本書結(jié)合人工智能的技術(shù)實踐,特別是當前熱門的大語言模型,講解智能系統(tǒng)規(guī)劃,智能系統(tǒng)需求分析,智能系統(tǒng)架構(gòu)設(shè)計,智能系統(tǒng)算力平臺設(shè)計,智能系統(tǒng)數(shù)據(jù)平臺設(shè)計,智能系統(tǒng)算法設(shè)計,智能系統(tǒng)開發(fā)、部署和運維,智能系統(tǒng)倫理、安全和隱私保護策略,行業(yè)應(yīng)用,總結(jié)人工智能在應(yīng)用中面臨的挑戰(zhàn),探討人工智能未來發(fā)展的趨勢及其對軟件開發(fā)的影響。
本書適合有志從事人工智能系統(tǒng)開發(fā)、部署、運維、訓練、優(yōu)化的工程技術(shù)人員閱讀,也可供高等院校相關(guān)專業(yè)的師生參考。
·全鏈路覆蓋:從規(guī)劃到運維,再到倫理安全,完整涵蓋智能系統(tǒng)開發(fā)全流程,構(gòu)建系統(tǒng)認知。
·緊扣前沿:結(jié)合熱門大語言模型實踐,融入各環(huán)節(jié)設(shè)計,掌握當下行業(yè)核心技術(shù)。
·實戰(zhàn)方法論:基于作者多年教學與開發(fā)經(jīng)驗,提煉可落地方法,賦能項目與學習。
·多角色適配:滿足 AI 系統(tǒng)開發(fā)、運維等從業(yè)者需求,也適合高校師生參考。
·兼顧未來:解析 AI 應(yīng)用挑戰(zhàn),預判發(fā)展趨勢,助力提升長期職業(yè)競爭力。
陳統(tǒng),廣東軒轅網(wǎng)絡(luò)科技股份有限公司與軒轅研究院創(chuàng)始人、董事長,主持及參與了20余項科技項目和重大專項,參與編寫出版專著3本。 黃永健,廣東軒轅網(wǎng)絡(luò)科技股份有限公司副總裁,軒轅研究院院長,華南理工大學特聘研究員,中國通信工業(yè)協(xié)會人工智能專業(yè)委員會會員。 馮元勇,廣東軒轅網(wǎng)絡(luò)科技股份有限公司科技特派員,數(shù)據(jù)與智能總架構(gòu)師,軒轅研究院資深研究員,中國科學院軟件研究所研究生畢業(yè)并獲得博士學位。 彭凌西, 廣州大學教授,主要研究方向是人工智能和網(wǎng)絡(luò)安全。 張英,廣東省衛(wèi)生經(jīng)濟學會人力資源分會會長,專注醫(yī)院人力資源、文化管理等領(lǐng)域研究與實踐。李媛婷,廣東醫(yī)通軟件有限公司創(chuàng)始人兼CEO,主導開發(fā)醫(yī)療、教育、政務(wù)等領(lǐng)域的重點項目。
目 錄
第 1章 概述 1
1.1 人工智能發(fā)展歷程 1
1.2 人工智能工程設(shè)計思路 3
1.3 人工智能代表性研究成果 4
1.3.1 專家系統(tǒng) 4
1.3.2 深度神經(jīng)網(wǎng)絡(luò) 4
1.3.3 人工智能生成內(nèi)容和大模型 5
1.4 新趨勢和新特點 6
1.4.1 通用人工智能的涌現(xiàn) 6
1.4.2 智能系統(tǒng)面臨的挑戰(zhàn) 6
1.5 工作模式及生命周期模型 7
1.5.1 工作模式 7
1.5.2 生命周期模型 7
1.6 具體實現(xiàn) 8
1.7 小結(jié) 9
第 2章 智能系統(tǒng)規(guī)劃 10
2.1 從傳統(tǒng)信息化系統(tǒng)升級到智能系統(tǒng) 10
2.2 智能系統(tǒng)設(shè)計方法 14
2.2.1 系統(tǒng)設(shè)計策略和方法 14
2.2.2 業(yè)務(wù)架構(gòu)設(shè)計策略和方法 15
2.2.3 智能系統(tǒng)頂層設(shè)計策略 16
2.3 小結(jié) 19
第3章 智能系統(tǒng)需求分析 20
3.1 業(yè)務(wù)架構(gòu)分析與業(yè)務(wù)問題的提出 20
3.1.1 業(yè)務(wù)價值的源頭分析 20
3.1.2 業(yè)務(wù)分類分析 21
3.1.3 業(yè)務(wù)分解分析 22
3.2 場景識別 23
3.2.1 尋找切入點 23
3.2.2 場景評估 25
3.3 可行性分析 25
3.3.1 成本分析 25
3.3.2 風險分析 26
3.3.3 效益分析 27
3.4 需求獲取與需求分析 27
3.4.1 業(yè)務(wù)流與系統(tǒng)邊界 27
3.4.2 需求獲取 28
3.4.3 需求分析 28
3.5 案例分析:學生課堂情緒預警管理系統(tǒng) 30
3.5.1 問題提出 30
3.5.2 整理業(yè)務(wù) 30
3.5.3 尋找切入點 30
3.5.4 需求獲取 31
3.5.5 需求分析 31
3.6 小結(jié) 33
第4章 智能系統(tǒng)架構(gòu)設(shè)計 34
4.1 架構(gòu)設(shè)計的八項原則 34
4.2 智能系統(tǒng)總體架構(gòu)設(shè)計 35
4.3 以算力為基礎(chǔ)的IaaS平臺 36
4.3.1 算力基礎(chǔ)設(shè)施 37
4.3.2 算力資源調(diào)度與管理平臺 38
4.3.3 算力加速與服務(wù)平臺 38
4.4 以數(shù)據(jù)為基礎(chǔ)的PaaS平臺 39
4.5 以大模型為基礎(chǔ)的MaaS平臺 40
4.6 面向智能應(yīng)用的SaaS平臺 42
4.7 智能系統(tǒng)架構(gòu)設(shè)計中要注意的問題 44
4.7.1 架構(gòu)設(shè)計中的層次關(guān)系與處理策略 44
4.7.2 數(shù)據(jù)流設(shè)計 44
4.7.3 接口設(shè)計 45
4.8 智能系統(tǒng)開發(fā)、部署和運維 47
4.9 智能系統(tǒng)倫理、安全和隱私保護 48
4.10 小結(jié) 48
第5章 智能系統(tǒng)算力平臺設(shè)計 49
5.1 算力設(shè)計原則 49
5.2 算力資源識別 50
5.2.1 計算算力識別 50
5.2.2 存儲算力識別 51
5.2.3 網(wǎng)絡(luò)算力識別 51
5.3 算力資源需求分析 51
5.3.1 數(shù)據(jù)平臺對算力資源的需求 51
5.3.2 算法平臺對算力資源的需求 52
5.3.3 應(yīng)用平臺對算力資源的需求 53
5.3.4 訓練平臺對算力資源的需求 53
5.3.5 運維管理系統(tǒng)對算力資源的需求 54
5.3.6 隱私計算、安全和倫理對算力資源的需求 55
5.4 算力資源調(diào)度和管理平臺 56
5.4.1 部署應(yīng)用 56
5.4.2 選擇云服務(wù)供應(yīng)商 56
5.4.3 租用算力資源 57
5.4.4 資源調(diào)度和管理 57
5.4.5 安全和合規(guī) 57
5.5 算力加速技術(shù)與應(yīng)用 57
5.5.1 硬件加速 57
5.5.2 軟件優(yōu)化 58
5.5.3 虛擬化技術(shù)和容器化技術(shù) 59
5.6 算力資源管理和服務(wù)管理 59
5.6.1 算力資源監(jiān)控 59
5.6.2 算力資源調(diào)度 60
5.6.3 算力資源來源 60
5.6.4 算力資源計費管理 60
5.6.5 算力資源服務(wù)管理 61
5.7 算力網(wǎng)絡(luò)設(shè)計 61
5.7.1 網(wǎng)絡(luò)拓撲設(shè)計 61
5.7.2 帶寬管理 61
5.7.3 網(wǎng)絡(luò)安全防護 61
5.8 小結(jié) 62
第6章 智能系統(tǒng)數(shù)據(jù)平臺設(shè)計 63
6.1 數(shù)據(jù)平臺的構(gòu)成 64
6.2 數(shù)據(jù)集的構(gòu)建 65
6.2.1 數(shù)據(jù)采集策略 65
6.2.2 數(shù)據(jù)集劃分方法 65
6.2.3 數(shù)據(jù)集質(zhì)量評估 66
6.3 數(shù)據(jù)存儲與數(shù)據(jù)庫 67
6.3.1 面向智能系統(tǒng)的數(shù)據(jù)庫選型 67
6.3.2 數(shù)據(jù)庫規(guī)劃與設(shè)計 69
6.3.3 數(shù)據(jù)庫性能優(yōu)化 70
6.3.4 數(shù)據(jù)庫安全與隱私保護 70
6.4 數(shù)據(jù)清洗 71
6.4.1 數(shù)據(jù)去重 71
6.4.2 缺失值處理 71
6.4.3 異常值處理 72
6.4.4 數(shù)據(jù)標準化與歸一化 72
6.5 數(shù)據(jù)標注 72
6.5.1 標注流程 73
6.5.2 標注方法 74
6.6 數(shù)據(jù)集管理 75
6.6.1 數(shù)據(jù)集版本控制 75
6.6.2 數(shù)據(jù)集生命周期管理 76
6.6.3 數(shù)據(jù)集質(zhì)量管理 76
6.7 小結(jié) 77
第7章 智能系統(tǒng)算法設(shè)計 78
7.1 小模型場景下的算法設(shè)計 78
7.1.1 問題導向的設(shè)計理念 78
7.1.2 分類問題 79
7.1.3 回歸問題 80
7.1.4 分組問題 81
7.1.5 生成問題 83
7.1.6 預測問題 84
7.2 大模型微調(diào)技術(shù) 85
7.2.1 LoRA 85
7.2.2 前綴調(diào)優(yōu) 86
7.2.3 提示調(diào)優(yōu) 87
7.2.4 P調(diào)優(yōu) 88
7.3 算法優(yōu)化技巧 89
7.3.1 模型簡化和壓縮 89
7.3.2 高效的訓練策略 90
7.3.3 超參數(shù)調(diào)優(yōu) 91
7.3.4 算法并行化和分布式訓練 91
7.4 小結(jié) 92
第8章 智能系統(tǒng)開發(fā)、部署和運維 93
8.1 智能體構(gòu)件設(shè)計 93
8.1.1 智能體構(gòu)件的職責規(guī)約 94
8.1.2 智能體構(gòu)件的數(shù)據(jù)實現(xiàn) 95
8.1.3 智能體構(gòu)件的業(yè)務(wù)流轉(zhuǎn)接口實現(xiàn) 96
8.1.4 智能體構(gòu)件的交互實現(xiàn) 97
8.2 系統(tǒng)開發(fā)環(huán)境搭建工具 98
8.2.1 數(shù)據(jù)處理工具和框架 98
8.2.2 智能報告工具 98
8.2.3 開發(fā)工具 98
8.3 系統(tǒng)測試與質(zhì)量保證 99
8.3.1 智能系統(tǒng)質(zhì)量要素的獨特性 99
8.3.2 測試需求管理 99
8.3.3 測試方案生成 101
8.3.4 測試代碼編寫與測試自動化 101
8.3.5 測試報告生成 102
8.4 部署與交付 102
8.4.1 部署策略與流程 102
8.4.2 試運行 103
8.4.3 持續(xù)集成與持續(xù)部署 103
8.5 系統(tǒng)運維 104
8.5.1 運維策略與措施 104
8.5.2 系統(tǒng)監(jiān)控與報警 104
8.5.3 故障排除與恢復 104
8.6 系統(tǒng)優(yōu)化 105
8.6.1 需求預期管理 105
8.6.2 需求變更管理 105
8.6.3 系統(tǒng)優(yōu)化實現(xiàn)技術(shù) 105
8.6.4 個性化及個性化版本管理 106
8.7 小結(jié) 106
第9章 智能系統(tǒng)倫理、安全和隱私保護策略 107
9.1 倫理考慮與指南 107
9.1.1 人工智能的倫理挑戰(zhàn) 108
9.1.2 倫理指南與實踐 108
9.1.3 社會責任與參與 109
9.2 安全性設(shè)計與應(yīng)對策略 110
9.2.1 安全威脅與風險 110
9.2.2 安全性設(shè)計原則 111
9.2.3 應(yīng)對策略與實踐 111
9.3 隱私保護與應(yīng)對策略 114
9.3.1 隱私挑戰(zhàn)和風險 114
9.3.2 應(yīng)對策略 115
9.4 小結(jié) 117
第 10章 行業(yè)應(yīng)用 118
10.1 概述 118
10.1.1 大模型 營銷 118
10.1.2 大模型 辦公 119
10.1.3 大模型 游戲 120
10.1.4 大模型 影視 121
10.1.5 大模型 制造 122
10.1.6 大模型 教育 122
10.2 醫(yī)療行業(yè)典型案例 123
10.3 金融行業(yè)典型案例 124
10.4 小結(jié) 126
第 11章 總結(jié)和展望 127
11.1 人工智能在應(yīng)用中所面臨的挑戰(zhàn) 127
11.2 人工智能技術(shù)發(fā)展的趨勢及其對軟件開發(fā)的影響 129
11.2.1 技術(shù)發(fā)展方向 129
11.2.2 應(yīng)用領(lǐng)域的拓展 134
11.2.3 大模型對軟件開發(fā)的影響 136
11.3 小結(jié) 138