随着技术的发展，与数字平台的互动方式正在被重新定义。想想看，多久使用一次像ChatGPT这样的工具来轻松撰写电子邮件，或者利用生成式AI将最狂野的想象变为令人惊叹的图像？这种生成式AI技术的不断进化不仅仅是科学的进步，它还是通往无尽创造可能性的大门，以令人惊叹的速度重塑数字景观。然而，在这种快速发展的旋风中，存在一个明显的缺口。尽管对生成式AI的输出感到惊奇，但许多人对其基本原理和实际应用的理解仍然模糊不清。这就是这篇博客文章介入的地方。介绍一个解决方案——生成式AI资源。
精心编制了一系列顶级的生成式AI课程，赋予这种尖端知识。这不仅仅是一个列表；这是揭开这些神奇工具背后魔力的路线图。无论是一个好奇的学习者，一个有抱负的AI爱好者，还是一个寻求提升技能的专业人才，这些课程都能满足对生成式AI示例的好奇心。
- 如何开始学习生成式AI？
- 在哪里学习提示工程？
- 如何学习大型语言模型（LLMs）？
- 关于RLHF（人类反馈的强化学习）是什么？
- 在哪里学习扩散模型？
- 额外：全面的生成式AI计划
如果是生成式AI的初学者，可以从这个课程开始：《生成式AI入门》。在这个课程中，将探索生成式AI的工作原理、常见用例和能力。还将学习如何构建有效的提示，并了解这项技术对个人、企业和社会的潜在机会和风险。
接下来要学习的是，如何使用流行的生成式AI工具，如ChatGPT、Midjourney等。在这个课程《生成式AI工具》中，将学习到这些内容。将了解生成式AI的基础知识，学习关于文本生成和图像生成的最流行工具，甚至如何将它们用于各种应用，如图像编辑、撰写电子邮件、创建视觉内容等。
一旦了解了生成式AI，下一步就是尝试这项技术并被其可能性所吸引。最好的方法是尝试使用ChatGPT。但知道吗，即使要充分利用ChatGPT，也必须学习提示工程。现在可能会问，那是什么？嗯，这是与大型语言模型（LLM）互动并获得期望结果的方式。
要学习这个，可以从Codecademy的这个课程《提示工程基础》开始。这将带了解基础知识。如果想深入了解，强烈推荐这个指南《提示工程》，它不亚于一门课程。虽然这是一个全面的指南，但它结构良好，全面覆盖了提示工程，包括零样本学习、少样本学习和思维链学习等主题。它还告诉设计有效提示的一般技巧，这些提示可以有效地解决任何用例。
现在已经使用OpenAI的标准界面与ChatGPT互动过了，是时候通过利用ChatGPT API来设计自己的系统了。为此，可以探索这个课程《使用ChatGPT API构建系统》。在这里，将学习将复杂任务分解为更小的任务，并使用提示来解决它们。这将向展示如何利用像ChatGPT这样的强大工具来完成特定任务。
完成这个之后，可以使用LangChain框架在这个课程《基于LangChain的LLM应用开发》中构建第一个基于LLM的应用程序。LangChain是一个开源框架，用于开发由LLM驱动的应用程序，这些应用程序不仅限于ChatGPT！它通过将LLM连接到数据并提供定制、准确性和相关性的工具，使创建上下文感知应用程序成为可能。在这个课程中，将学习如何使用LangChain构建LLM应用程序，这将使习惯于构建个人助理和聊天机器人。
如果标准LLMs的知识是静态的，而想要增强它们以适应特定用例，那么需要使用RAG技术来增强LLMs以构建应用程序。那么，RAG是什么？RAG代表检索增强生成。它是一种策略，通过检索系统向LLM提供额外的知识。这允许LLM即使没有在训练中接触过，也能回答更具体的查询。可以在这个课程《构建和评估高级RAG应用程序》中了解RAGs和更多内容。
现在已经构建了一个RAG系统，将注意到它有一些局限性。首先，会发现并不总是能够在提示中使用所有检索到的数据，这限制了LLM的响应。另一个是LLM的幻觉效应，很难消除。那么，为什么不完全微调模型，获得一个更定制化的LLM呢？这就是将在这个课程中涵盖的内容，将学习关于微调的知识，何时应用它，如何为微调准备数据，以及如何训练和评估微调模型。