【课程特色】够专业，内容前沿且正确；讲俗话，将复杂技术具象清晰有趣化；重互动，巧妙设计提升参与感；能落地，反复验证的方法及真实案例。
【课程时间】3-6小时
【课程大纲】
一、AI技术的分层（0.5h）
1、通用VS专用
▪ 什么是AI：AI是用数学模拟人类智慧的技术
▪ 专用AI技术：用自己企业的数据，训练专属自己的AI算法
▪ 通用AI技术：使用别人做好的AI算法，做自己企业的业务
▪ 通用AI技术的代表：大语言模型（chatgpt，百度·文心一言等）
2、专用&通用技术对比
▪ 专用AI技术：数据、算力、专业知识门槛高，不容易落地
▪ 通用AI技术：各方面门槛低，比较容易落地
3、通用AI技术分层
▪ 提示词工程：人直接用大语言模型工具
▪ RAG技术：让大语言模型给答案时，具备一定真实文档参考
▪ 智能体：有思维链，不需要人实时驱动，真正能够解放生产力
二、通用AI技术能如何影响制造业（1-1.5h）
1、提示词工程
▪ 让每个员工用好LLM（大语言模型）
▪ LLM如何提升日常工作效率
▪ 极限情况：将LLM用到极限，可以让员工生产力爆表（一个人干一个团队的活）
▪ 实际情况：绝大部分员工用不好LLM，基本没啥用
▪ 关键问题：撰写提示词的思维能力
▪ 揭秘写好提示词的三个底层原理
案例：AI生成3D设计、用人话驱动数字仿真，用人话完成芯片设计，用人话完成软件开发。
2、RAG技术
▪ 基础LLM核心限制：没有记忆，没有思维链
▪ 基础LLM存在的问题：回答有幻觉，解决不了复杂问题
▪ RAG：在LLM作答时，给他一些参考资料
▪ RAG优势：极大地提升LLM作答的准确率，减少幻觉
案例：设备维护知识问答机器人，质量问题排查机器人，让过程资产流动起来。
3、智能体
▪ 智能体：让LLM有记忆，有思维链，有额外技能
▪ 智能体的额外技能：使用搜索引擎，在线撰写运行代码，接入多源数据库
▪ 智能体的优势：解决复杂问题，真正具备替代人的能力
案例：工厂Copilot动动嘴帮你完成工厂管理。
三、人工智能底层原理及应用趋势（2.5-3h）
1、人工智能的核心范式
▪ 靠规则实现AI：编程思维/显性知识
▪ 靠“领悟”实现AI：数据思维/隐性知识
小互动：如果你正在跟心仪的女神约会……
2、人工智能的核心原理
▪ 通过小互动理解人类智能产生过程并类比机器
▪ 工人（拟合模型）负责预测
▪ 质检（损失函数）负责挑错误
▪ 车间主任（梯度下降）负责纠正
▪ AI的本质：把学习知识的过程转化为一系列计算
案例：预测男生是否会受女生欢迎
3、AI趋势一：大模型有大力量
▪ 大模型&大数据VS 小模型VS高质量数据
▪ 大模型可能导致通用人工智能出现
▪ 大模型的落地应用及前景
案例：AI制药场景、AI大规模质检场景、自动驾驶场景
4、AI趋势二：生成模型以假乱真
▪ 什么是生成模型
▪ 生成模型能够生成什么内容
▪ 生成模型的落地应用
案例：AI驱动的数字营销、3D设计一键生成、芯片设计AI驱动、数字人案例、AI对数字孪生与元宇宙的影响
5、AI趋势三：强化学习超越人类
▪ 阿尔法狗的核心原理
▪ 强化学习的核心潜力
案例：AI驱动的产线自动化，AI驱动的供应链优化，AI驱动的工艺优化，AI驱动的智能排产
6、AI发展史
▪ 回顾人工智能的三波浪潮
▪ 偷偷告诉你三波浪潮中的2个核心规律
▪ 我们所处的这波浪潮有何不同
四、智能化如何落地（1-2h）
1、智能化落地方法
▪ 1、智能化起点：不是数据而是业务痛点
▪ 2、如何找到业务痛点：客观（精益）VS主管（决策需求）
▪ 3、如何折算痛点价值：业务逻辑&一组数据
▪ 4、选择工具：只有隐性知识需要用到AI工具
▪ 5、智能化项目最大的坑：数据而不是算法
▪ 6、数据的坑在哪：缺少关键特征&数据缺乏代表性
▪ 7、如何排除数据上的坑：依靠业务专家的业务知识
▪ 8、如何选择模型：大模型VS小模型
▪ 9、AI项目成功的三大核心要素
▪ 10、AI项目的最大门槛：行政可行性
案例：产线良品率提升，大型工程机械故障预测，工业品缺陷检测等
五、新一代人工智能技术会如何影响未来（0.5h）
1、AI会如何影响我们
▪ AI为我们带来的终局
▪ 绝大部分的工作会被替代
▪ 只有两类人会留下：做决策&有想法
案例：18年图灵奖得主案例，智能化终局解读，元宇宙加持下的后AI时代。辨析大模型和小模型选择对行业的影响
2、AI的3大套路和后AI时代展望
▪ 在无人化的时代，人应该做什么
▪ 应对办法：回归人“本身”的价值
▪ 没有工作的人会做什么：“爱”干嘛干嘛
▪ 企业应该如何应对即将到来的AI浪潮
案例：openAI官方给出最容易受chatGPT影响的岗位， 领域未来展望：马太效应加强
