本书先概述生成式人工智能所涉及的技术和工具，帮助你了解如何训练模型以生成新数据；接着展示如何用ChatGPT提高营销、科研和软件开发等相关工作的生产力和创造力；随后介绍如何通过改进提示设计从与ChatGPT的交互中获得好的效果，以及如何在企业级场景中使用OpenAI模型。
通过阅读本书，你可以了解生成式人工智能的相关概念，以及如何通过有效的提示设计增加ChatGPT的价值，如何基于Python语言构建和部署生成式人工智能系统，如何利用Azure OpenAI服务实现企业级应用。
本书适合想用生成式人工智能提升工作效率的所有人阅读，包括但不限于商务人士、数据科学家、软件开发人员、营销人员和科研人员。

郭涛，Turing Lab发起人，主要从事模式识别与人工智能、智能机器人技术、软件工程技术和地理人工智能（GeoAI）、时空大数据挖掘与分析等前沿交叉领域研究。曾翻译过《复杂性思考：复杂性科学和计算模型（第2版）》《神经网络设计与实现》等多本图书。

第一部分 生成式人工智能与GPT模型基础
第1章 生成式人工智能概述
1.1 什么是生成式人工智能
1.2 研究历程和新发展
1.3 小结
第2章 与OpenAI和ChatGPT面对面
2.1 技术要求
2.2 什么是OpenAI
2.3 OpenAI系列模型概述
2.4 通往ChatGPT之路：模型背后的数学原理
2.5 ChatGPT
2.6 小结
2.7 参考资料
第二部分 ChatGPT应用
第3章 熟悉ChatGPT
3.1 设置ChatGPT账户
3.2 熟悉界面
3.3 组织对话
3.4 小结
第4章 了解提示设计
4.1 什么是提示，提示为什么重要
4.2 零样本学习一次样本学习少样本学习—Transformer模型的典型功能
4.3 定义明确的提示规则，以获得相关和一致结果
4.4 应避免隐性偏见的风险，并在ChatGPT中纳入伦理道德考量
4.5 小结
第5章 ChatGPT助力生产力提升
5.1 技术要求
5.2 日常小助手—ChatGPT
5.3 文本生成
5.4 提升写作技能和优化翻译效果
5.5 快速检索信息和竞争情报
5.6 小结
第6章 ChatGPT助力软件开发
6.1 为什么开发人员需要ChatGPT？
6.2 生成、优化和调试代码
6.3 生成文档和代码可解释性
6.4 理解机器学习模型可解释性
6.5 不同编程语言之间的转换
6.6 小结
第7章 ChatGPT助力营销
7.1 技术要求
7.2 营销人员对ChatGPT的需求
7.3 新品研发和上架策略
7.4 用于营销对比的AB测试
7.5 促进搜索引擎优化（SEO）
7.6 用于提高质量和提高客户满意度的情绪分析
7.7 小结
第8章 ChatGPT助力科学研究
8.1 研究人员对ChatGPT的需求
8.2 收集文献资料
8.3 就实验的设计和研究框架的制订提供支持
8.4 生成和格式化参考文献
8.5 生成演示文稿
8.6 小结
第三部分 企业OpenAI
第9章 企业OpenAI和ChatGPT—Azure OpenAI
9.1 技术要求
9.2 OpenAI和微软的合作以及Azure OpenAI服务
9.3 引入公共云的目的
9.4 负责任的AI
9.5 小结
第10章 企业用例
10.1 技术要求
10.2 企业如何使用Azure OpenAI
10.3 合同分析器和生成器
10.4 了解呼叫中心的分析方法
10.5 探索语义搜索
10.6 小结
第11章 结语
11.1 回顾前面所学
11.2 这只是开始
11.3 生成技术对行业的影响—一种颠覆性的力量
11.4 对生成式人工智能的担忧
11.5 生成式人工智能的伦理影响及为何需要负责任的人工智能
11.6 未来的发展方向
11.7 小结