AI 领域必读精选：6 部名家名作

人工智能技术日新月异，大模型时代为开发者带来了新的机遇与挑战。为了帮助读者系统掌握核心技术，本文精选了 6 本 AI 领域的经典著作。这些书籍涵盖了从理论基础到实战应用的全方位内容，适合不同阶段的开发者阅读。

01. 《多模态大模型：技术原理与实战》

作者： 彭勇，彭旋，郑志军，茹炳晟

本书详细介绍了大语言模型和多模态大模型的发展历史、技术原理和亮点、主要的开源框架、配套工具、部署细则和实战案例。旨在让中小公司可以从 0 到 1 部署多模态大模型，打开通往通用人工智能的大门。

核心内容： 读懂 ChatGPT 的核心技术、GPT 的进化史和创新点；详述多模态大模型的核心技术和应用场景。
实战赋能： 介绍了使用大模型为商业赋能的 3 个应用案例，帮助读者进行大模型的应用实战。

02. 《可解释人工智能导论（全彩）》

作者： 杨强，范力欣，朱军，陈一昕，张拳石，朱松纯

本书是领域名家扛鼎之作，汇集人工智能领域的 12 位名家，研究成果卓著。全书分为三部分，共 11 章，全面介绍可解释人工智能的基础知识、理论方法和行业应用。

第一部分： 揭示基于数据驱动的人工智能系统决策机制，提出一种基于人机沟通交互场景的可解释人工智能范式。
第二部分： 介绍各种可解释人工智能技术方法，包括贝叶斯方法、基于因果启发的稳定学习和反事实推理、基于与或图模型的人机协作解释、对深度神经网络的解释。
第三部分： 分别介绍可解释人工智能在生物医疗、金融、计算机视觉、自然语言处理、推荐系统等领域的应用案例。

此外，附录给出可解释人工智能相关的开源资源、中英文术语对照及索引。适合高等院校相关专业师生、研究人员及政策制定者阅读。

03. 《扩散模型：生成式 AI 模型的理论、应用与代码实践》

作者： 杨灵，张至隆，张文涛，崔斌

本书深入浅出地介绍了扩散模型的知识，案例丰富，讲解细致。提供了可配套运行的代码文件，方便读者进行理论实践。

理论基础： 第 1 章介绍 AIGC 与相关技术，第 2 章从三个视角介绍扩散模型的基本理论、算法及神经网络架构和代码实现。
改进工作： 第 3 章至第 5 章分别从高效采样、似然优化、数据结构三个方面系统介绍了扩散模型的特点及后续改进。
关联模型： 第 6 章讨论了扩散模型与其他生成模型的关联，包括变分自编码器、生成对抗网络等。
应用场景： 第 7 章介绍了扩散模型在计算机视觉、自然语言处理、时间数据建模等多模态学习中的应用。

04. 《深度生成模型（全彩）》

作者： [波兰] Jakub M.Tomczak 著，王冠译

构建通用人工智能的关键是无监督学习，深度生成模型是其中的基石。本书主要讲述如何将概率建模和深度学习结合起来去构建可以量化周边环境不确定性的强大的 AI 系统。

涵盖模型： 自回归模型、流模型、隐变量模型、基于能量的模型等。
技术价值： 这些模型构成了以 ChatGPT 为代表的大语言模型，以及以 Stable Diffusion 为代表的扩散模型背后的技术基石。
适用人群： 具备微积分、线性代数、概率论等大学本科水平，并且了解机器学习、Python 及 PyTorch 等深度学习框架的学生、工程师和研究人员。

05. 《深度学习框架 PyTorch：入门与实践（第 2 版）（全彩）》

作者： 王博，周蓝翔，陈云

本书从多维数组 Tensor 开始，循序渐进地介绍 PyTorch 各方面的基础知识，并结合深度学习中的经典应用，带领读者从零开始完成几个经典而有趣的实际项目。

实战项目： 动漫头像生成、风格迁移、自动写诗以及目标检测。