ChatGPT风暴：大语言模型、生成式AI与AIGC颠覆创新范式

目录
第一章 盗火者还是玩火者？ 1
1．创造者群像 2
埃隆·马斯克 3
山姆·阿尔特曼 6
格雷格·布洛克曼 9
伊利亚·苏茨克维尔 11
约翰·舒尔曼 12
沃伊切赫·扎伦巴 14
2．退学创业——成功之路？ 15
反复重演的故事 15
走适合自己的路 17
3．OpenAI养成记 19
信仰和使命 20
初创期 24
“利润上限”公司 26
轰动世界 27
“人民公敌”？ 31
4．风暴有多强 33
5．英雄创造时代 36
第二章 深度学习崛起 38
1．人工智能梦想之路 38
符号主义开局（1956—1967年） 39
专家系统繁荣一时（1968—1985年） 41
神经网络的复兴（1986—2005年） 43
深度学习的胜利（2006—2021年） 46
走向通用人工智能（2022—2038年） 49
2．深度学习是机器学习的一个分支 50
监督学习 51
无监督学习 51
半监督学习 51
强化学习 52
迁移学习 53
深度学习 54
3．感知机如何进化为深度学习 54
神经元与感知机 54
前馈神经网络 56
反馈神经网络 59
反向传播算法 60
卷积神经网络 62
循环神经网络 64
4．一些重要的深度学习算法模型 67
深度信念网络 68
生成对抗网络 70
深度强化学习 71
5．阿尔法狗的价值及其进化 73
阿尔法狗横空出世 74
向自主学习进化 75
6．笼罩在深度学习头上的乌云 77
第三章 大语言模型 79
1．大语言模型——自然语言处理的前沿 80
什么是自然语言处理 80
自然语言处理的发展历程 81
大语言模型——超越自然语言处理 85
2．算力爆炸 86
不同类型的算力 87
全球算力爆炸 87
大语言模型与算力爆炸 88
3．海量数据 89
大语言模型需要海量数据 89
数据收集与预处理 90
数据隐私、数据安全和数据偏差 92
4．典型大语言模型 92
LLaMA 93
PaLM2 95
LaMDA 96
Claude 96
Chinchilla 97
Gopher 97
BLOOM 98
5．大语言模型战胜了小语言模型？ 98
6．大语言模型的弊端 101
第四章 为什么是ChatGPT 103
1．关键里程碑——Transformer 103
总体架构 104
注意力机制 105
位置编码 108
前馈网络 109
残差连接与层归一化 109
2．GPT系列的持续进化 110
GPT-1 110
GPT-2 112
GPT-3 112
InstructGPT 114
ChatGPT 115
GPT-4 117
3．ChatGPT商业化的五种模式 119
与微软的深度捆绑 120
API 121
订阅模式 121
模型多元化 121
应用商店 122
4．通用人工智能的早期版本？ 123
5．未来前进的方向 125
第五章 机器生成内容——AIGC 128
1．生成式AI与AIGC 129
生成式AI 129
全面理解AIGC 133
2．没有什么不能生成 135
文本生成 135
图像生成 140
视频生成 143
音乐生成 145
代码生成 147
3．AIGC的实质是生产力革命 150
生产力革命 151
人人都是创造者 153
第六章 生成性与涌现 155
1．复杂经济学 156
复杂性科学 156
复杂经济学的基本观点 157
经济活动中的涌现 158
2．平台生态 158
平台生态是什么 158
平台生态中的生成性 159
平台生态中的涌现 160
3．生成性 161
4．知识涌现 162
5．涌现能力的临界值 164
第七章 搜索引擎的黄昏 166
1．信息爆炸的逆转 167
为何重要 167
如何工作 169
2．美好时光 171
3．“巨人”间的平庸竞争 174
4．危机确实迫在眉睫 175
5．替代还是升级？ 177
第八章 知识的危机 179
1．什么是知识 180
2．显性知识与隐性知识 185
3．人类的知识是如何进步的 188
4．知识爆炸 190
5．污染还是净化？ 192
6．“无用”的知识分子？ 194
第九章 元宇宙和AIGC双重驱动数字化转型 198
1．元宇宙——空间革命与规则重构 199
2．无处不在的AIGC与效率革命 202
3．双重驱动的行业变革 204
教育 204
工业 208
传媒 212
文旅 217
医学 219
第十章 挑战与中国机遇 224
1．新的“卡脖子”？ 225
2．中国的机遇 226
3．中国数字产业界的集体行动 228
4．低端版本还是超越？ 231
参考文献 233