人工智能（AI），尤其是生成式語言模型和生成式人工智能（AIGC）模型，正以驚人的速度改變著我們的世界。駕馭這股潮流的關鍵，莫過于探究自然語言處理（NLP）技術的深奧秘境。本書將帶領讀者踏上一段扣人心弦的探索之旅，讓其親身感受，并動手搭建語言模型。本書主要內(nèi)容包括N-Gram，詞袋模型（BoW），Word2Vec（W2V），神經(jīng)概率語言模型（NPLM），循環(huán)神經(jīng)網(wǎng)絡（RNN），Seq2Seq（S2S），注意力機制，Transformer，從初代GPT到ChatGPT再到GPT-4等一系列突破性技術的誕生與演進。
本書將以生動活潑的筆觸，將枯燥的技術細節(jié)化作輕松幽默的故事和繽紛多彩的圖畫，引領讀者穿梭于不同技術的時空，見證自然語言處理技術的傳承、演進與蛻變。在這場不斷攀登技術新峰的奇妙之旅中，讀者不僅能深入理解自然語言處理技術的核心原理，還能自己動手，從零開始搭建起一個又一個語言模型。
無論你是在校學生還是人工智能從業(yè)者，這本書都將成為一盞明燈，照亮你探索人工智能無限奧秘的道路。
1、結構清晰，全面解讀N-Gram至GPT-4等突破性技術，帶讀者輕松讀懂NLP發(fā)展脈絡，掌握AI核心，開啟未來之旅！
2、書中含有多個插圖及結構圖，以生動的筆觸、繽紛的圖畫，讓技術細節(jié)變得輕松愉快，讓讀者能夠輕松讀懂知識，有趣，又有料！
3、配有豐富學習資料，提供源代碼，帶讀者動手實操，搭建大模型，成為語言模型構建達人。
黃佳，筆名咖哥，新加坡科技研究局人工智能研究員。主攻方向為 NLP 大模型的研發(fā)與應用、持續(xù)學習、AI in FinTech。黃佳深耕人工智能領域多年，積累了豐富的科研項目和政府、銀行、能源、醫(yī)療等領域 AI 項目落地實戰(zhàn)經(jīng)驗，目前正與 PlatoX.AI 展開富有前景的技術合作。曾著有《零基礎學機器學習》《數(shù)據(jù)分析咖哥十話》等多部熱銷書。同時，在極客時間開設專欄《零基礎實戰(zhàn)機器學習》《LangChain 實戰(zhàn)課》，在深藍學院開設視頻課程“生成式預訓練語言模型：理論與實戰(zhàn)”。
目 錄
序章 看似尋常最奇崛，成如容易卻艱辛 001
GPT-4：點亮人工通用智能的火花 002
人工智能演進之路：神經(jīng)網(wǎng)絡兩落三起 004
現(xiàn)代自然語言處理：從規(guī)則到統(tǒng)計 007
何為語言？信息又如何傳播？ 008
NLP是人類和計算機溝通的橋梁 009
NLP技術的演進史 010
大規(guī)模預訓練語言模型：BERT與GPT爭鋒 012
語言模型的誕生和進化 012
統(tǒng)計語言模型的發(fā)展歷程 014
基于Transformer架構的預訓練模型 016
“預訓練+微調大模型”的模式 018
以提示/指令模式直接使用大模型 019
從初代GPT到ChatGPT，再到GPT-4 021
GPT作為生成式模型的天然優(yōu)勢 022
ChatGPT背后的推手——OpenAI 023
從初代GPT到ChatGPT，再到GPT-4的進化史 024
第 1課 高樓萬丈平地起：語言模型的雛形N-Gram和簡單文本表示Bag-of-Words 026
1.1 N-Gram模型 026
1.2 “詞”是什么，如何“分詞” 030
1.3 創(chuàng)建一個Bigram字符預測模型 032
1.4 詞袋模型 036
1.5 用詞袋模型計算文本相似度 037
小結 042
思考 043
第 2課 問君文本何所似： 詞的向量表示W(wǎng)ord2Vec和Embedding 044
2.1 詞向量 ≈ 詞嵌入 045
2.2 Word2Vec：CBOW模型和Skip-Gram模型 047
2.3 Skip-Gram模型的代碼實現(xiàn) 050
2.4 CBOW模型的代碼實現(xiàn) 061
2.5 通過nn.Embedding來實現(xiàn)詞嵌入 063
小結 067
思考 068
第3課 山重水復疑無路：神經(jīng)概率語言模型和循環(huán)神經(jīng)網(wǎng)絡 069
3.1 NPLM的起源 070
3.2 NPLM的實現(xiàn) 072
3.3 循環(huán)神經(jīng)網(wǎng)絡的結構 079
3.4 循環(huán)神經(jīng)網(wǎng)絡實戰(zhàn) 082
小結 086
思考 087
第4課 柳暗花明又一村：Seq2Seq編碼器-解碼器架構 088
4.1 Seq2Seq架構 089
4.2 構建簡單Seq2Seq架構 092
小結 103
思考 103
第5課 見微知著開慧眼：引入注意力機制 104
5.1 點積注意力 105
5.2 縮放點積注意力 114
5.3 編碼器-解碼器注意力 116
5.4 注意力機制中的Q、K、V 122
5.5 自注意力 125
5.6 多頭自注意力 126
5.7 注意力掩碼 129
5.8 其他類型的注意力 131
小結 132
思考 132
第6課 層巒疊翠上青天：搭建GPT核心組件Transformer 133
6.1 Transformer架構剖析 133
6.1.1 編碼器-解碼器架構 135
6.1.2 各種注意力的應用 135
6.1.3 編碼器的輸入和位置編碼 140
6.1.4 編碼器的內(nèi)部結構 141
6.1.5 編碼器的輸出和編碼器-解碼器的連接 142
6.1.6 解碼器的輸入和位置編碼 143
6.1.7 解碼器的內(nèi)部結構 145
6.1.8 解碼器的輸出和Transformer的輸出頭 146
6.2 Transformer代碼實現(xiàn) 148
6.3 完成翻譯任務 176
6.3.1 數(shù)據(jù)準備 177
6.3.2 訓練Transformer模型 179
6.3.3 測試Transformer模型 179
小結 181
思考 182
第7課 芳林新葉催陳葉：訓練出你的簡版生成式GPT 183
7.1 BERT與GPT爭鋒 184
7.2 GPT：生成式自回歸模型 188
7.3 構建GPT模型并完成文本生成任務 191
7.3.1 搭建GPT模型（解碼器） 192
7.3.2 構建文本生成任務的數(shù)據(jù)集 195
7.3.3 訓練過程中的自回歸 198
7.3.4 文本生成中的自回歸（貪婪搜索） 200
7.4 使用WikiText2數(shù)據(jù)集訓練Wiki-GPT模型 201
7.4.1 用WikiText2構建Dataset和DataLoader 202
7.4.2 用DataLoader提供的數(shù)據(jù)進行訓練 206
7.4.3 用Evaluation Dataset評估訓練過程 207
7.4.4 文本生成中的自回歸（集束搜索） 209
小結 212
思考 213
第8課 流水后波推前波：ChatGPT基于人類反饋的強化學習 214
8.1 從GPT到ChatGPT 215
8.2 在Wiki-GPT基礎上訓練自己的簡版ChatGPT 218
8.3 用Hugging Face預訓練GPT微調ChatGPT 225
8.4 ChatGPT的RLHF實戰(zhàn) 233
8.4.1 強化學習基礎知識 235
8.4.2 簡單RLHF實戰(zhàn) 237
小結 243
思考 244
第9課 生生不息的循環(huán)：使用強大的GPT-4 API 245
9.1 強大的OpenAI API 245
9.2 使用GPT-4 API 249
小結 251
思考 252
后 記 莫等閑，白了少年頭 253
書單推薦
