尹智老師 人工智能和數智化咨詢專家

 “企業在人工智能大模型時代的核心競爭力，是把自己行業/領域的專有知識經驗和數據轉化封裝成AI模型，并將之有機聯接到自身數字化體系的能力。”

                                                 ———— 尹智

課程時間：

0.5 - 1天

課程綱要：

模塊一：從AlphaGo到ChatGPT

1、 人工智能出現和發展的大背景

2、 第四次工業革命的特征和要求

3、 人工智能的本質：從人類的腦力工作與相應的智能說起

4、 從早期人工智能算法到機器學習，到人工神經網絡和深度學習，為什么？

5、 從分析式AI到生成式AI，從“偏科專才”到“通才”

6、 通用人工智能的曙光：GPT為何如此令人興奮？

7、 從信息，到模型，到行動（具體智能）

a) 數字化：信息全周期的體系化

b) 模型是知識、經驗和技能的封裝 – 授人以魚，不如授人以漁

c) 行動：信息和智能對世界的改造

8、 為什么是 "大"模型？為什么不是"小"而"精"的模型？- 我們如何封裝知識/經驗/能力？

9、 為什么通用人工智能曙光率先在大“語言”模型領域展現？自然語言和文字有何奧秘？

10、 大語言模型的根基: NLP以及Transformer的基本核心原理

a) AI大模型如何理解“詞”？—— 詞的“內嵌”

b) AI大模型如何理解句子？: 注意力機制 —— 奠定生成式AI基調的核心

c) 為什么這個基模型叫“Transfomer”？: 因為編碼器做的，就是通過“智力”和“語言能力”的壓縮抽取，對輸入進行“變形”

d) 如何“變形”？—— Self attention 的Q,K,V權重矩陣的妙用

e) 如何輸出？—— Cross attention的應用

11、 ChatGPT的獨到之處：有監督學習和RLHF —— 能不能是RLAIF?

12、 其他大模型主要類別和基本原理

a) 文生圖 Diffusion模型：訓練機器對像素的“組裝”

b) 圖生3D NeRF模型：算法對世界的“腦補”

13、 大模型的“智力”、“技能”和“知識”

14、 如何利用大模型:基本模式

a) 提示詞工程 – 對AI大模型的上下文和方法論描述

b) 插件 -為大模型加上“視覺中樞”“聽覺中樞”“行動中樞”：插件 Plugin

c) Embedding -為大模型加上“海馬體”Vector database向量數據庫（大模型的長期記憶機制）

d) 精調 – 通過調參真正提升AI大模型的“智商”

15、 大模型的部署/訓練方式

a) 公有云模式

i. AISaas

ii. AIPaas

b) 公有私有云/管理員模式

c) 私有云模式

模塊二：大模型體系在政企數字化轉型中的范式和潛力

16、 類ChatGPT大模型的挑戰和風險

17、 GPT的幾大能力：檢索、創造和邏輯推理

18、 大模型時代，我們需要什么培養能力？需要什么人才？應該采用何種范式的教育？

19、 大模型帶來的“軟件2.0”范式

20、 AI大模型具有成為“人”“機”翻譯和“系統整合協同者”的巨大潛力

21、 下一代AI:多模態大模型和機器人系統會有何化學反應？

22、 行業大模型落地路徑：預訓練模型 + 專業訓練精調 + 行業知識庫 + 插件

 模塊三：大模型體系的行業應用

23、 視覺智能賦能的工業質檢：商湯缺陷監測視覺模型

24、 AR&AI賦能的工業數字孿生：從事后分析，事中監控，到事前模擬優化

25、 AR/VR巡檢和設備設施管理

26、 機器學習驅動的生產過程的模型化優化

27、 大模型賦能的針對性個性化教育培訓： Khanmigo – 理解學習者的學習過程和思路的AI應用  

28、 辦公文檔和數據分析：GPT Code Intepreter

29、 培訓和問答 Powered by 大語言模型

30、 倉儲物流的AI應用

31、 生成式客服服務和咨詢 :Salesforce ServiceGPT

32、 多模態大模型賦能的數字人客服和呼叫中心

33、 AIGC賦能的數字營銷

34、 基于機器學習的金融風控應用

35、 游戲和元宇宙中的AI: 實時內容/場景生成，智能NPC，基于人工神經網絡的動作形態生成，和大模型賦能的Player

36、 大模型&AR賦能的新形態文商旅客戶體驗

37、 基于AI大模型的（數據查詢/分析）代碼生成

38、 商湯科技的大模型體系及視頻介紹