尹智老师 人工智能和数智化咨询专家
“企业在人工智能大模型时代的核心竞争力,是把自己行业/领域的专有知识经验和数据转化封装成AI模型,并将之有机联接到自身数字化体系的能力。”
-- 尹智
课程纲要:
模块一:通用人工智能的曙光:以ChatGPT为代表的AIGC大模型
1、 人类历史是一部生产力和科技发展史——从效率的角度看数字化和人工智能的源起
2、 第四次工业革命的特征和要求
3、 从早期人工智能算法到机器学习,到人工神经网络和深度学习:对“智能”的“压缩”的进化
4、 从“偏科专才”到“通才”,通用人工智能的曙光:GPT为何如此令人兴奋?
5、 AIGC兴起 - 从分析式AI到生成式AI,AI从做判断题/选择题,到做填空/问答题
6、 以ChatGPT为代表的等大语言模型基本核心原理
a) 如何看ChatGPT?如何看到ChatGPT的核心架构:Transformer?
b) 为什么通用人工智能的曙光出现在“大”“语言”领域?
c) 词的“内嵌”:GPT如何理解文字?
d) 简述注意力机制 – GPT如何理解句子和逻辑?
e) 如何打造高科技行业专家?—— 为什么深度人工神经网络可以学习到几乎一切模式和规律?
7、 ChatGPT的独到之处
8、 其他大模型主要类别和基本原理
a) 文生图模型:训练机器对像素的“组装”
b) 图生3D 模型:算法对世界的“脑补”
9、 如何利用大模型?基本模式
a) 提示词工程 – 为大模型描述上下文环境和方法论
b) 插件 -为大模型加上“视觉中枢”“听觉中枢”“行动中枢”
c) 外接“云盘” - 为大模型加上“海马体”(大模型的长期记忆机制)
d) 精调 — 通过调参真正提升大模型“智商”
10、 大模型的部署/训练方式
a) 公有云模式
i. AISaas
ii. AIPaas
iii. Model as a service
iv. AIIaas
b) 公有私有云/管理云模式
c) 私有云模式
模块二:大模型体系在汽车行业数字化转型中的潜力范式,机遇和挑战
11、 AI大模型的几大能力:检索、创造和逻辑推理 — 逻辑能力的可解释性挑战
12、 AI大模型具有成为“人”“机”翻译和系统“总调度”的巨大潜力
13、 生成式AI2.0:AI Agent — GPT如何从一个“语言中枢”,演化为“具身智能”?
14、 下一代AI:多模态大模型和机器人系统会有何化学反应?
15、 汽车行业大模型落地路径:预训练模型 + 专业训练精调 + 行业知识库 + 插件
模块三:人工智能和元宇宙技术在汽车行业的落地应用和案例
16、 新一代移动智能助手:智能车舱应用
a) 空间环境理解及用户状态感知
b) 多模态指令解析
c) AI大模型赋能车载虚拟助手:
i. 个性化数字形象生成
ii. 语音语义理解
iii. 多轮逻辑对话和内容生成
iv. 基于大模型推理的规划和LBS等第三方服务集成
17、 视觉智能赋能的汽车零部件工业质检
18、 汽车行业生产数字孪生:针对能耗、设备设施运行、双碳、安全等运营的从事后分析,事中监控,到事前模拟优化的全周期管理
19、 AR/AI赋能的汽车行业设备设施巡检
20、 基于机器学习的汽车零部件生产过程的模型化优化
21、 车企仓储物流的AI& AR应用
22、 生成式AI赋能的汽车业数字人客服和咨询
23、 汽车行业文档和数据分析:GPT Code Interpreter
24、 AIGC赋能的汽车数字营销:千人千面的个性化定制内容营销
25、 大模型赋能的针对性个性化技能培训
26、 基于AI大模型的汽车企业(数据查询/分析/业务逻辑)代码生成和系统集成
27、 生成式AI赋能的工业设计:基于“进化”机制的AI赋能产品设计
28、 基于多模态大模型对原生数据解析的客户和市场“大”数据整合和分析
29、 自动驾驶车、自动设备和机器人训练中的AI: 训练数据和环境的AI生成;大行为模型LBM的应用
30、 汽车元宇宙应用模式及案例:
a) 产品设计和研发:
i. Nvidia Omniverse汽车设计和仿真
ii. Microsoft HoloLens 设计工具
b) 品牌认知和产品展示:
i. BMW iXFLOW变色车身
ii. BMW X VR
iii. Unity 选配车体验
c) 购买交易和增值服务
i. Porsche NFT收藏品平台‘Fanzone’
ii. Mercedes-Benz “Maschine”NFT
iii. 汽车区块链游戏平台Chase 2 earn
d) 客户体验和互动:
i. 商汤科技AR小巴
ii. BMW JOYTOPIA体验平台
iii. Audi X VR体验