人工智能(AI) - 第4页

本书是一本系统梳理并深入解析大模型的基础理论、算法实现、数据构造流程、模型微调方法、偏好对齐方法的著作，也是一本能手把手教你构建角色扮演、信息抽取、知识问答、AI Agent等各种强大的应用程序的著作。

该系列是由 北大计算机人工智能学院、北大青鸟人工智能研究院、北大教育学院学习科学实验室 联合多学科团队撰写的技术指南。围绕 DeepSeek 的应用、场景与实现原理展开讨论。《DeepSeek提示词工程与落地场景》聚焦大模型交互技术与产业落地方向，系统拆解了如何通过自然语言交互释放DeepSeek-R1推理模型的潜能。本文档以"零技术门槛"为核心定位，既包含底层技术解析，更提供可快速复用的实战方法

本书分为三部分。第1部分聚焦于自然语言处理的高层次概述，包括自然语言处理的历史、该领域流行的应用，以及如何使用预训练模型来执行迁移学习和快速解决现实世界中的问题。第二部分将深入研究自然语言处理的底层细节，包括预处理文本、分词和向量嵌入。然后探讨当今自然语言处理中有效的建模方法，如Transformer、注意力机制、普通循环神经网络、长短期记忆和门控循环单元。第三部分将讨论应用自然语言处理很重要的方

在书中，作者从常识出发，对人工智能和机器人表达了很多“令人惊讶”而又让人深思的观点。如果机器可以打造一个更美好的世界，这个世界为什么还需要我们？深度学习是学习人类做过（过去时）的事情的技术。在陪伴老年人方面，迄今为止先进的机器人都不如狗做得好。永生终将成为一种待价而沽或是可租可借的服务，就像目前的云计算服务一样。当我们研究如何创建智能机器时，我们指的是真正的“智能”还是“以愚蠢的方式服务于人类的智

《深度学习图解》（grokking deep learning）指导你从最基础的每一行代码开始搭建深度学习网络！经验丰富的深度学习专家 Andrew W. Trask 以有趣的图解方式为你揭开深度学习的神秘面纱，使你可亲身体会训练神经网络的每个细节。只需要使用 Python 语言及其最基本的数学库 NumPy，就可以训练出自己的神经网络，借助它观察并理解图像、将文字翻译成不同的语言，甚至像莎士比亚

本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。 全书分为三部分，依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型（第 1~3 章），解析语言模型的核心概念，包括词元、嵌入向量及 Transformer 架构，帮助读者建立基础认知。第二部分 使用预训练语言模型（第 4~9 章），介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升

如今的“机器学习”系统已具备非凡能力，能够在各种场合代替我们看和听，并代表我们做决定。但是警钟已经敲响。随着机器学习飞速发展，人们的担忧也在与日俱增。如果我们训练的人工智能（AI）做的事情与我们真正的目的不符，就会引发潜在的风险和伦理问题。研究人员称之为对齐问题（the alignment problem）。 畅销书作家布莱恩·克里斯汀用生动的笔调，清晰阐释了 AI 与我们息息相关的问题。在书中，

本书提出的一个亟待解决的重要问题是：为什么美国在与工人分享创新带来的收益方面落后于其他工业化国家？随着整体生产力稳步提高，从而推动了经济增长，提高了高薪知识工作者的技能和薪水，然而大部分工人从这几十年的增长中受益甚微。 本书以麻省理工学院未来工作工作组的多年研究结果为基础，揭示了技术进步的大部分收益主要集中在顶层收入群体，而普通劳动者只能从中获得微薄回报，从而进一步加剧了不平等。对此，作者们认为，

语言学习与翻译素为欧盟多语言政策的核心支柱，二者相辅相成。正如意大利作家、符号学家翁贝托 - 埃科（Umberto Eco）所言："欧洲的语言就是翻译"。然而，随着机器翻译和生成式人工智能等技术的不断发展和广泛运用，传统的语言学习和翻译模式正面临挑战。如今，语言学习者可以借助免费在线机器翻译工具来帮助理解和生成外语文本。但如果学习者盲目使用这些技术，反而可能弊大于利。尽管机器翻译被视为颠覆翻译行业