课程大纲：

模块一：人工智能的源起和进化

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

c) 行动：信息和智能对世界的改造

模块二：通用人工智能的火花：以ChatGPT为代表的大模型

1、 为什么是 "大"模型？为什么不是"小"而"精"的模型？

2、 为什么通用人工智能曙光率先在自然语言处理领域展现？

3、 大语言模型的根基: NLP以及Transformer的基本核心原理

d) 词的“内嵌”

e) 注意力机制 - Attention is all you need: 奠定生成式AI基调的核心

4、 ChatGPT的独到之处

5、 其他大模型主要类别和基本原理

f) 文生图：训练机器对像素的“组装”

g) 图生3D：算法对世界的“脑补”

6、 大模型的“智力”、“技能”和“知识”

7、 如何利用大模型:基本模式

h) - Prompt engineering&in- context learning 提示词工程&上下文学习

i) 如虎添翼- 为大模型加上“视觉中枢”“听觉中枢”“行动中枢”：插件 Plugin

j) 如虎添翼-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）

8、 对开源大模型精调和定制

k) 预训练

l) 大模型瘦身：知识蒸馏和转移学习

m) 经典调参

n) 指令调参

o) 参数经济型调参：Lora和Qlora

模块三：大模型体系在政企数字化转型中的范式和潜力

1、 类ChatGPT大模型的挑战和风险

2、 GPT的几大能力：检索、创造和逻辑推理

3、 大模型时代，我们需要什么能力？需要什么人才？

4、 大模型带来的“软件2.0”范式

5、 AI大模型会取代企业数字化系统吗？：协同合作，相互增强的AI大模型和企业级系统

6、 下一代AI:多模态大模型和机器人系统会有何化学反应？

7、 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

模块四：大模型体系的行业应用

1、 视觉智能赋能的工业质检

2、 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

3、 AR/VR巡检和培训

4、 工业互联网：从IOT到AIOT

5、 机器学习驱动的生产过程的模型化优化

6、 仓储物流的AI应用

7、 多模态大模型赋能的数字人客服和呼叫中心

8、 办公文档和数据分析 Powered by 多模态大模型

9、 培训和问答 Powered by 大语言模型

10、 AIGC赋能的数字营销

11、 基于机器学习的金融风控应用

12、 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

13、 大模型&AR赋能的新形态文商旅客户体验

14、 基于AI大模型的（数据查询/分析）代码生成

15、 商汤科技的大模型体系及视频介绍

思考和小结