书 |《生成人工智能实战》| 2024年编著

生成式人工智能可以通过简化文本、图像和代码的创建过程来改变您的业务。本书将向您展示如何参与其中！生成式人工智能为各种规模的组织创造了新的机会。您可以轻松使用 ChatGPT、Bard 和 Stable Diffusion 等工具为产品目录、营销活动、技术报告和其他常见任务生成文本和图像。像 Copilot 这样的编码助手正在提高软件团队的生产力。

在这本富有洞察力的书中，作者 Amit Bahree 分享了他在 Microsoft 近十年来领导生成式 AI 项目的经验，这一经验早在当前的 GPT 革命之前就开始了。在《生成式人工智能实际应用》中，您会发现：生成式人工智能应用程序的实用概述生成式人工智能的架构模式、集成指南和最佳实践最新技术，如 RAG、即时工程和多模态生成式人工智能的挑战和风险，如幻觉和越狱如何将生成式 AI 集成到您的业务和 IT 战略中生成式 AI 实际行动远离炒作和猜测，提供基于经验的建议，指导如何将 AI 集成到您的产品和流程中。您将欣赏到向您展示如何立即开始的相关用例，以及在企业规模的生产中部署 GenAI 的应用程序架构。

关于《Generative AI in Action》一书，您将准确了解如何将文本、图像、代码等的生成式 AI 工具添加到组织的战略和项目中。本书从生成式人工智能模型和架构的基础知识开始，介绍了为营销、软件开发、业务报告生成和其他实际任务创建高效流程的实际用例。您将快速掌握快速工程、模型微调和评估的最佳实践，并探索支持企业工作流程中的生成式 AI 的新兴架构模式。在此过程中，您将了解有关人工智能安全和道德的重要事实，并展望新趋势，例如可解释的人工智能、迁移学习和强化学习。通过对幻觉和越狱等风险的坦率讨论，《生成式 AI 实际行动》为您提供了自信地整合这些强大技术所需的见解。关于读者适合有兴趣使用生成式 AI 升级其架构的企业架构师和高级开发人员。

关于作者 Amit Bahree 是 Microsoft 的首席团队 TPM，他是工程团队的一员，为使用 Azure AI 平台的数百万客户构建下一代 AI 产品和服务。他还负责与关键客户跨平台进行定制工程，使用各种形式的人工智能（包括生成式人工智能）解决复杂的企业场景。

书名：Generative AI in Action

作者：Amit Bahree

年份：2024

出版社：Manning

下载链接：

链接: https://pan.baidu.com/s/1rJaFIXQRgbOJxjrnlwICXQ?pwd=yxru

书籍汇总：

链接: https://pan.baidu.com/s/1FFw_24YdJIUfLGunRGT_7g?pwd=9at9

链接: https://pan.baidu.com/s/1wp1sxh_p5Cv9dI5OpBaSCg?pwd=2arp

《Generative AI in Action》分为三个主要部分，共 13 章。每一章都是在之前章节的基础上精心设计的，提供结构化且全面的学习体验。

第一部分“生成式人工智能的基础”从新的用例和对基础知识（包括基础模型）的全面理解开始，奠定了生成式人工智能的基础。它深入研究了法学硕士的架构，展示了它们在文本、图像、代码和聊天等各种模式中的应用。本节还包括帮助读者有效掌握这些人工智能新技术的示例：

第 1 章介绍了生成式人工智能的基础知识，将其与传统人工智能区分开来，并通过各种实际应用展示了其潜力。

第 2 章深入探讨了法学硕士的架构和功能，探讨了它们的功能和局限性。

第 3 章介绍了使用 API 生成文本的实际步骤，包括实践示例。

第 4 章向您展示生成式 AI 如何根据文本描述创建图像并理解底层模型，例如 DALL-E。

第 5 章探讨了其他生成式 AI 应用，例如生成音乐、代码和 3D 模型。

本书的第二部分“生成式人工智能的后续步骤”重点关注对于任何想要部署 GenAI 支持的应用程序的人来说至关重要的高级主题。本部分讨论新的架构模式和构造，例如提示工程、dataxx 关于本书集成、微调和模型适应。它还探讨了新 GenAI 应用程序堆栈的组件：

第 6 章详细指导如何制定有效的提示，以实现生成式 AI 模型所需的输出。

第 7 章解释了如何通过整合外部数据源来增强生成式人工智能模型。

第 8 章教您如何将对话式 AI 与企业数据集成，以获得更具交互性的应用程序。

第 9 章教您定制生成式 AI 模型以更好地适应特定用例的技术。

本书的最后一部分“部署和道德考虑”涵盖了生产部署、扩展策略、评估和基准测试技术以及负责任和道德的人工智能指南的最佳实践。这些高级主题对于准备在生产中大规模部署和利用生成式 AI 的组织至关重要：

第 10 章将帮助您了解开发和部署生成式 AI 应用程序的架构注意事项。

第 11 章提供了在生产环境中扩展生成式 AI 模型的策略。

第 12 章教您如何评估和基准生成式 AI 模型，以确保它们满足性能标准。

第 13 章是关于负责任的人工智能部署所需的道德考虑、治理和安全措施的综合指南。

本书旨在从头到尾按顺序阅读，因为每一章都建立在前几章介绍的概念之上。然而，已经熟悉基础知识的读者可能会关注满足他们特定兴趣或需求的特定章节。本书中包含了代码示例，以加强学习并提供实践经验。强烈建议运行这些示例；该代码可以在本书的 GitHub 存储库中找到。这种方法确保读者了解生成人工智能的理论方面，并获得有效实施这些技术的实践技能。

本书重点介绍 Azure OpenAI 和 OpenAI，这是领先的 LLM 平台，因为它们具有稳定性和企业就绪性。它旨在教育读者了解生成式人工智能在商业中的应用，其原则适用于各种法学硕士。虽然它包含各种 LLM 示例和开源模型，但重点是 Microsoft 堆栈，主要是因为它在业界广泛使用并且作者也可以访问。

生成式人工智能概述