LangChain在生命科学与医疗健康领域的应用

第 2 章 大型语言模型介绍 大型语言模型介绍

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

让我猜猜：如果不是因为 ChatGPT，你不会读到这本书。

OpenAI 于 2022 年推出了这一开创性模型。与以往的模型不同，ChatGPT 可以进行自由形式的对话，并协助完成许多日常任务，从撰写文本和编码片段到创意构思和决策。它庞大的知识库和流畅的语言生成能力，再加上遵循用户指令的能力，让人们看到了生成式人工智能的诱人前景，人工智能似乎能够像人类一样交流和理解。ChatGPT 的问世堪比谷歌搜索、Facebook、iPhone 1 和特斯拉的发布，似乎是凭空出现的，感觉更像是魔法而非技术。

然而，即使 ChatGPT 的表现令人印象深刻，它也有其局限性。它可能前后不一、有失偏颇，有时甚至与事实不符。它的推理能力还没有完全开发出来，经常会根据训练数据中的统计模式产生听起来很有道理的输出结果。可以准确地说，对 ChatGPT 的炒作引发了一场生成式人工智能革命，公司和研究人员竞相开发和展示自己的 LLMs。

注释

在整本书中，如果没有特别提到，在谈到文本生成人工智能时，我们将重点讨论 LLMs。

突如其来的兴趣热潮凸显了 LLM 技术的 变革潜力。虽然像 GPT-3 这样的早期生成式人工智能系统（比 ChatGPT 早两年于 2020 年出现）只展示了前景，但 ChatGPT 让人们不可否认地看到，人类与人工智能合作的新时代已经来临。企业立即急于将生成式人工智能整合到自己的产品和服务中。与此同时，风险资本家们也纷纷向采用生成式人工智能的初创企业投入资金。开发出自己的核心龙8国际娱乐城的公司筹集到的资金更多，投资额从数亿美元到数十亿美元不等。当第一次炒作浪潮平息后，人们对用于训练的数据、反复出现的偏见、错误的答案以及错误信息的普遍传播提出了具体的担忧。

LangChain是一个 的开源框架，它的开发明确是为了应对使用LLMs（如ChatGPT底层的LLMs）构建应用程序的挑战。当哈里森-蔡斯开始研究 LangChain 时，它更像是一个宠物项目，而不是一个正式的商业尝试。他的兴趣是在与使用 LLMs 开发应用程序的朋友交谈时激发的。认识到 LLM 的复杂性和日常挑战，他创建了一个可以简化 LLM 相关应用程序开发流程的框架。该框架名为 LangChain，是一个应对这些挑战的开源平台，很快就获得了广泛关注，吸引了 Anthropic、OpenAI、Cohere 等公司和其他人工智能研究实验室的贡献者。

注释

最初的拉取请求侧重于构建 LangChain 的基础元素，包括 prompt 结构和 LLM 对象及链，如math 、python 和search 。

第 3 章将更详细地讨论 LangChain。现在，我们将专注于了解语言模型是如何工作的、存在哪些类型的 LLMs、它们的区别、大小是否重要以及它们是如何生成文本的。

生成式人工智能的前景广阔，发展迅速。如图 2-1 所示，各种生成式人工智能模型可以合成和转换文本、音频和视觉内容。除各种开源项目外，OpenAI、谷歌、微软和其他技术公司还提供多种文本到音频/图像/视频/三维/代码（反之亦然）的模型。文本是图 2-1 所示大多数转换之间的通用连接纽带，因为大多数训练数据都包含文本 <→ 代码、文本 <→ 图像和其他配对。在本书中，我们将使用文本创建助手和团队，以便在代理之间进行交流、生成实验配方、创建报告并完成不同的任务。此外，我们还将添加文本到科学格式，例如生成和可视化分子和 ...