新書推薦：
《
服务的细节136：提高成交率的50个销售技巧
》
售價：HK$
65.0
《
变法与党争：大明帝国的衰亡（1500—1644）
》
售價：HK$
96.3
《
大学问·中国的现代化：1850年以来的历史轨迹
》
售價：HK$
105.0
《
再造乡土：1945年后法国农村社会的衰落与重生
》
售價：HK$
93.5
《
黄河大系?戏曲卷
》
售價：HK$
888.8
《
大模型与超级平台
》
售價：HK$
75.9
《
数学通俗演义
》
售價：HK$
60.5
《
中国古代小说学史
》
售價：HK$
184.8
|
| 編輯推薦： |
本书共分11章，内容包括什么是云原生、云端从0到千万级用户的架构演变、基因测序的云原生之路、云游戏、大数据的云原生、云原生争霸的赛点是人工智能、数字世界的新基建—区块链技术、揭秘Roblox罗布乐思大型游戏创作平台、数字资产的确权——NFT数字藏品、虚拟数字人探路未来以及火爆出圈的ChatGPT。
本书作者为业内云产业生态总经理和业内云资深架构师，从专业落地的视角给大家分享云原生构建数字世界的前沿成果和作者观点。
|
| 內容簡介： |
云原生是在云计算时代指导企业基于云架构设计和开发应用，并将应用向云端迁移的一套全新的技术理念。与传统应用相比，所谓的云原生应用即为云而生。构筑数字世界新未来的关键是用云原生的思维去践行，未来数字世界的基础就是建立在云原生之上，而ChatGPT走红的背后则是云原生算力的支撑。
本书共分11章，内容包括什么是云原生、云端从0到千万级用户的架构演变、基因测序的云原生之路、云游戏、大数据的云原生、云原生争霸的赛点是人工智能、数字世界的新基建——区块链技术、揭秘Roblox大型游戏创作平台、数字资产的确权——NFT数字藏品、虚拟数字人探路未来和火爆出圈的ChatGPT。
本书两位作者都是国内某互联网头部企业的资深人士，他们从专业的视角给读者分享云原生构建数字世界的前沿成果及**观点。 本书的目标读者群体是云计算从业人员，对云原生、数字世界感兴趣的人员以及企业高管。本书定位为高级科普读物而不是计算机类工具书，目的是让非计算机专业或者半路转行云计算相关行业的人员都能看明白。
|
| 關於作者： |
丁振海，广播电视艺术学硕士、工商管理博士（在读）。曾就职于凤凰卫视，担任纪录片编导。2012年起就职于国内某互联网头部企业，目前担任产业生态华南区域负责人，负责华南区域渠道合作伙伴生态建设。
宋立桓，IT资深技术专家，曾就职于微软中国有限公司，目前为国内某互联网头部企业的解决方案架构师 ，专注于云计算 、大数据和人工智能。著有图书《Python深度学习从零开始学》《Cloudera Hadoop大数据平台实战指南》《AI制胜：机器学习极简入门》《MySQL性能优化和高可用架构实践》《元宇宙：互联网新未来》等。
|
| 目錄：
|
第1章 云原生，你不了解就OUT了 1
1.1 云原生初探 1
1.1.1 云原生诞生的背景 1
1.1.2 云有“原生”初长成 3
1.2 企业为什么需要云原生 4
1.3 云原生架构 5
1.3.1 容器 6
1.3.2 微服务 8
1.3.3 DevOps 12
1.3.4 持续交付 16
1.4 聊聊Serverless架构 17
1.5 云原生打造数字世界的基础设施 19
第2章 云端从0到千万级用户的架构
演变 21
2.1 企业IT信息化系统上不上云 21
2.2 云端千万级架构的演变 24
2.2.1 架构的原始阶段： 单机搞定一切 24
2.2.2 架构的基础阶段：Web服务器和数据库物理分离 25
2.2.3 架构的动静分离阶段：CDN 对象存储 25
2.2.4 架构的分布式缓存阶段：负载均衡 数据库缓存 27
2.2.5 架构扩展阶段 28
2.3 高并发解决方案之秒杀 29
第3章 基因测序的云原生之路 33
3.1 什么是基因 33
3.1.1 遗传因子 33
3.1.2 染色体 35
3.1.3 DNA 36
3.1.4 基因 37
3.2 基因是怎么测序的 38
3.2.1 第一代测序技术（桑格测序） 38
3.2.2 第二代测序技术 39
3.2.3 第三代测序技术 40
3.3 云计算与基因测序 40
3.3.1 测序重组的计算 40
3.3.2 传统的计算方法 41
3.3.3 云计算的方法 42
3.3.4 容器技术助力基因测序 43
3.4 基因测序 区块链 45
第4章 云游戏：从游戏云化到云原生 46
4.1 云游戏介绍 46
4.1.1 什么是云游戏 46
4.1.2 云游戏的应用场景 48
4.1.3 云游戏的优势 50
4.1.4 云游戏的初体验 51
4.2 云游戏的典型特征 54
4.2.1 游戏资源云化 54
4.2.2 运行过程云化 55
4.2.3 游戏内容跨平台 56
4.2.4 计算和网络强依赖 56
4.2.5 平台化管理 56
4.3 云游戏的商业模式 57
4.3.1 云游戏市场的高增长 57
4.3.2 未来云游戏的商业模式 57
4.4 云游戏的挑战和未来 58
第5章 聊聊大数据的云原生 60
5.1 大数据的定义 60
5.2 数据将成为资产 61
5.3 大数据时代处理数据理念的改变 62
5.3.1 要全体不要抽样 62
5.3.2 要效率不要绝对精确 63
5.3.3 要相关不要因果 63
5.4 数据如何处理并升级为智慧 64
5.5 大数据时代的典型应用案例 65
5.5.1 塔吉特超市精准营销案例 65
5.5.2 “啤酒与尿布”的故事案例 66
5.5.3 谷歌流感趋势案例 67
5.6 大数据处理的技术标准Hadoop介绍 67
5.7 大数据的云原生 69
5.7.1 大数据系统的主要问题 70
5.7.2 云原生技术如何解决大数据系统
问题 70
第6章 云原生争霸，人工智能是赛点 72
6.1 什么是人工智能 72
6.2 人工智能的本质 73
6.3 大名鼎鼎的神经网络 75
6.3.1 什么是神经元 75
6.3.2 什么是激活函数 77
6.3.3 什么是深度神经网络 78
6.3.4 什么是卷积神经网络 81
6.3.5 什么是生成对抗网络 83
6.4 自然语言处理 85
6.4.1 什么是自然语言处理 85
6.4.2 自然语言处理的难点和挑战 86
6.4.3 自然语言处理的发展趋势 87
6.5 语音识别 88
6.6 机器学习与深度学习 89
6.6.1 什么是机器学习 89
6.6.2 什么是深度学习 90
6.7 云原生AI，加速实现人工智能的落地
创新 92
6.8 人工智能和虚拟数字世界 93
第7章 区块链技术——数字世界的
“新基建” 95
7.1 揭开区块链的神秘面纱 95
7.1.1 区块链的定义 95
7.1.2 区块链和比特币的关系 96
7.1.3 以太坊是什么 101
7.1.4 一地鸡毛ICO 101
7.2 区块链的特征和分类 102
7.2.1 区块链的主要特征 102
7.2.2 区块链的分类 103
7.3 区块链的应用场景 104
7.3.1 区块链 医疗 104
7.3.2 区块链 教育 105
7.3.3 区块链 农业 106
7.3.4 区块链 版权认证 108
7.3.5 区块链 文旅 108
7.3.6 区块链 慈善 109
7.3.7 区块链 智慧城市 110
7.3.8 区块链 游戏 111
7.4 区块链技术带来的数字世界 113
第8章 揭秘Roblox，人人都是
游戏创作者 116
8.1 Roblox介绍 116
8.1.1 Roblox是什么 116
8.1.2 Roblox的发展历程 117
8.1.3 Roblox平台的组成 119
8.1.4 Roblox的用户画像 121
8.1.5 Roblox的商业模式 122
8.2 Roblox开发游戏探秘 122
8.2.1 Roblox Studio的下载和安装 122
8.2.2 Roblox Studio开发游戏入门 124
8.3 Roblox成功的内在逻辑 131
8.3.1 Roblox实体是UCG平台 131
8.3.2 玩法众多 133
8.3.3 庞大的创作者 134
8.3.4 为开发者提供多种变现方式 135
8.4 Roblox的数字世界的特性 135
第9章 数字藏品火爆，NFT是数字资产的
确权 137
9.1 初识NFT 137
9.1.1 NFT的现象级案例 137
9.1.2 区块链的追本溯源、防篡改
特性 139
9.1.3 NFT的定义 140
9.2 NFT的重要功能 141
9.2.1 版权保护 141
9.2.2 资产数字化 142
9.2.3 资产流动性 143
9.2.4 虚拟世界的身份识别标志 143
9.2.5 虚拟世界的数字形象 143
9.2.6 虚拟世界中重要的数字资产 145
9.3 何谓数字藏品（国内的NFT） 145
9.3.1 国内数字藏品与NFT有什么
区别 145
9.3.2 国内数字藏品目前的进展 147
9.3.3 数字藏品平台的背后价值 149
9.4 NFT数字藏品时代的企业品牌营销 150
9.5 NFT数字藏品的思考和总结 156
第10章 “人”潮汹涌，虚拟数字人探路
未来 158
10.1 虚拟数字人行业背景介绍 158
10.1.1 什么是虚拟数字人 158
10.1.2 虚拟数字人的分类 160
10.2 虚拟偶像 162
10.2.1 虚拟偶像的定义和特点 162
10.2.2 虚拟偶像的流派 163
10.2.3 虚拟偶像对品牌营销的意义 170
10.3 服务型虚拟人 171
10.3.1 服务型虚拟人如何赋能企业 171
10.3.2 如何做一个服务型虚拟人 172
10.4 虚拟数字人的制作技术 173
10.4.1 形象生成 174
10.4.2 动画生成 175
10.4.3 语音生成 175
10.5 虚拟人行业前景和挑战 176
10.5.1 虚拟偶像市场规模稳步增长 176
10.5.2 服务型虚拟人有望快速发展 178
10.5.3 虚拟人产业的规模化落地应用仍待
发展 179
第11章 火爆出圈的ChatGPT 181
11.1 什么是ChatGPT 181
11.1.1 ChatGPT的彪悍人生 181
11.1.2 如何注册、登录ChatGPT 182
11.1.3 ChatGPT究竟能干什么 183
11.2 ChatGPT的技术原理 188
11.3 ChatGPT和云计算的关系 189
11.3.1 ChatGPT需要云计算吗 189
11.3.2 ChatGPT的核心竞争力是算力 190
11.4 解析ChatGPT的商业前景 190
|
| 內容試閱：
|
“我的数据都放在云上真的安全吗?”这是我在日常工作中被客户问到最多的一句话，一般我会讲第一个故事——您觉得钱存在银行安全，还是在院子里面挖一个坑埋起来安全？存在银行的缺点是银行会知道你的家底，但好处是不需要担心钱埋在院子里腐烂，或者主人去世后忘记告诉子孙，最终成为一串串锈迹斑斑的铜钱。
云端存储通过采用服务器集群、异地容灾等技术，可保证数据万无一失，采用数据快照回滚技术，能最大限度地降低用户误删数据的损失，所以云端数据丢失的概率极低；相反，如果数据保存在本地（如计算机硬盘、U盘、光盘、SD卡等），这些存储介质都很容易损坏，个人用户也容易不小心误删数据。另外，一般客户使用本地存储防范黑客入侵的能力也会普遍弱于云厂商的大型数据中心。
一般我还会给客户讲第二个故事——每个家庭都会用到电，难道我们都需要自己买发电机，再存点柴油吗？
接入公共电网，并按照用电量付费，已经成为被普遍接受的能源获取模式。云计算就是这样一个按需使用的模式，当企业和个人需要计算、存储等资源的时候，不需要再去一台台地购买物理服务器，可以接入云计算的资源池，根据需求弹性获取或退订资源，并且可以灵活采取包年、包月或按量付费的模式，实际上节约了成本。
如果还是不放心，我再讲第三个故事——有些美食爱好者喜欢下馆子、点外卖，但是更享受与朋友一起在家烹饪、聚餐的乐趣。我们可以提供各种厨具，也可以提供各种新鲜食材，甚至可以提供五星大厨上门做菜的打包服务。对于一些特殊行业暂时无法接受公有云的客户，一样可以提供私有云服务。利用虚拟化技术和业界领先的AI科技，让客户在家里就能享受安全、健康的米其林大餐。也许过不了多久，千变万化的“预制菜”和“机器人厨师”就会大大改变我们的生活方式。
无论是公有云还是私有云，无论是开放还是保守，云计算都将以不可阻挡的趋势滚滚而来，并且以云原生的方式出现。
什么叫云原生？当电灯出现时，还没有发电厂和公共电网，所以最早的电灯泡并不是按照公共电网的供电模式被设计和生产制造出来的。后面人们发现电的用途还可以更多，于是出现了冰箱、彩电、洗衣机等家用电器。因为有了电，我们开始创造发明各种终端的用电产品，而这些电器、电子产品都是根据公共电网的特点被设计制造的，比如普遍接受110~220V的电压等。云计算也一样，云计算原本是为数据存储和终端运算提供的平台，但当云计算平台系统和生态建立起来时，大量的应用基于云计算不断被创造与更新。也就是说，云计算的出现会激发更多的基于云计算的应用出现。
云原生是指一种构建云计算应用的方法与方案，在设计、构造和操作某个应用和场景时，可以充分利用云计算模型和工作原理。云原生应用也就是面向“云”而设计的应用，在使用云原生技术后，开发者无须考虑底层的技术实现，可以充分发挥云平台的弹性和分布式优势，实现快速部署、按需伸缩、不停机交付等。传统应用不是为云计算而开发的，因此导致迁移成本较高。就算迁移上云，如果只用虚拟化和重新部署的方式迁移，也无法发挥云计算的弹性、高容错和高并发处理等优点。云原生定义了一条能够让应用最大限度利用云的能力、发挥云价值的路径。未来的软件一定“长”在云上，从计算机出现以来的所有应用都有必要使用云原生架构全部从零开始再做一遍。
我小时候很喜欢一部动画片《太空堡垒》，剧情描写了三代地球人反抗外星侵略者的故事。剧中有一位明星叫林明美，她在动画片中的身份是一名宇宙歌姬，凭借着在动画片中积累的超高人气，制作公司顺势以她的名义推出专辑，成功登上日本音乐排行榜Oricon。林明美成为第一位虚拟偶像，日本媒体更在1990年为她率先提出了虚拟偶像的概念。如果说那时的虚拟偶像还停留在手绘动画的2D模拟世界里，现在的元宇宙虚拟偶像已经进化到了数字世界。
数字世界本质上是对现实世界的虚拟化、数字化过程，需要对内容生产、经济系统、用户体验以及实体世界的内容等进行大量改造。这个数字世界和现实生活有一定的契合度，所有人只要有对应的账号就可以加入这个数字世界。此时此刻，科幻小说或者科幻电影里的故事正在构建。从本质上讲，我们正在构建一个可能会超乎想象的新世界。当它逐渐完善时，我们的现实世界将与虚拟世界融合。换句话说，这将改变我们的居所、娱乐方式甚至是办公方式。整个数字世界的概念是后于云计算出现的，所以数字世界相关的整个基础设施也是基于云原生理念来构建的，因为只有基于云原生理念，我们才可能做到性能、成本的优化，才能够满足未来整个数字世界发展的底层设施的要求。可以说，云原生是企业数字化转型的基础，更是数字世界的基座。
本书适合的读者
本书适合的读者是云计算从业人员，对云原生、数字世界有兴趣的人员以及企业管理者。本书的定位是高级科普读物而不是计算机类工具书，目的是让非计算机专业，或者半路转行云计算相关行业的人都能看明白。
致谢
感谢与我一拍即合的宋立桓老师，促成“科普云计算”的想法顺利落地，本书大部分内容都源自宋立桓老师。
感谢支持我无休无止工作、出差的家人！
感谢清华大学出版社的夏毓彦老师帮助我们出版了这本有意义的著作！
云原生构建数字世界的时代正在来临，人类文明的发展一定是在“虚拟现实”和“星辰大海”中并行，我们需要为此做好准备。
丁振海
2023年1月
11.2 chatGPT的技术原理
要想了解ChatGPT技术原理，我们首先了解一下GPT。GPT的全称是“Generative Pre-trained Transformer”是一种基于互联网可用数据训练的文本生成深度学习模型。它用于问答、文本摘要生成、机器翻译、分类、代码生成和对话AI。
2018年，GPT-1诞生，这一年也是 NLP自然语言处理的预训练模型元年。发展到GPT-3，系统的聊天能力已经无限接近于人类，甚至有超越之势。而相对于GPT3通过海量学习数据进行训练，ChatGPT又有进步。它被加入道德原则。按照预先设计的道德准则，ChatGPT会对不合理或无法回答的提问和请求“说不”。敢于质疑、主动承认错误，这样的“性格”可以不断提升AI本身对用户意图的理解以及结果的准确性。
ChatGPT 的训练方法，它学会了从“人类反馈中强化学习”，即Reinforcement Learning from Human Feedback（RLHF）。 chatGPT 使用“预训练-微调”的工作范式训练了一个初始模型：人类AI训练员提供对话，他们在对话中扮演双方——用户和AI助手，AI训练员可以访问模型编写的对话回复，并帮助AI调整回复内容。 被“调教”后的ChatGPT能够识别恶意信息，识别后拒绝给出有效回答，或记住用户之前所向它提问的内容，以各种方式组合语境想法，变成一个灵感生成器。上线后，ChatGPT将大量客户的反馈互动用于AI 的学习，将其变成推动AI进步的关键一环。
现在的ChatGPT则是由效果比GPT3更强大的GPT-3.5系列模型提供支持，这些模型使用微软Azure AI超级计算基础设施上的文本和代码数据进行训练。具体来说，ChatGPT在一个开源数据集上进行训练，训练参数也是前代GPT3的10倍以上，还多引入了两项功能：人工标注数据和强化学习，实现了在与人类互动时从反馈中强化学习。
也因此，我们得以看到一个强大的ChatGPT：能理解人类不同指令的含义，会甄别高水准答案，能处理多元化的主题任务，既可以回答用户后续问题，也可以质疑错误问题和拒绝不适当的请求。
当初，GPT-3只能预测给定单词串后面的文字，而ChatGPT可以用更接近人类的思考方式参与用户的查询过程，可以根据上下文和语境，提供恰当的回答，并模拟多种人类情绪和语气，还改掉了GPT-3的回答中看似通顺，但脱离实际的毛病。不仅如此，ChatGPT能参与到更海量的话题中来，更好的进行连续对话，有上佳的模仿能力，具备一定程度的逻辑和常识，在学术圈和科技圈人士看来时常显得博学而专业，而这些都是GPT-3所无法达到的。
11.3 chatGPT和云计算的关系
11.3.1 ChatGPT需要云计算吗？
ChatGPT是通过云计算技术提供的。OpenAI的ChatGPT模型是在大量的云计算资源上训练的，并通过云接口与用户进行交互。用户可以通过互联网访问ChatGPT并使用它的功能。这意味着，ChatGPT不需要在本地安装或维护，而是通过云服务提供商提供的互联网服务使用。这种方式可以帮助用户减少软件和硬件成本，同时可以获得高效的计算能力。
OpenAI的GPT模型，是目前最大的语言模型之一。因此，它需要巨大的计算能力来训练和运行。具体而言，GPT模型是使用数十万个处理器核心和数PB级存储训练的。这些要求高昂的硬件成本是为了提供先进的语言理解和生成能力，但它也导致了GPT模型和类似的模型的使用受到了限制，因为它们不能在普通的个人电脑上运行。相反，它们通常在大型数据中心或云计算平台上运行，并通过API与其他应用程序集成。
11.3.2 chatGPT核心竞争力是算力
随着chatGPT的进化迭代以及使用人数和使用场景的激增，chatGPT对算力的需求也将急速膨胀。chatGPT的“背后英雄”系GPU或CPU FPGA等海量算力支撑。ChatGPT的技术底座是“大型语言模型（Large Language Models）”，简称LLMs，中文习惯称为“大模型”。算法是大模型成功的首要条件，然后要喂给算法海量的数据（数据量级跃升，能带来更多能力的涌现），再搭配强大的发动机——大算力，才能获得最基础的大模型。
一个ChatGPT应用的算力消耗已经让人瞠目。其大模型GPT经历了三次迭代，GPT、GPT-2和GPT-3（当前开放的版本为GPT-3.5）的参数量从1.17亿增加到1750亿，预训练数据量从5GB增加到45TB，其中GPT-3训练单次的成本就已经高达460万美元。最新的GPT3.5在训练中使用了专门建设的AI计算系统，由1万个V100 GPU组成的高性能网络集群。 同样，国产自研的一些AI模型，不仅在参数量上达到了千亿级别，而且数据集规模也高达TB级别。想要搞定这些“庞然大物”的训练，就需要投入庞大的计算资源。
一言以蔽之，大模型为代表的AI新时代，算力便是核心竞争力。而AI 芯片是针对人工智能算法做了特殊加速设计的芯片，也被称为AI加速器或计算卡，是AI的算力基础。要知道，ChatGPT有着大量复杂计算需求的AI模型，GPU、FPGA、ASIC等AI芯片专门用于处理这些计算任务，是不可或缺的底层硬件。
据了解，采购一片英伟达顶级GPU成本为8万元，GPU服务器成本通常超过40万元。对于ChatGPT而言，支撑其算力基础设施至少需要上万颗英伟达GPU A100，一次模型训练成本超过1200万美元。
ChatGPT对于高端芯片的需求增加会拉动芯片均价，量价齐升将导致芯片需求暴涨，未来大模型趋势下，AI芯片市场成长可期。ChatGPT走红的背后是海量算力支撑，但随着ChatGPT的进化迭代以及使用人数和使用场景的激增，对算力的需求也将急速膨胀。
11.4 解析chatGPT的商业前景
北密歇根大学哲学专业的一名学生深谙摸鱼之道的精髓，直接利用ChatGPT完成了一篇专业论文，不仅成功逃脱了查重风险，更是被教授判定为“全班最好的论文”，ChatGPT精妙的完成度令全球哗然，在海外掀起一阵风暴。同时，ChatGPT所带来的科技创新也得到了国内的关注。夹杂着对AI的惊叹、恐慌与好奇，ChatGPT迅速破圈，并登上微博热搜。从微信指数上来看，ChatGPT的热度甚至力压前期的爆款影视剧《狂飙》，真实上演了科技圈的“狂飙”。
在国内，AI颠覆式变革带来的热闹景象正在全民参与潮中挖掘应用场景：从聊天、写作、编写代码到短视频脚本、剧本杀......可以看到，在多数人还在对ChatGPT满怀好奇时，第一批吃螃蟹的人已经出现了。
科技是第一生产力，也能解放生产力。综合来看，ChatGPT是一款能够持续进化的“你问我答”式工具，并且有着百科全书般丰富的知识储备，正因于此，打工人开始将其应用到自身的工作中。
比如作为一名短视频编导，每天的工作就是撰写短视频脚本。短视频最关键的部分是创意，而最耗时的部分其实是脚本的撰写工作。举例来看，输入“家长教导孩子看书专注的视频脚本”，ChatGPT就会围绕亲子关系生成契合主题的内容，如图11-20所示。
图11-20
ChatGPT在完成“命题作文”方面表现卓越。有了ChatGPT的助力，脚本撰写的效率自然也得到了提升。除了撰写短视频脚本，ChatGPT也在网文写作、剧本杀等行业发挥效用。ChatGPT的便利之处在于其生成的结果并不是碎片化的信息，而是具有强逻辑关联的小作文或片段式的结构短文。这对于创作是一件非常方便的事情，可以大大提高写作的效率。在利用ChatGPT创作故事时，首先将故事背景交代清楚，比如，“以霸道总监爱上单纯实习生为主题写一篇小说”，ChatGPT就可以据此产出一个逻辑自洽的小故事，如图11-21所示。
图11-21
ChatGPT会补充清楚主角的姓名、性格以及故事的大致走向。在此基础之上，可以通过ChatGPT生成的内容进行追问，引导ChatGPT将故事讲述完整。比如，通过追问“两人第一次约会的场景是什么样的？”等问题，如图11-22所示，让ChatGPT帮助网文作者设计故事情节以及人物性格。
图11-22
ChatGPT非常适合网文这种更新速度快、故事情节要求不高的内容创作，可以帮助网文作者实现稳定的更新频率。剧本杀的创作和网文创作方式相似，通过设定好具体的场景结构以及大致的剧情走向，ChatGPT就可以补充好具体的情节内容，并且最终以剧本的形式展现出来，能够解放编剧的时间。
ChatGPT的能力已经涉及到AI模型之间的合作，这就不得不说AIGC。AI自动化内容生成（AIGC）是一种利用人工智能技术生成新内容的方法。它可以快速、自动、准确地从大量原始数据中生成新内容，大大提高了内容创作效率。AIGC 使用机器学习算法，自动识别文本特征，并从原始内容中抽取出有用的内容，从而快速生成新内容。AIGC 可以在文字、音频、图片等方面实现内容生成，极大地提升了内容创作效率和质量。
AI文字绘画是最近很火的AIGC工具。和chatGPT两者的结合，让产出一个更优质的 AI 画作变得更简单。目前 AI 绘画&制图的难点在于如何写出一段描述。能够把自己想要的用语言表达出来是很困难的。如图11-23所示，我们可以要求ChatGPT写一个描述女孩的文案。
图11-23
然后用ChatGPT生成的文案画出了女孩的图像，如图11-24所示。
图11-24
OpenAI的研究领域包括机器学习、自然语言处理和强化学习，其能在短短几年间迅速崛起，与创始人奥特曼对AI的创意性理解力密切相关：“十年前的传统观点认为，人工智能首先会影响体力劳动，然后是认知劳动，再然后，也许有一天可以做创造性的工作。现在看起来，它会以相反的顺序进行。”
国内某初创公司推出的聊天应用程序和ChatGPT相似，同样采用了生成式对话AI的形式。它的产品逻辑更强调社交属性，最重要的例证之一就是可以允许用户自由设定聊天机器人的性别、性格，强化了工具的趣味性。当然，除了单一对ChatGPT的模仿之外，国内生成式对话AI也进行了新奇、有趣的尝试。例如，依托上海话为训练文本的上海话AI正在成型中。这一工具不仅能正确识别上海话，还能用上海话对用户提出的问题做出解答，吸引了不少用户的兴趣。
chatGPT不仅成为了一线大佬口中的新机会，还变成了所有互联网公司和科技公司的新故事。2023年2月10日晚间，原美团联合创始人王慧文的一条朋友圈截图流传开来，这位早期互联网创业者发布了自己野心勃勃的人工智能宣言，砸下5000万美元入局，正式从海外的动向来看，chatGPT将会被整合进微软旗下的Bing搜索中，可以预见，一场关于搜索引擎的变革即将发生，OpenAI也正在验证ChatGPT的商业化价值。OpenAI宣布推出ChatGPTPlus付费订阅套餐，每月收费20美元，开启商业化变现道路。订阅该套餐的用户可在免费服务基础上享受高峰时段免排队、快速响应、优先获取新功能等额外权益。除了chatGPT以外，Stable DiffusionAI 文字绘画亦开启商业变现，根据内容生成次数、生成质量等条件设置多级别订阅套餐。
chatGPT在To B端到To C端的智能运用方面具有巨大的商业价值，通过ChatGPT交互平台可以帮助企业与客户建立有效的沟通方案，并在教育、医疗、汽车、智能场馆、智能家居等领域产生新的行业发展变革，在提高服务品质的同时也降低了企业的服务成本。面对这一产业红利，中国的科技圈势必要快马加鞭。
当然，ChatGPT需要提升的空间还有很多。比如理解多样性和包容性，还需要更加细致地研究如何让模型更好地理解多元文化和性别、年龄等，以不存在偏见。还得降低鲁莽回答的风险，由于ChatGPT的回答是基于大量预先训练的文本数据，存在错误或不适当回答的风险。还需要提高对上下文的理解，改进交互体验。除此之外，它还面临一些政策法规上的争议。
一个简单的例子，一些学生用ChatGPT写论文、写作业，让ChatGPT受到争议，OpenAI最近就推出了AI生成内容识别器，希望能平息人们的一些批评。尽管这工具还“不完美”，但已经给出了一个解决的办法。所以，大规模应用ChatGPT的时代，是会来临的，或许比想象的还快。这也让ChatGPT的大规模商业化需要一定时间。但这似乎已经没有那么重要，“道”已经出现，剩下的交给“术”，一切问题的解决，也只是时间问题。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
