AI正以不可阻挡的势头席卷全球，深刻影响着各行各业。“顺之者昌，逆之者衰”，面对这股新的技术浪潮，我们的唯一选择就是积极适应并参与其中，与时代同频共振。因此，除了找到一个合适的切入点（例如，在现有应用中引入AI功能），一本优质的参考书也是必不可少的。
在此，我荣幸地推荐这本《大模型编程实践与提示工程》。这并不是一本试图涵盖所有AI领域的百科全书。它不会深入讲解复杂的数学原理，也不会详尽列举编程语法。相反，它的目标是帮助读者快速上手，并将AI技术应用于实际项目之中。
非常荣幸清华大学出版社将这本书的翻译工作交给我。然而，翻译工作就如同接力赛跑中的最后一棒。现在，接力棒传到了译者手中，但不能仅仅简单地把它“翻译”出来了事，还必须根据当前最新的发展做出适当的调整，并与作者保持紧密沟通。最终成果是团队协作的结晶，每个环节都紧密相连，确保中文版既能反映当前现实，又能完美衔接原作。需要检查作者是 否有遗漏之处，是否需要补充内容，以及是否需要调整以适应中文环境。
尤为重要的是，书中使用的示例是否依然与时俱进，是否需要更新以符合最新的实际情况。为了给中文版读者提供最佳的阅读体验，我对本书的代码进行了更新，使其适应当前各种库的最新版本。为此，我在自己的网站上提供了本书修改后的中文版代码供读者参考。
需要注意的是，当前的生成式AI虽然在努力提高输出的准确性，但由于transformer架构固有的局限性，仍会出现输出不准确的情况。尽管它们学习了大量的数据，但它们实际上并未掌握真正的知识，而只是学会了如何重新组合语料库中的信息。当前的生成式AI主要依靠算法和算力来预测下一个词，形成新的“排列组合”。然而，似乎已经接近了一个瓶颈，触及了现有理论和技术的天花板。甚至有可能目前投入的计算资源已经超过了实际需求。
个人认为，生成式AI在自然语言处理（NLP）领域表现出一定的优势，但在逻辑推理方面仍存在不足。这一点可以从各大模型（包括GPT-4和Qwen 2-72B等）在解答2024年高考题目时的表现中看出。从单科成绩来看，这些模型在数学方面普遍表现不佳，得分率均未超过50%，呈现出明显的偏科现象。因此，当前的生成式AI更适合应用于容错性较高的场景。
尽管如此，不可否认的是，在某些对容错性要求不高的应用场景中，生成式AI的表现仍然令人印象深刻。因此，在这样的背景下，事先对AI的应用加以限制，并在事后对结果进行验证，就显得尤为重要。这也是本书的一个重要目标。
在翻译本书的过程中，我非常高兴得到了女儿周子衿（Ava Zhou）的全力支持。我们共同探讨了书中的一些主题，并一起学习了如何将AI应用于自己的实际工作。她还帮助我解决了不少疑惑，澄清了我平时没有想到的一些问题。她让我深刻地认识到，在什么时候，1+1可以大于2。
更值得一提的是，她下定决心开发自己的一个Unity游戏，并在过程中借助AI的力量。在此便不得不推荐她翻译的两本书：《Unity 2D游戏开发》和《Unity 3D游戏开发》，均由清华大学出版社出版。
和往常一样，祝您编程愉快！
——周靖，2024
