本书介绍伴随AI技术的不断突破，AI技术的巨大投入能否获得预期的高回报成为各界关注的问题。在这种背景下，学者们观测到AI生产率悖论现象，并引起关注；产业界的调研发现，人工智能应用有高达85%的失败率。到底是什么原因导致人工智能技术的产业应用效果未能达到预期，本书聚焦于这一核心问题，通过思辨篇、研究篇、案例篇、展望篇四个部分来体系化回答这一问题，试图给出破解AI生产率悖论现象的方案，即人工智能技术要转化为生产力，就需要为人工智能技术群的正向积极作用发挥创造与之相适应的新型管理模式、体系和

本书以ChatGPT为中心，对ChatGPT的相关知识进行详细的讲解。本书共12章，前5章从ChatGPT概述、技术底座、内容变革、产业格局、商业展望5个方面对ChatGPT进行了解读，帮助用户全面了解ChatGPT，对其形成完整的认知。第6-12章从传媒、教育、娱乐、电商、金融、制造和医疗7个方面讲解了ChatGPT的应用，展现了ChatGPT的商业价值。

深度强化学习是人工智能和机器学习的重要分支领域，有着广泛应用，如AlphaGo和ChatGPT。本书作为该领域的入门教材，在内容上尽可能覆盖深度强化学习的基础知识和经典算法。全书共10章，大致分为4部分：第1部分（第1～2章）介绍深度强化学习背景（智能决策、人工智能和机器学习）；第2部分（第3～4章）介绍深度强化学习基础知识（深度学习和强化学习）；第3部分（第5～9章）介绍深度强化学习经典算法（DQN、AC、DDPG等）；第4部分（第10章）为总结和展望。每章都附有习题并介绍了相关阅读材料，以便

本书专注于ChatGPT相关的AI发展历史、趋势及应用等。在书中，作者首先回顾了AI的历史发展和ChatGPT技术的发展历程，重点讲述影响人工智能的关键人物和核心技术。然后，作者分析了ChatGPT对社会各个领域的影响和技术的本质与价值，并探讨了其对具体职业的影响。为了方便读者拿来即用，本书按场景列出了绝大部分使用ChatGPT的场景和提示语模板，分领域介绍了产品和案例，读者不仅能快速尝试AI产品，也能从AI的成功创新中获得启发。最后，作者还探讨了AI和ChatGPT技术的未来发展趋势和产业前景

本书是一本面向所有人的提示工程工具书，旨在帮助你掌握并有效利用以ChatGPT为代表的AI工具。学习完本书后，你将能够自如地将ChatGPT运用在生活和专业领域中，成为ChatGPT进阶玩家。 本书共分为9章，内容涵盖三个层次：介绍与解读、入门学习、进阶提升。第1～2章深入介绍与剖析了ChatGPT与提示工程，并从多个学科的角度探讨了提示工程学科。第3～5章演示了ChatGPT的实际运用，教你如何使用ChatGPT解决自然语言处理问题，并为你提供了一套可操作、可重复的提示设计框架，让你能够熟练

本书共分十章，主要内容包括：ChatGPT简介；ChatGPT是如何工作的；编写ChatGPT提示语；理解ChatGPT中的GPT模型；警告、伦理和“负责任的Al”；深入使用ChatGPT：专业及其他用途等。

ChatGPT，如同人类历史上的单向门——火、文字、造纸、蒸汽机、电和计算机一样，标志着人类科技进步的又一重大里程碑。ChatGPT的横空出世惊艳了世界，它不仅点燃了通用人工智能的火花，更预示着我们正步入通用人工智能的新纪元。



我们站在这一历史性的时刻，仿佛看见新时代的开端。全球对ChatGPT的广泛关注并不仅仅是因为其高超技术的突破，而是它在通用人工智能进程中所代表的意义。

本书以“超级AI”为时代背景，面向广大教师与家长，提出30个未来教育核心问题，涵盖学校、家庭、社会及终身成长等方面，由多个AI大模型给出直接回答，由5位教育专家提供真人思考，问以致学、学以致用、用以致问，启发读者前瞻教育的发展趋势。

本书为读者提供了一次深入探索人工智能和自动化编程的奇妙之旅。全书从AI（Artificial Intelligence，人工智能）的基本概念和背景入手，逐渐深入到如何使用具有代表性的AIGC工具ChatGPT、GitHub Copilot和Claude2等进行自动化编程。此外，本书还详细介绍了其他多种AI代码生成解决方案。针对桌面应用、Web应用、游戏、办公自动化等场景，本书还提供了丰富的实例。
本书适合对AI和自动化编程感兴趣的初学者阅读，也适合有一定基础并且想要提高开发技能的

本书全面地介绍了网络表示学习的基本概念、模型和应用。本书从网络嵌入的背景和兴起开始介绍，为读者提供一个整体的描述；通过对多个代表性方法的介绍，阐述了网络嵌入技术的发展和基于矩阵分解的统一网络嵌入框架；提出了结合附加信息的网络嵌入方法——结合图中节点属性/内容/标签的网络嵌入；面向不同特性图结构的网络嵌入方法——面向具有社区结构的/大规模的/异质图结构的网络嵌入。本书还进一步介绍了网络嵌入的不同应用，如推荐场景和信息扩散预测。本书的最后总结了这些方法和应用，并展望了未来的研究方向。