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
课程时间:
0.5 - 1天
课程纲要:
模块一:从AlphaGo到ChatGPT
1、 人工智能出现和发展的大背景
2、 第四次工业革命的特征和要求
3、 人工智能的本质:从人类的脑力工作与相应的智能说起
4、 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,为什么?
5、 从分析式AI到生成式AI,从“偏科专才”到“通才”
6、 通用人工智能的曙光:GPT为何如此令人兴奋?
7、 从信息,到模型,到行动(具体智能)
a) 数字化:信息全周期的体系化
b) 模型是知识、经验和技能的封装 – 授人以鱼,不如授人以渔
c) 行动:信息和智能对世界的改造
8、 为什么是 "大"模型?为什么不是"小"而"精"的模型?- 我们如何封装知识/经验/能力?
9、 为什么通用人工智能曙光率先在大“语言”模型领域展现?自然语言和文字有何奥秘?
10、 大语言模型的根基: NLP以及Transformer的基本核心原理
a) AI大模型如何理解“词”?—— 词的“内嵌”
b) AI大模型如何理解句子?: 注意力机制 —— 奠定生成式AI基调的核心
c) 为什么这个基模型叫“Transfomer”?: 因为编码器做的,就是通过“智力”和“语言能力”的压缩抽取,对输入进行“变形”
d) 如何“变形”?—— Self attention 的Q,K,V权重矩阵的妙用
e) 如何输出?—— Cross attention的应用
11、 ChatGPT的独到之处:有监督学习和RLHF —— 能不能是RLAIF?
12、 其他大模型主要类别和基本原理
a) 文生图 Diffusion模型:训练机器对像素的“组装”
b) 图生3D NeRF模型:算法对世界的“脑补”
13、 大模型的“智力”、“技能”和“知识”
14、 如何利用大模型:基本模式
a) 提示词工程 – 对AI大模型的上下文和方法论描述
b) 插件 -为大模型加上“视觉中枢”“听觉中枢”“行动中枢”:插件 Plugin
c) Embedding -为大模型加上“海马体”Vector database向量数据库(大模型的长期记忆机制)
d) 精调 – 通过调参真正提升AI大模型的“智商”
15、 大模型的部署/训练方式
a) 公有云模式
i. AISaas
ii. AIPaas
b) 公有私有云/管理员模式
c) 私有云模式
模块二:大模型体系在政企数字化转型中的范式和潜力
16、 类ChatGPT大模型的挑战和风险
17、 GPT的几大能力:检索、创造和逻辑推理
18、 大模型时代,我们需要什么培养能力?需要什么人才?应该采用何种范式的教育?
19、 大模型带来的“软件2.0”范式
20、 AI大模型具有成为“人”“机”翻译和“系统整合协同者”的巨大潜力
21、 下一代AI:多模态大模型和机器人系统会有何化学反应?
22、 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:大模型体系的行业应用
23、 视觉智能赋能的工业质检:商汤缺陷监测视觉模型
24、 AR&AI赋能的工业数字孪生:从事后分析,事中监控,到事前模拟优化
25、 AR/VR巡检和设备设施管理
26、 机器学习驱动的生产过程的模型化优化
27、 大模型赋能的针对性个性化教育培训: Khanmigo – 理解学习者的学习过程和思路的AI应用
28、 办公文档和数据分析:GPT Code Intepreter
29、 培训和问答 Powered by 大语言模型
30、 仓储物流的AI应用
31、 生成式客服服务和咨询 :Salesforce ServiceGPT
32、 多模态大模型赋能的数字人客服和呼叫中心
33、 AIGC赋能的数字营销
34、 基于机器学习的金融风控应用
35、 游戏和元宇宙中的AI: 实时内容/场景生成,智能NPC,基于人工神经网络的动作形态生成,和大模型赋能的Player
36、 大模型&AR赋能的新形态文商旅客户体验
37、 基于AI大模型的(数据查询/分析)代码生成
38、 商汤科技的大模型体系及视频介绍