新年上新课｜面向初学者的生成式 AI 课程

面向初学者的生成式 AI 课程 ——

微软云技术布道师团队提供了十二章系列课程，助您了解构建生成式 AI 应用程序的基础知识。每章都涵盖了生成式 AI 原理和应用程序开发所需的关键内容。在整个课程中，我们将以建立自己的生成式 AI 初创公司为例，以便帮您更清晰地了解如何将想法落地。 

生成式 AI 代表了人工智能技术的巅峰，突破了曾经被认为不可能的界限。它之所以成为一项出色的技术，是因为它使人工智能更通用化，任何人都可以使用它，只需简单文本提示，使用自然语言编写的提示词。 

生成式 AI 模型具有多模态的功能，在本课程中，我们将会讲述一间虚构的初创公司利用生成式 AI 解锁教育界的新场景，以及如何利用生成式 AI 解决与该应用的社会影响和技术限制相关的不可避免的挑战。 

大型语言模型 (LLM) 可以根据其架构、训练数据和用例进行多种分类。了解这些差异将有助于“Our startup”根据场景选择正确的模型，并了解如何测试、迭代和提高性能。 

LLM 模型有许多不同类型，您选择的模型取决于您的用途、您的数据、您准备支付的费用等等。 

生成式 AI 模型具有多模态的功能，在本课程中，我们将会讲述一间虚构的初创公司利用生成式 AI 解锁教育界的新场景，以及如何利用生成式 AI 解决与该应用的社会影响和技术限制相关的不可避免的挑战。 

生成式 AI 的独特性在于它能够为用户创建有用的答案、信息、指导和内容。无需许多手动步骤即可完成此操作，这可以带来非常令人印象深刻的结果。不幸的是如果没有适当的规划和策略，它也可能会给您的用户、产品和整个社会带来一些有害的结果。本章我们将使用负责任的人工智能的原则：公平、包容、可靠性/安全、安全和隐私、透明度和问责制。根据这些原则，我们将探讨它们与我们使用生成式 AI 的关系，以及如何衡量潜在危害和减轻潜在危害。 

如何撰写 LLM 的提示很重要，精心设计的提示可以比未设计的提示收获更好的结果。但什么是提示工程、为什么它很重要，以及如何针对给定的模型和应用程序目标制定更有效的提示？本章我们将通过沙盒实验，带您边学边做。 

提示工程是创建将产生所需结果的提示的过程。提示工程不仅仅是编写文本提示。提示工程不是一门工程学科，它更像是一组可以应用以获得所需结果的技术。本章我们将与您一同探讨关于提示的基本技巧，例如： 

到目前为止，您已经可以与通过使用如 ChatGPT、Office 365、Microsoft Power Platform 等工具结合提示来完成某些工作任务。 

为了更好的将这样的体验添加到应用程序中，您还需要掌握： 

通过本章节的学习，您将可以独立构建人生中第一个文本生成应用程序、并对其进行修改以生成不同类型的文本。如果您想挑战下，您还可以动手打造一个菜谱生成器。 

聊天应用程序已融入我们的日常生活，提供的不仅仅是一种随意交谈的方式，已经成为客户服务、技术支持甚至复杂的咨询系统不可或缺的一部分。随着我们将生成式 AI 能等更先进的技术集成到这些平台中，复杂性随之增加，挑战也随之增加。本章将研究支持这些复杂系统的架构的各个方面，深入研究针对特定场景进行微调的方法，并评估和确保负责任的人工智能部署相关的指标和注意事项。本章将在为您提供一个全面的路线图，用于导航这些复杂的环境，无论您是将它们插入现有系统还是将它们构建为独立平台。 

读完本节后，您将具备高效构建和合并聊天应用程序所需的专业知识。 

创建搜索应用将帮助您了解如何使用嵌入来搜索数据。在本章中，您将为“Our Startup”构建一个搜索应用程序。我们的初创公司拥有大量 YouTube 视频，学生可以使用这些视频来了解AI。我们的初创公司希望构建一个搜索应用程序，允许学生通过输入问题来搜索 YouTube 视频。搜索应用程序返回视频中问题答案所在位置的链接。  

例如：“can you use rstudio with azure ml?”的语义查询示例。查看 YouTube 网址，您会看到该网址包含一个时间戳，可将您带到视频中问题答案所在的位置。 

图像生成应用程序是探索生成式人工智能功能的好方法。DALL-E 和 Midjourney 是两种最流行的图像生成模型，它们允许您使用提示词生成图像。 

您还将了解Temperature 。它是控制生成式 AI 模型输出随机性的参数。它是 0 到 1 之间的值，其中 0 表示输出是确定性的，1 表示输出是随机的。默认值为 0.7。 

让我们通过运行此提示两次来看看 temperature 如何工作的示例： 

Prompt : "Bunny on horse, holding a lollipop, on a foggy meadow where it grows daffodils" 

正如您所看到的，图像相似，但不相同，当改变Temperature 参数后，又会得到更多不同的结果。 

生成式 AI 可用于包括低代码在内的各种不同领域，通过使用低代码开发平台，传统开发人员和非开发人员构建应用程序和解决方案变得更加容易,您能够使用很少的代码甚至零代码来构建应用程序和解决方案。  

通过生成式 AI 增强低代码开发和应用是 Power Platform 的重点关注领域。目标是让每个人都能够构建人工智能驱动的应用程序、网站、仪表板并利用人工智能实现流程自动化，无需任何数据科学专业知识。这一目标是通过将生成式 AI 以 Copilot 和 AI Builder 的形式集成到 Power Platform 的低代码开发体验中来实现的。 

本章您将使用 Copilot 管理 “Our Startup” 的学生作业和发票，您将制定解决方案以帮助他们通过应用程序跟踪和管理学生作业，并通过工作流程自动化发票处理过程。 

到目前为止，您在之前的章节中已经学到了相当多的知识。然而，我们还可以有提升的空间。比如如何获得更一致的响应格式，以便更轻松地处理下游响应。此外，我们可能希望添加来自其他来源的数据以进一步丰富我们的应用程序。 

在函数调用之前，LLMs 的回复是非结构化且不一致的。开发人员需要编写复杂的验证代码，以确保他们能够处理响应的每种变化。用户无法获得诸如“斯德哥尔摩现在的天气怎么样？”之类的答案。这是因为模型局限于数据训练的时间。 

Function Calling 是 Azure Open AI Service 的一项功能，旨在克服以下限制： 

用户体验是构建应用程序的一个非常重要的方面。用户需要能够有效地使用您的应用程序来执行任务。高效是一回事，但您还需要设计应用程序，以便每个人都可以使用它们，使它们“易于访问”。本章将重点讨论这一领域，希望最终设计出一个人们可以并且想要使用的应用程序。 

 000000000000000000

想要了解更多有关为人工智能应用程序设计用户体验的信息吗？转至拓展学习资源页面继续学习。 

https://github.com/microsoft/generative-ai-for-beginners/blob/main/13-continued-learning/translations/cn/README.md?WT.mc_id=academic-105485-koreyst 

希望本系列课程对您有所启发，您开始创建自己的生成式 AI 初创公司。前往 Microsoft Founders Hub您可以申请获得免费 OpenAI Credits 以及可高达价值 15 万美元的 Azure AI 服务。 

https://www.microsoft.com/ja-jp/startups?WT.mc_id=academic-105485-koreyst