ChatGPT 與 AI 未來：大型語言模型的全面解析
Kevin Chen
買這商品的人也買了...
-
一書貫通 -- 從資料科學橫入人工智慧領域$650$585 -
MIS 一定要懂的 82個伺服器建置與管理知識$420$332 -
A-Life｜使用 Python 實作人工生命模型$520$411 -
深度學習｜生命科學應用 (Deep Learning for the Life Sciences)$580$458 -
動手做深度強化學習 (Deep Reinforcement Learning Hands-On)$690$538 -
Keras 大神歸位：深度學習全面進化！用 Python 實作 CNN、RNN、GRU、LSTM、GAN、VAE、Transformer$1,200$1,020 -
機器學習聖經：最完整的統計學習方法$880$695 -
ChatGPT 完整解析：API 實測與企業應用實戰$620$490 -
Python - 最強入門 ChatGPT 助攻邁向數據科學之路 - 王者歸來 (全彩印刷第四版)$1,200$792 -
Node.js 量化投資全攻略：從資料收集到自動化交易系統建構實戰（iThome鐵人賽系列書）【軟精裝】$760$593 -
$473基於 GPT-3、ChatGPT、GPT-4 等 Transformer 架構的自然語言處理 -
$509軟件開發安全之道概念、設計與實施 -
跟 NVIDIA 學深度學習！從基本神經網路到 ......、GPT、BERT...，紮穩機器視覺與大型語言模型 (LLM) 的建模基礎$880$695 -
生成式人工智慧導論與實作 ─ ChatGPT 與圖像生成實務應用$750$735 -
AI 的發展與應用 : 一本人工智慧的科普書$480$456 -
新一代 Keras 3.x 重磅回歸：跨 TensorFlow 與 PyTorch 建構 Transformer、CNN、RNN、LSTM 深度學習模型$750$593 -
$602大語言模型應用指南：以ChatGPT為起點，從入門到精通的AI實踐教程（全彩） -
LLM 的瑞士刀 - 用 LangChain 極速開發可擴充大型應用程式$880$660 -
前端測試指南：策略與實踐$650$507 -
OpenTelemetry 入門指南：建立全面可觀測性架構（iThome鐵人賽系列書）【軟精裝】$750$585 -
AI 影音生成狂想曲 – 影片生成 × 語音克隆 × AI 翻唱 × 詞曲創作 × 背景音樂 × 虛擬人像 × 自動字幕$680$537 -
Sora 引領影像創作革命的力量：揭開 AI 技術革新如何做到文字生成影片，掀起產業的轉型浪潮與挑戰，改寫人類未來的學習路徑$600$468 -
Beyond XSS：探索網頁前端資安宇宙$880$660 -
生成式 AI 一本搞定：最強 AI 工具整合運用手冊，讓你憑空多出十雙手，從研發到行銷一人搞定$399$359 -
ChatGPT 4 Omni 領軍 - Copilot、Claude、Gemini、36組GPT ...全面探索生成式AI的無限可能$780$515
相關主題
商品描述
本書探討了ChatGPT和大型語言模型技術的崛起
OpenAI與各家科技巨頭在大型語言模型領域內的競爭
探討了大型語言模型技術的開源與閉源及其未來發展方向
從2022年底ChatGPT的驚豔亮相，到2023年大型語言模型技術的崛起，這波AI浪潮迅速成為大眾矚目的焦點。大型語言模型不僅融入我們的日常工作和生活，還在教育、科技研究、新聞、設計、醫療、金融等領域掀起技術革命，標誌著大型語言模型時代的到來。
ChatGPT之所以能爆發出顛覆性力量，根本原因在於其類人的語言邏輯能力。它不僅能理解和生成符合人類語言邏輯的文本，還能進行有邏輯性和創造性的交流，不再僅僅是高效工具，而是懂得我們語言和思維方式的助理，為AI未來應用打開無限想像空間。
2023年被稱為「大型語言模型元年」，OpenAI引領的技術革命促使人類社會進入大型語言模型時代。Google、Meta、Apple等科技巨頭陸續推出GPT競品，Anthropic、xAI、Cohere等新興公司也在崛起，各大公司採取不同的商業策略競相發展。
Google鞏固其在資訊檢索和AI領域的地位，Meta加速技術創新和應用，Apple增強其生態系統內的智慧助理和設備互聯性，馬斯克成立xAI補齊其商業版圖。Anthropic和Cohere則以靈活創新的方式展示不同的創新路徑和商業模式。
本書深入探討大型語言模型技術的演變及其背後的商業戰略，回顧OpenAI的發展，分析Google、Meta、Apple等巨頭的策略，展示新興公司的創新路徑，揭示大型語言模型技術的商業運作邏輯和未來發展方向。希望這本書能幫助讀者理解AI行業變革及大型語言模型時代的到來。
作者簡介
Kevin Chen
知名科技作家，其英文專著曾被美國白宮總統圖書館、哈佛大學書店、耶魯大學圖書館、德國馬克思普朗克協會等國際頂尖機構收藏。 多本著作以多種語言在全球發行，並被許多國家的重要圖書館收藏，包括美國、英國、加拿大、澳洲、法國、德國、日本等30多個國家和地區。
目錄大綱
第一章 大型語言模型的前世今生
1.1. 從ChatGPT到大型語言模型革命
1.1.1 第四次工業革命正在到來
1.1.2 人工智慧的里程碑
1.1.3 掀起大型語言模型革命
1.2. 大型語言模型發展簡史
1.2.1 初期探索階段：大型語言模型發展的基礎
1.2.2 快速成長階段：大型語言模型崛起的準備
1.2.3 全面爆發階段：大型語言模型的初現與勃興
1.3. 逐鹿群雄，百模爭霸
1.3.1 百模大戰在戰什麼？
1.3.2 不容忽視的「小模型」
1.4. 進入大型語言模型時代
第二章 OpenAI：勝者為王
2.1. OpenAI發家史
2.1.1 非營利組織OpenAI
2.1.2 接受投資，攜手微軟
2.1.3 OpenAI 的變現能力
2.2 一馬當先的GPT 系列
2.2.1 從GPT-1 到GPT3.5
2.2.2 更強大的GPT 版本
2.2.3 從GPT-4 到GPT-4o
2.2.4 GPT-5 即將到來
2.2.5 技術奇點的前夜
2.3. 一個由OpenAI打造的AI帝國
2.3.1 從Whisper 到DALL · E
2.3.2 橫空降世的Sora
2.3.3 Sora 的真正價值
2.4. OpenAI的規模法則
第三章 Anthropic：OpenAI的最強勁敵
3.1. 一齣好戲，從隊友到對手
3.1.1 從OpenAI 離開的Anthropic
3.1.2 為了安全的努力
3.1.3 Anthropic 的「公益」實踐
3.2. Claude：GPT的最強競品
3.2.1 緊隨ChatGPT 的Claude
3.2.2 Claude 3 打趴GPT-4 ？
3.2.3 Claude 落地應用
3.3. Anthropic是下一個OpenAI嗎？
3.3.1 Anthropic 的強力「後援」
3.3.2 挑戰者的挑戰
第四章 Google：從失守到追趕
4.1. AI領域的超級玩家
4.1.1 Google Brain：Google 的AI 發展起點
4.1.2 DeepMind：從理論到應用的飛躍
4.1.3 AI-first：Google 的「AI 優先」
4.2. Bard失守，Google翻車
4.2.1 Bard 迎戰ChatGPT
4.2.2 最強大型語言模型Gemini
4.2.1 PaLM 2 是Google 的回擊
4.3. 重新出發，迎頭趕上
4.3.1 Gemini 1.5 發佈
4.3.2 開源模型Gemma
4.3.3 世界模型Genie
4.3.4 AI 助理Project Astra
4.3.5 文字生成影片模型Veo
4.4. 垂直領域的領先方案
4.4.1 Google 大型語言模型落地醫療
4.4.2 Google AI 的應用實踐
4.5. 痼疾和優勢，Google的未來？
第五章 Meta：從元宇宙到大型語言模型
5.1. 放棄元宇宙，Meta的翻盤
5.1.1 馬克· 祖克柏的焦慮
5.1.2 元宇宙的理想國
5.1.3 從元宇宙轉向大型語言模型
5.2. Meta鏖戰大型語言模型
5.2.1 Meta 的AI 實力
5.2.2 開源大型語言模型Llama 系列
5.2.3 Meta 正在大步向前
5.3. 開源這條路，Meta非走不可
5.3.1 Meta 的真正市場在哪？
5.3.2 Meta 為什麼選擇開源？
5.3.3 開源大型語言模型的標杆
第六章 xAI：馬斯克的大型語言模型佈局
6.1. xAI：補齊馬斯克的商業版圖
6.1.1 為OpenAI 做了嫁衣
6.1.2 馬斯克為什麼和OpenAI 決裂？
6.1.3 馬斯克的野心和佈局
6.1.4 OpenAI 的攔截和xAI 的誕生
6.2. 馬斯克的Grok系列
6.2.1 全球最大的開源大型語言模型
6.2.2 入局激烈的開源之戰
第七章 Apple：迎接關鍵一戰
7.1. 放棄造車，轉戰AI
7.1.1 十年造車夢碎
7.1.2 大型語言模型狂飆，Apple 急了
7.2 讓Siri 不再「智障」
7.2.1 將AI 引入iPhone
7.2.2 姍姍來遲的Apple 大型語言模型
7.2.3 Apple 竟然開源了？
第八章 Cohere：大型語言模型的行業新星
8.1. Cohere的聰明選擇
8.1.1 Cohere 的創立故事
8.1.2 瞄準企業大型語言模型
8.2. 在夾縫中突圍的Cohere
8.2.1 Cohere 的產品
8.2.2 Cohere 最新力作：Command R+ 模型
8.2.3 Cohere 的風險和挑戰
第九章 大型語言模型下一站：開源還是閉源？
9.1 技術圈的「開源」之爭
9.1.1 開源不僅是開放原始程式碼
9.1.2 開源的意義
9.1.3 開源和閉源的矛盾
9.2. 開源大型語言模型VS閉源大型語言模型
9.2.1 大型語言模型時代，開源有何變化？
9.2.2 開源背後，另有所圖
9.2.3 開源強還是閉源強？
9.3. 大型語言模型路向何方？
9.4. 大型語言模型的價值對齊
9.4.1 OpenAI 的「宮鬥」背後
9.4.2 狂奔與失控的OpenAI
9.4.3 大型語言模型需要「價值對齊」
9.4.4 大型語言模型向善發展
後記
