4.3　InstructGPT—與人類對齊，引出ChatGPT // 142
4.4.4　ChatGPT的出現(xiàn) // 147
4.5　注釋 // 147
第5章　硅之聲——語音合成、克隆與變換
5.1　語音合成系統(tǒng)與模型 // 153
5.1.1　聲學模型 // 155
5.1.2　聲碼器 // 158
5.2　語音合成相關(guān)技術(shù) // 159
5.2.1　聲音克隆 // 160
5.2.2　聲音變換 // 166
5.3　注釋 // 168
第6章　底層核心技術(shù)
6.1　擴散模型 // 173
6.1.1　去噪擴散概率模型 // 175
6.1.2　擴散模型改進 // 184
6.1.3　擴散模型應(yīng)用 // 200
6.2　生成對抗網(wǎng)絡(luò) // 214
6.2.1　什么是GAN // 215
6.2.2　GAN的發(fā)展及應(yīng)用 // 217
6.2.3　GAN訓(xùn)練 // 226
6.3　注釋 // 231
第7章　經(jīng)典商業(yè)案例
7.1　AIGC+影視傳媒：拓展空間，提升質(zhì)量 // 237
7.1.1　新聞采集 // 238
7.1.2　新聞生成 // 238
7.1.3　視頻編輯 // 238
7.1.4　劇本生成 // 239
7.1.5　擴展影視角色和場景的創(chuàng)作空間 // 240
7.1.6　賦能影視剪輯 // 241
7.2　AIGC+電商：智能化電商，改變購物模式 // 242
7.2.1　商品3D建模 // 243
7.2.2　天貓家裝城3D版 // 244
7.2.3　鹿班 // 245
7.2.4　虛擬主播 // 245
7.3　AIGC+教育：賦能教育，引領(lǐng)教育變革 // 246
7.3.1　個性化學習 // 246
7.3.2　智能化評估 // 247
7.3.3　教學輔助工具 // 247
7.4　AIGC+醫(yī)療：智能醫(yī)療，診療新勢 // 248
7.4.1　疾病診斷和治療 // 249
7.4.2　藥物研發(fā) // 249
7.4.3　精準醫(yī)療 // 250
7.5　AIGC+金融：大數(shù)據(jù)與人工智能革新 // 251
7.5.1　風險評估 // 252
7.5.2　投資組合管理 // 253
7.5.3　反欺詐 // 253
7.5.4　市場預(yù)測 // 254
7.6　AIGC+農(nóng)業(yè)：革新農(nóng)業(yè)，未來可期 // 255
7.6.1　農(nóng)作物種植和管理 // 255
7.6.2　農(nóng)業(yè)物流和供應(yīng)鏈管理 // 256
7.6.3　農(nóng)業(yè)機器人和自動化 // 256
7.7　OpenAI // 257
7.7.1　概述 // 257
7.7.2　技術(shù)與研究 // 258
7.7.3　商業(yè)應(yīng)用 // 262
7.7.4　OpenAI的影響 // 263
7.8　注釋 // 264
第8章 AIGC的風險與展望
8.1　AIGC的風險與不足 // 268
8.1.1　關(guān)鍵技術(shù)仍然不夠成熟 // 268
8.1.2　監(jiān)管難度加大 // 269
8.1.3　AIGC的其他負面影響 // 270
8.2　對AIGC的展望 // 271
8.2.1　AI技術(shù)的持續(xù)發(fā)展 // 271
8.2.2　AIGC產(chǎn)品的不斷豐富 // 272
8.2.3　AIGC生態(tài)的逐步完善 // 273