OpenAI

本書先概述生成式人工智能所涉及的技術和工具，幫助你了解如何訓練模型以生成新數據；接著展示如何用 ChatGPT 提高營銷、科研和軟件開發等相關工作的生產力和創造力；隨後介紹如何通過改進提示設計從與 ChatGPT 的交互中獲得好的效果，以及如何在企業級場景中使用 OpenAI 模型。 通過閱讀本書，你可以了解生成式人工智能的相關概念，以及如何通過有效的提示設計增加ChatGPT的價值，如何基於Python語言構建和部署生成式人工智能系統，如何利用 Azure OpenAI 服務實現企業級應用。 本書適合想用生成式人工智能提升工作效率的所有人閱讀，包括但不限於商務人士、數據科學家、軟件開發人員、營銷人員和科研人員。

Karen Hao 在《Empire of AI》中，記錄她對 OpenAI 及全球人工智慧競賽的近距離觀察。最初以安全為核心使命的非營利組織，隨著 ChatGPT 的成功與微軟資金的加入，逐漸捲入高速、資源密集且高度集中的競爭。書中不僅揭露 Altman 的辭退與復職內情，也細述 AI 產業的代價——昂貴的運算能力、全球規模的數據蒐集、低薪勞工清理資料，以及對能源與水資源的龐大消耗。透過跨洲採訪，本書展現了 AI 如何同時重塑經濟權力與加深社會不平等。From a brilliant longtime AI insider with intimate access to the world of Sam Altman's OpenAI from the beginning, an eye-opening account of arguably the most fateful tech arms race in history, reshaping the planet in real time, from the cockpit of the company that is driving the frenzyWhen AI expert and investigative journalist Karen Hao first began covering OpenAI in 2019, she thought they were the good guys. Founded as a nonprofit with safety enshrined as its core mission, the organization was meant, its leader Sam Altman told us, to act as a check against more purely mercantile, and potentially dangerous, forces. What could go wrong?Over time, Hao began to wrestle ever more deeply with that question. Increasingly, she realized that the core truth of this mas

Karen Hao 在《Empire of AI》中，記錄她對 OpenAI 及全球人工智慧競賽的近距離觀察。最初以安全為核心使命的非營利組織，隨著 ChatGPT 的成功與微軟資金的加入，逐漸捲入高速、資源密集且高度集中的競爭。書中不僅揭露 Altman 的辭退與復職內情，也細述 AI 產業的代價——昂貴的運算能力、全球規模的數據蒐集、低薪勞工清理資料，以及對能源與水資源的龐大消耗。透過跨洲採訪，本書展現了 AI 如何同時重塑經濟權力與加深社會不平等。An Instant New York Times Bestseller“Excellent and deeply reported.” —Tim Wu, The New York Times“Startling and intensely researched . . . an essential account of how OpenAI and ChatGPT came to be and the catastrophic places they will likely take us.” —Vulture“Hao’s reporting inside OpenAI is exceptional, and she’s persuasive in her argument that the public should focus less on A.I.’s putative ‘sentience’ and more on its implications for labor and the environment.” —Benjamin Wallace-Wells, New YorkerFrom a brilliant longtime AI insider with intimate access to the world of Sam Altman's OpenAI from the beginning, an eye-opening account of arguably the most fateful tech arms race in history, reshaping the planet in real time, from the cockpit of the company that is

本書聚焦AI 大模型(生成式人工智能)系統設計，培養讀者從需求分析到模型部署的系統化思維與實踐能力。不同于傳統教材按技術棧劃分章節，本書以真實的實際研發案例為線索，拆解文本生成、圖像合成、跨模態生成等核心場景，涵蓋提示工程、RLHF、擴散模型、推理優化等關鍵技術。無論是實際工作還是技術面試，讀者都能通過本書構建生成式人工智能的“複雜系統心智模型”，在技術快速演進的浪潮中錨定方向。

本書由國內頭部科技企業資深編譯器專家團隊傾力撰寫，凝練團隊多年深耕MLIR的研究成果與工程實踐經驗。其主要設計思路如下。1）系統闡釋MLIR核心原理與基礎概念，全景梳理各方言間的層級關係與協同機制，並深入探討針對不同計算場景的優化策略。2）為強化實戰能力，以OpenAI Triton為標杆案例，細緻解構其基於MLIR的實現流程與工程細節，幫助讀者深度理解MLIR代碼體系，從容應對實際業務開發挑戰。3）以60餘幅手繪架構/流程圖、270余段精講代碼為脈絡，由淺入深地剖析MLIR技術體系，助力讀者快速建立認知框架。具體而言，本書共15章，分為4部分。第一部分為MLIR基礎知識（第1～7章），系統講解MLIR的核心概念與底層機制，是理解後續內容的基石。第二部分為MLIR方言詳解（第８～12章），全面梳理MLIR生態中的核心方言體系，帶領讀者瞭解其強大的表達能力與優化潛力。第三部分為MLIR實戰項目剖析（即第13章），以OpenAI的Triton DSL為例，系統剖析MLIR的設計理念及其編譯優化與降級流程。第四部分為MLIR中的數學知識與應用（第14～15章），介紹實現MLIR高級優化的理論基礎。

With this comprehensive guide, Microsoft AI specialist Adrian Gonzalez Sanchez examines the integration and utilization of Azure OpenAI Service-using powerful generative AI models such as GPT-4 and GPT-4o-within the Microsoft Azure cloud computing platform.

本書基於強化學的庫Chainer（Chainere）和AI模擬環境的OpenAI gym-不僅僅是軟件模擬-也詳述了使用RaspbbilryPi和ARduino的實際環境的應用。

本書是一本關於生成式預訓練人工智能語言模型的綜合性圖書，涵蓋了其在創建創新NLP產品方面的意義、功能和應用。本書提供了如何輕鬆使用OpenAI API的全面指南，探索了根據用戶的具體需求使用該工具的方法，並展示了基於GPT-3的成功企業案例。本書分為兩個部分，第一部分側重於介紹OpenAI API的基礎知識。第二部分著重研究GPT-3周邊的動態和繁榮的環境。

本書重點突出深度強化學習理論的基本概念、前沿基礎理論和Python應用實現。首先介紹馬爾可夫決策、基於模型的算法、無模型方法、動態規劃、蒙特卡洛和函數逼近等基礎知識；然後詳細闡述強化學習、深度強化學習、多智能體強化學習等算法，及其Python應用實現。本書既闡述獎勵、價值函數、模型和策略等重要概念和基礎知識，又介紹深度強化學習理論的前沿研究和熱點方向。本書英文版出版之後，廣受好評，已成為深度強化學習領域暢銷教材，也可為人工智能和機器學習等領域的科研工作者、技術工程師提供參考。

《Python強化學習實戰：使用OpenAI Gym、TensorFlow和Keras》帶領讀者深入強化學習算法的世界，並使用Python在不同用例中應用它們。其中涵蓋了一些重要主題，例如策略梯度算法和Q學習算法，並使用了TensorFlow、Keras和OpenAIGym框架。 《Python強化學習實戰：使用OpenAI Gym、TensorFlow和Keras》介紹了強化學習（RL）算

強化學習可說是能自我演進的機器學習，能帶領我們達到真正的人工智慧。本書好讀又容易上手，運用了大量Python範例來從頭解釋所有東西。 本書從強化學習的簡介開始，接著是OpenAI Gym與TensorFlow。您會認識各種RL演算法與重要觀念，例如Markov決策過程、蒙地卡羅法與動態規劃，包括價值迭代與策略迭代。本書提供了非常豐富的範例幫助您認識各種深度強化學習演算法，例如競爭DQN、DRQN、A3C、PPO與TRPO。您還會學到想像增強代理、透過人類偏好來學習、DQfD、HER以及更多強化學習的最新發展。 本書精彩內容： ．理解強化學習方法、演算法與重要元素的相關基礎 ．使用OpenAI Gym與TensorFlow來訓練代理 ．理解Markov決策過程、Bellman最佳化與TD學習 ．運用多種演算法來解決多臂式吃角子老虎問題 ．熟悉各種深度學習演算法，如RNN、LSTM、CNN與其應用 ．使用DRQN演算法來建置智能代理來玩毀滅戰士遊戲 ．使用DDPG來教導代理來玩月球冒險遊戲 ．使用競爭DQN來訓練代理來玩賽車遊戲

強化學習可說是能自我演進的機器學習，能帶領我們達到真正的人工智慧。本書好讀又容易上手，運用了大量Python範例來從頭解釋所有東西。 本書從強化學習的簡介開始，接著是OpenAI Gym與TensorFlow。您會認識各種RL演算法與重要觀念，例如Markov決策過程、蒙地卡羅法與動態規劃，包括價值迭代與策略迭代。本書提供了非常豐富的範例幫助您認識各種深度強化學習演算法，例如競爭DQN、DRQN、

這是一本介紹用 OpenAI Gym 構建智能體的實戰指南。全書先簡要介紹智能體和學習環境的一些入門知識，概述強化學習和深度強化學習的基本概念和知識點，然後重點介紹 OpenAI Gym 的相關內容，隨後在具體的 Gym 環境中運用強化學習算法構建智能體。本書還探討了這些算法在遊戲、自動駕駛領域的應用。本書適合想用 OpenAI Gym 構建智能體的讀者閱讀，也適合對強化學習和深度強化學習感興趣的讀者參考。讀者應具備一定的 Python 編程基礎。

貼初學者的學習流程：語法解說->範例說明->問題分析->程式設計 ● 新一代.NET Core視窗應用程式開發 ● C#物件導向程式設計 ● 使用ChatGPT與GitHub Copilot協作開發C#視窗程式 ● 使用Azure OpenAI開發聊天機器人 **專家與教師共同執筆** 由微軟MVP、微軟認證專家及科技大學程式設計教師共同編著，專為初學者學習程式設計而編寫的入門教材，內容由淺入深，帶領讀者靈活運用C#開發實用程式，打下扎實基礎。 **程式設計技能的養成** 本書兼具理論與實務，透過語法解說、範例示範與問題分析，循序漸進實作，培養邏輯思考與解決問題能力，讓程式設計不再抽象，輕鬆進入C#程式世界。 **內容多元、範例貼近日常生活** 內容涵蓋資料型別、變數、運算式、流程控制、陣列、函式、物件導向程式設計、功能表、對話方塊、檔案存取、多媒體操作與Entity Framework Core資料庫程式設計，同時配合.NET Core視窗程式控制項設計，開發進階視窗應用程式。每個範例都貼近日常生活，讓所學立即派上用場。 **AI程式協作、開發ChatGPT聊天機器人與專題實戰** 介紹ChatGPT與GitHub Copilot如何協作開發視窗程式，大幅提升開發效率；同時示範運用Azure OpenAI開發ChatGPT聊天機器人，帶你探索人工智慧程式開發的奧妙。並於電子書中介紹拉霸遊戲、記憶大考驗遊戲與產品管理系統三大專題，綜合運用前面所學，完整實踐學以致用。