人工智能通識教育僅供學習交流使用人工智能2.0時代的人才培養(yǎng)和通識教育課程01人工智能2.0時代人工智能的前世今生大模型的特點和局限大模型的發(fā)展觀察02人才需求和通識教育課人才需求人工智能通識課第2頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課人工智能0.0：古代（1956-2006，從規(guī)則到學習）人工智能：讓機器具備人類智能，讓機器具備非人類智能（超人類智能）傳統(tǒng)（知識+規(guī)則）：專家系統(tǒng)（知識庫+推理機）現(xiàn)代（數(shù)據(jù)+學習）：機器學習（模型、目標、策略），數(shù)據(jù)模型（IID，用數(shù)學模型模擬世界）常規(guī)統(tǒng)計學習方法：邏輯回歸，決策森林，支持向量機，馬爾科夫鏈，……小數(shù)據(jù)，人工特征，部分可解釋，缺乏通用性和跨模態(tài)人工神經(jīng)網(wǎng)絡：與人腦最大的共同點是名字（原理、機制和架構并不一樣），用神經(jīng)網(wǎng)絡表達數(shù)學模型1、傳統(tǒng)神經(jīng)網(wǎng)絡：霍普菲爾德網(wǎng)絡，玻爾茲曼機，…..2、深度神經(jīng)網(wǎng)絡：深度學習（Hinton，2006）大數(shù)據(jù)，特征表示，基本不可解釋，具備通用性和跨模態(tài)第3頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課人工智能1.0：近代（2006-2020，深度學習））深度學習：深度神經(jīng)網(wǎng)絡2006：傳統(tǒng)架構：DBN，CNN，RNN，ResNet，Inception，RWKV，

……ImageNet（超過人眼）AlphaGO（超過人類棋手）AlphaFold（超過人類科學家）2017：Transformer架構：注意力機制（Attention）預訓練模型架構：編碼器（BERT）：

embedding，Ernie1.0，……混合網(wǎng)絡：T5、GLM（早期）解碼器（GPT）：生成式人工智能（AIGC預訓練模型架構：并行矩陣計算（GPU）堆疊架構，容易擴展，大力出奇跡第4頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課人工智能2.0：現(xiàn)代（2020-，大模型）大模型（預訓練大模型）：大（數(shù)據(jù)多、參數(shù)多、算力多），模型（語言、視覺、多模態(tài)）GPT架構：解碼器（GPT），生成式人工智能（AIGC），生成-理解-決策（RL）Transformer：大語言模型（LLM，大模型），多模態(tài)模型ChatGPT（

4.1

、4o、o1、o3、o4）、Claude；

Grok、Gemini；

Llama、……DeepSeek、Step、Qwen；

Kimi、MiniMax；

GLM、火山(

豆包)、元寶、百度……Transformer+Diffusion：視覺模型圖像：

Stable

Diffusion、Mid-

Journey、DALL.E

等視頻：Sora、可靈、即夢、Vidu、海螺等通用模型

vs

垂直模型（行業(yè)模型）傳媒、編碼教育、醫(yī)療、金融等第5頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課人工智能2.0時代的人才培養(yǎng)和通識教育課程01人工智能2.0時代人工智能的前世今生大模型的特點和局限大模型的發(fā)展觀察02人才需求和通識教育課人才需求人工智能通識課第6頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課Generative（生成式）Pre-trained（預訓練）Transformer（一種深度神經(jīng)網(wǎng)絡架構）大模型的工作原理:

NTP（Next

Token

Prediction）4.基于上下文預測下一個token為可能的單詞分配概率分數(shù)示例:{“去”:0.7.

“停":0.2,“站":0.1}3.

采用Transformer架構處理token理解token之間的關系識別提示詞的整體含義5.根據(jù)概率分數(shù)選擇標記示例:“去”1.

收到提示詞示例:“今天天氣不錯，我決定”自回歸（AR）：重復步驟4和步驟5直到形成完整的句子示例：今天天氣不錯，我決定去公園準確地講，這里不是“字”，是“token”，可以進行語義計算。2.將輸入拆分為token概率預測+文字接龍LLM:LargeLanguage

Model“今天”,

“天”,

“氣”,

“不”,

“錯”“,”,

“我”,

“決定”][,GPT第7頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課大模型的工作過程：預訓練-后訓練-推理大模型工作過程階段1：模型訓練（預訓練+后訓練）第8頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課預訓練（自監(jiān)督）階段2：推理強化學習(RLHF等等)處理輸入（上下文）進行推理（測試時計算）生成輸出監(jiān)督微調(diào)接收輸入（提示詞）大模型的最新發(fā)展（從原子彈到氫彈）：推理2022.122023.062023.122024.06生成模型2025.03推理模型ref:

SuperCLUE團隊

中文大模型基準測評2025年3月報告OpenAI

推出基于

GPT-4o

模型的圖像生成功能，取代此前的

DALL·E3成為ChatGPT

和

Sora

平臺的默認圖像引擎

OpenAI發(fā)布o3-mini

、GPT-4.5，前者推動成本效益推理，

后者展現(xiàn)出較高的情感智能。Gemini2.0

FlashThinking、Claude-3.7-Sonnet、Grok3發(fā)布，海外推理模型引發(fā)熱潮，推理性能大幅度提升。國內(nèi)推理模型持續(xù)跟進。DeepSeek-R1、QwQ-32B、Kimi1.5、GLM-Zero、Skywork

o1、訊飛星火X1等推理模型陸續(xù)發(fā)布，繼續(xù)突破推理能力的上限。國內(nèi)模型性能持續(xù)提升。DeepSeek-V3、Qwen2.5、豆包-Pro、混元-Turbo與GLM-4-Plus等系列模型綜合能力上持續(xù)提升。國內(nèi)開源生態(tài)持續(xù)引領模型普惠化。DeepSeek-R1通過開源與性價比優(yōu)勢持續(xù)推動行業(yè)技術普惠化進程。繁榮期OpenAI發(fā)布Sora，極大拓展了AI在視頻領域的想象力。GPT-40、Claude3.5、Gemini1.5、Llama3發(fā)布，海外進入“一超多強”的競爭格局。國內(nèi)多模態(tài)領域進展迅速，在部分領域領先海外，視頻生成模型可靈AI、海螺視頻、Vidu、PixVerse等模型陸續(xù)發(fā)布，并在海外取得較大應用進展。國內(nèi)通用模型持續(xù)提升，Qwen2.5、文心4.0、GLM4、商湯5.5等通用模型陸續(xù)更新。準備期深化期躍進期ChatGPT發(fā)布，全球范圍內(nèi)迅速形成大模型共識。GPT4發(fā)布，進一步掀起大模型研發(fā)熱潮。國內(nèi)快速跟進大模型研發(fā)，文心一言1.0、通義千問、訊飛星火、360智腦、ChatGLM等首批模型相繼發(fā)布。第9頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課Llama2開源，極大助力全球大模型開發(fā)者生態(tài)。GPT-4

Turbo、Gemini等海外大模型發(fā)布，繼續(xù)提升模型性能。Midjourney發(fā)布5.2Stable

Diffusion

XL發(fā)布國內(nèi)閉源大模型快速發(fā)展，豆包、混元、商湯3.0、盤古3.0、AndesGPT、BlueLM、星火3.0、KimiChat等陸續(xù)發(fā)布。國內(nèi)開源生態(tài)爆發(fā)，Baichuan、Qwen、InternLM、ChatGLM3、Yi-34B等系列模型引領開源熱潮。大語言模型的能力邊界?生成嚴肅內(nèi)容+垃圾信息的混合知識量大，但缺少內(nèi)在關聯(lián)能力?幻覺來源：有損壓縮，

NTP的溫度觀點：創(chuàng)意和創(chuàng)新?記憶1.

多輪對話：產(chǎn)品設計，計算成本1.

語言能力：理解和生成知識能力幻覺（生成不符合事實的內(nèi)容）知識庫限制（公開、私有、即時）上下文窗口限制（記憶、成本）3.

推理能力解決方案提示詞（Prompt）思維鏈（CoT）搜索增強（RAG）知識圖譜（KGE）5. 模型微調(diào)（Fine

Tune）第10頁第10頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課人工智能2.0時代的人才培養(yǎng)和通識教育課程01人工智能2.0時代人工智能的前世今生大模型的特點和局限大模型的發(fā)展觀察02人才需求和通識教育課人才需求人工智能通識課第10頁第11頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課現(xiàn)象：DeepSeek快速出圈，全民硬控2024年12月26日，

DeepSeek推出對標OpenAIGPT-4o的

語言模型DeepSeek

V3，隨后在美國AI行業(yè)內(nèi)部引起轟動。2025年1月20日，

DeepSeek發(fā)布對標OpenAI

o1

的DeepSeek

R1大語言模型，并于1月24日引起美國投資界KOL關注。2025年1月26日，關于DeepSeek顛覆了大模型的商業(yè)模式（堆算力、拼資本），引發(fā)英偉達股價大跌，DeepSeek首先在美國出圈，引發(fā)國際社會討論。2025年1月底（春節(jié)前后），

DeepSeek在中國出圈，并上升到中美競爭高度，同時紛紛接入DeepSeek，

DeepSeek成為AI和大模型的代名詞。DeepSeek讓AI跨越了鴻溝。第10頁第12頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課到底誰是DeepSeek？公司、模型、產(chǎn)品第10頁第13頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課公司、模型、產(chǎn)品引起中美AI行業(yè)內(nèi)部關注的是：模型引起美國關注的是：模型和公司春節(jié)前后在中國出圈的是：產(chǎn)品產(chǎn)品優(yōu)勢（用戶可感受到）思考過程展示中文好有情商容易獲得，使用簡單聯(lián)網(wǎng)和來源引用速度快免費DeepSeek模型優(yōu)勢混合專家MOE強化學習GRPO通訊優(yōu)化DualPipe多Token預測MTP混合精度訓練FP8直接硬件編程PTX多頭潛注意力MLA測試時計算TTC并行訓練框架HAI第10頁第14頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課能力突破開源、低成本、國產(chǎn)自主DeepSeek以“推理能力+第一梯隊性能”為核心基礎，疊加：開源開放、超低成本、國產(chǎn)自主研發(fā)三大優(yōu)勢，不僅實現(xiàn)技術代際跨越，更推動AI技術普惠化與國產(chǎn)化生態(tài)繁榮，成為全球大模型賽道的重要領跑者。?

基礎能力：進入推理模型階段，并躋身全球第一梯隊推理能力躍升：DeepSeek大模型核心技術突破，實現(xiàn)復雜推理任務的精準處理與高效執(zhí)行，覆蓋多模態(tài)場景應用。國際競爭力對標：模型綜合性能躍居全球第一梯隊，技術指標與國際頂尖水平（如GPT系列、Claude等）直接對標，奠定國產(chǎn)大模型的行業(yè)標桿地位。核心加分項：開源、低成本、國產(chǎn)自主開源：技術共享，生態(tài)共建全量開源訓練代碼、數(shù)據(jù)清洗工具及微調(diào)框架開發(fā)者可快速構建教育、金融、醫(yī)療等垂直領域應用，推動協(xié)同創(chuàng)新。2.

低成本：普惠企業(yè)級AI應用針對H系列芯片做了大量的模型架構優(yōu)化和系統(tǒng)工程優(yōu)化。最后一次訓練成本僅$557w

：顯著低于行業(yè)同類模型，打破高價壁壘。推理成本降低83%：千億參數(shù)模型適配中小企業(yè)需求，加速商業(yè)化落地。3.

國產(chǎn)自主：技術自主，縮短差距將國產(chǎn)模型與美國的代際差距從1-2年縮短至3-5個月，突破“卡脖子”技術瓶頸。構建多行業(yè)專屬模型矩陣，全面支持國內(nèi)產(chǎn)業(yè)智能化升級。DeepSeek

V3/R1模型的創(chuàng)新第15頁第15頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課一、基礎架構：1. 混合專家模型（MoE）：DeepSeek采用MoE架構，通過動態(tài)選擇最適合輸入數(shù)據(jù)的專家模塊進行處理，提升推理能力和效率。2. 無輔助損失的專家負載均衡策略（EP）：該策略使DeepSeekMoE在不對優(yōu)化目標產(chǎn)生干擾的前提下，實現(xiàn)各個專家的負載均衡，避免了某些專家可能會被過度使用，而其他專家則被閑置的現(xiàn)象。3. 多頭潛在注意力機制（MLA）：MLA通過低秩壓縮減少Key-Value緩存，顯著提升推理效率。4. 強化學習（RL）：DeepSeek-R1在訓練中大規(guī)模應用強化學習(讓模型自我探索和訓練)，將傳統(tǒng)的PPO替換為GRPO訓練算法，顯著提升推理能力。5. 多Token預測（MTP）：通過多Token預測，

Deepseek不僅提高了推理速度，還降低了訓練成本。二、訓練及框架：1.

FP8混合精度訓練（FP8）：在關鍵計算步驟使用高精度，其他模型層使用FP8低精度進一步降低訓練成本。這一點，是DeepSeek團隊非常有價值的創(chuàng)新和突破。2. 長鏈推理技術（TTC）：模型支持數(shù)萬字的長鏈推理，可逐步分解復雜問題并進行多步驟邏輯推理。3. 并行訓練系統(tǒng)（HAI）：16

路流水線并行(Pipeline

Parallelism,

PP)、跨

8

個節(jié)點的

64

路專家并行(Expert

Parallelism,

EP)，以及數(shù)據(jù)并行(Data

Parallelism,

DP)，大幅提升模型訓練速度。4. 通訊優(yōu)化（DualPipe）：

高效的跨節(jié)點通信內(nèi)核，充分利用

IB

和NVLink

帶寬特點，減少通信開銷，提高模型推理性能?；旌蠙C器編程（PTX）：部分代碼直接使用PTX編程提高GPU運行效率。算子庫優(yōu)化（GEMM等Op）：針對H800計算卡的特點，優(yōu)化了一部分CUDA的算子庫。DeepSeek

V3/R1模型的創(chuàng)新第15頁第16頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課三、社會價值：開源生態(tài)：使用最為開放的MIT開源協(xié)議，吸引了大量研究人員和應用廠商，推動了AI技術的發(fā)展。模型蒸餾支持：DeepSeek-R1同時發(fā)布了多個模型蒸餾。雖然這些蒸餾模型的生產(chǎn)初衷是為了驗證蒸餾效果，但客觀上幫助用戶有機會使用移植了DeepSeek-R1滿血版模型的能力的更小的模型，以滿足不同應用場景需求。副作用是：給市場和用戶造成了很多困擾。AI產(chǎn)品和技術的普及：對于大模型研發(fā)企業(yè)，更加重視infra工程的價值了。對于大模型應用企業(yè)，有了更多高效低成本解決方案。對于社會大眾，認識到AI是一個趨勢，不是曇花一現(xiàn)。對于市場，用戶開始主動引入AI，不再懷疑了。對于國家，大幅縮小了中美的核心技術差距。對于全人類，技術平權，造福一方。DeepSeek

R1模型的能力突破第15頁第17頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課DeepSeek

R1模型的能力突破第15頁第18頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課DeepSeek

R1模型的能力突破第15頁第19頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課DeepSeek

R1

對大模型行業(yè)的重大影響DeepSeek-R1以低成本和開源特性打破以往頭部企業(yè)巨頭割據(jù)局面DeepSeek-R1的API定價僅為行業(yè)均價的1/10,推動了中小型企業(yè)低成本接入AI,對行業(yè)產(chǎn)生了積極影響DeepSeek-R1促使行業(yè)開始從“

唯規(guī)模論”

轉向更加注重“性價比”和“高效能”方向0102第15頁第20頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課03打破壟斷價格下調(diào)推動創(chuàng)新人工智能：快速沖擊智力行業(yè)，逐漸侵蝕物理世界人工智能：讓機器具備人類智能，讓機器具備非人類智能（超人類智能）機器學習深度學習大模型大語言模型：DeepSeek視覺模型：可靈、

即夢多模態(tài)模型：GPT-4o第15頁第21頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課現(xiàn)代人工智能的發(fā)展路徑通用人工智能AGI，ArtificialGeneral

Intelligence通常是指具備與人類同等或超越人類智能水平的人工智能系統(tǒng)。OpenAI：在大多數(shù)經(jīng)濟價值創(chuàng)造任務中表現(xiàn)優(yōu)于人類的高度自主系統(tǒng)。AI肖睿團隊：90%的智力任務上超過90%的人類，很可能在2030年之前到來。,在問題求解方面AI學會求解問題，涌現(xiàn)世界知識和類人的復雜邏輯推理能力突破圖靈測試AI能力全面超越人類，具備探究科學規(guī)律、世界起源等終極問題的能力Level

1.AI學會使用人類語言，在大多數(shù)自然語言任務上突破圖靈測試Level

2.Level

3.AI學會使用工具，利用工具完成多數(shù)人類物理世界問題,在工具使用方面突破圖靈測試Level

4.Al通過自我學習,具備自我批判、自我改進以及自我反思能力Level

5.第15頁第22頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課?Agent是傳統(tǒng)應用（工具+流程）的AI改造?工具：直接使用模型或AI產(chǎn)品增強模型能力（

RAG、FT）直接調(diào)用外部工具?流程：1. WorkFlow

（人工定義）?Coze、

Dify、ComfyUI2.AgenticAI（模型拆解：環(huán)境、工具、策略）?斯坦福小鎮(zhèn)（

MetaGPT）?AutoGLM、

Manus、Coze

Space、Aipy?趨勢：A2A和MCP將成為AI系統(tǒng)（Agent）的必備要素如果把Agent想象成一個筆記本電腦：大模型就是CPU2. A2A就是網(wǎng)絡接口3. MCP就是USB接口Agent：從human

in

loop到human

on

loop第15頁第23頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課人類設立任務目標AI對其中某(

幾)

個任務提供信息或建議人類自主結束工作人類設立任務目標AI完成其中某(

幾)

個流程的初稿人類修改調(diào)整確認人類自主結束工作設立目標提供資源監(jiān)督結果全權代理任務拆分工具選擇進度控制自主結束工作Agent的核心特征是自主（請人類走開）Embedding：助手模式AI人類人類完成絕大部分工作Agent：代理模式人類 AIAI完成絕大部分工作Copilot：伙伴模式AI人類人類和AI協(xié)作工作現(xiàn)代人工智能（大模型）的本質這一波人工智能本質上是數(shù)據(jù)智能，只要是有時間結構和空間結構的數(shù)據(jù)，都可以識別出數(shù)據(jù)分布模式，建立數(shù)據(jù)模型，從而產(chǎn)生智能。這一波人工智能的核心是語言智能，通過分析和建模人類語言，獲取人類的知識，并進一步獲取人類的思維模式?；蛟S，AI只是一個我們和他人和祖先和整個人類的意義世界的交互的接口的翻譯器。與我們對話的，不是AI，而是AI背后那個人類構造出的意義世界。因此，

AI可以成為我們的伙伴和導師，例如：

DeepSeek對貪嗔癡的解釋。對現(xiàn)代人工智能的正確認知：本質、關鍵過程、關鍵要素第15頁第24頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課大模型技術的關鍵過程預訓練：中小學，打基礎后訓練：RL、SFT。大學，有專業(yè)微調(diào)、Prompt。入職實習，能干活大模型技術的關鍵要素Token：萬物皆tokenAttention：熵減即智能GPT：大力出奇跡Data：以古鑒今RL：自學成才（決策，探索未知，生成數(shù)據(jù)）優(yōu)化：卷Infra和算法，實事求是，反抽象FT：后訓練的藝術TTC：大力出奇跡

AGAINPrompt：有話好好說Agent：最后的筐對現(xiàn)代人工智能的正確認知：AI與IT的區(qū)別IT：確定性的任務（簡單和繁雜），以代碼邏輯為核心1.0：記憶+計算（馮諾依曼；軟件時代）2.0：記憶+計算+搜索（互聯(lián)網(wǎng)時代）AI：不確定的任務（復雜和混沌），以數(shù)據(jù)模型為核心0.0：專家系統(tǒng)：知識+規(guī)則1.0：機器學習：數(shù)據(jù)+學習，白盒0.5：傳統(tǒng)機器學習：人類定義特征，人類估算模型參數(shù)1.0：人工神經(jīng)網(wǎng)絡：人類定義特征，模型自己學習模型參數(shù)2.0：深度學習：數(shù)據(jù)+學習，黑盒（不可控，有錯誤概率）1.5：判別模型：人類只提供數(shù)據(jù)，端到端學習（模型自己抽取特征，自己學習模型參數(shù)）2.0：生成模型：訓練階段+推理階段；壓縮+生成（幻覺）2.5：推理模型：訓練階段強化學習；推理階段慢思考IT應用與AI應用的關鍵差異：在互聯(lián)網(wǎng)時代，用戶使用系統(tǒng)的成本很低，邊際成本接近于零。在AI時代，用戶使用系統(tǒng)的成本比較高，有大量的GPU算力需求，邊際成本較高。第15頁第25頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課大模型技術的應用階段知識庫目標是利用企

業(yè)

內(nèi)

部知

識庫，提高

AI

在特定領域問答或內(nèi)容生成

的

準

確性

和相關性。提示詞目標是快速驗

證AI

是

否能解決某個特定

的

業(yè)

務痛

點（例如

，

初步的文本分類、簡單的信息提

取

）

。行業(yè)模型目標是利用行

業(yè)

領

先的

AI能力，

解決更

復雜、專業(yè)的問題。03020401第15頁第26頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課模型微調(diào)目標是進一步

優(yōu)

化

模型

在特定任務上的

性

能

，

使

其更符合企業(yè)的具

體

需求

和數(shù)據(jù)特點。AI與提示詞的關系-人類與大模型合作方式給剛畢業(yè)的優(yōu)秀大學生安排任務第15頁第27頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課知識淵博的專家為你解決具體任務給外包員工安排任務把自己當老板，像對待你的員工一樣，對待AI鏡子理論：提示詞是人激發(fā)和控制AI能力的手段，如同一個騎手的騎術一樣大模型的提示詞技巧的總原則AI具體內(nèi)容可以參考AI

肖睿團隊的《提示詞工程和場景落地》（/ai-news/294.html）Problem

Definition:Delineationof

taskgoals‘Ok,sothe

userwantsme

to...’Bloom:Decompositionofproblemand

initialexecutiontoapotentialanswer,whichmaybeverified.‘First,I

should...’Reconstruction:Reconsiderationofinitialassumptions,possiblyleadingto

anewanswer,andverificationofconfidence.‘Wait,alternatively...’Final

Answer:Qualificationofconfidenceandfinalanswerto

return.‘Ok,I’msure

now...’第15頁第28頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課AI與提示詞的關系-人類與大模型合作方式人類知道AI不知道+我知道給知識和場景（Prompt+know

how）將掌握的信息傳遞給AI。使用詳細的描述、舉例、甚至提供數(shù)據(jù)等方式。比如你了解某個地方的獨特方言，而AI的訓練數(shù)據(jù)中沒有包含，你需要用文字甚至錄音等方式向AI描述這種方言的特點，例如發(fā)音、詞匯等。AI不知道+我不知道共同進行研究和探索，可以利用AI的計算和分析能力，結合人類的創(chuàng)造力和直覺，共同尋找答案。比如要研究某種尚未被發(fā)現(xiàn)的疾病的病因，可以向AI提供已知的醫(yī)學數(shù)據(jù)和研究文獻，讓AI分析潛在的關聯(lián)性，并提出新的研究方向。AI知道+我知道簡單表達（明確指令：

使用清晰的動詞和目標，例如“比較”、“總結”、“分析”、“生成”等。）比如雙方都知道“二戰(zhàn)”，你可以直接問“二戰(zhàn)爆發(fā)的原因是什么？”,或者更進一步問“比較一戰(zhàn)和二戰(zhàn)的異同”。AI知道AI知道+我不知道多輪對話同頻（使用開放式討論，例如“什么是”、“如何”、“有哪些”等。）比如AI知道很多關于商業(yè)模式的知識，而你不太了解，你可以問“我在做美術教育，有哪些好的盈利模式？”。簡單說提問題開放聊喂模式第15頁第29頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課提示詞的發(fā)展：多變、內(nèi)在規(guī)律、分化提示詞的本質：大模型不夠聰明提示詞的目標：人機對齊（信息和意圖）提示詞的價值流變：對話場景下，越來越成為人類自身的思維工具對人類的要求定義AI問題：把現(xiàn)實中的問題轉化為可以用AI解決的問題布置AI任務：在有限的上下文里，清晰的表達，告訴所需的背景信息驗收AI工作：對回復有預期，對模型回復的好壞可以辨別從“提示詞工程”到“上下文工程”擴展（系統(tǒng)設定、記憶、系統(tǒng)狀態(tài)等），動態(tài)（每次執(zhí)行會有變化）教材

vs

教學場景；用戶視角

vs

大模型視角大模型的提示詞工程和上下文工程第15頁第30頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課AI2.0時代的思考第15頁第31頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課人是世界的尺度，活在意義之網(wǎng)中，人工智能讓這張網(wǎng)更有價值人類需要的是判斷力和表達力，不再是記憶力和知識儲備人是目的，不是手段，不要去和人工智能比工具性使用人工智能的人淘汰不使用人工智能的人使用人工智能的組織淘汰不使用人工智能的組織人工智能時代的策略：把握原理、躬身入局、隨時否定自己人工智能2.0時代的人才培養(yǎng)和通識教育課程01人工智能2.0時代人工智能的前世今生大模型的特點和局限大模型的發(fā)展觀察02人才需求和通識教育課人才需求人工智能通識課第15頁第32頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課第33頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求AI2.0時代的技術觀和人才觀：我們的判斷010203AI技術的突破和范式轉換如自然語言處理、計算機視覺、自動駕駛等數(shù)據(jù)智能：AI1.0到AI2.0智能門檻：判別-生成-推理社會對AI人才的需求應用能力：不要求專業(yè)深度，但也不是簡單的工具使用，而是深度應用解決問題思維能力：不是記憶和推理，而是問題定義、溝通表達、結果鑒別AI成為學生的必備素養(yǎng)現(xiàn)在，懂AI技術，會AI應用，具備競爭優(yōu)勢未來，懂AI技術，會AI應用，僅僅是不會競爭劣勢（必備技能）33/第5383頁0學5.人習工交智能流通可識課以加AI肖睿團學隊習微交流信可號加(微A信BZ號2（18zh0i)xingzhaizhuren）AI2.0時代的人才需求一、應用人才（實際上包括所有人）思維要求：用AI技術和工具去解決實際問題，提高工作和生活的效率和質量，賦能行業(yè)能力增加：問題定義能力，獨立思考能力和判斷力，表達和溝通能力能力減少：記憶力和知識儲備，計算推理能力，執(zhí)行力（紀律和毅力），創(chuàng)造力？教育需求：AI通識教育二、IT專業(yè)人才（產(chǎn)品經(jīng)理、開發(fā)崗位）思維要求：數(shù)據(jù)思維，模型思維，以人為本，賦能行業(yè)，理解場景能力增加：機器學習-深度學習-大模型原理，數(shù)據(jù)工程能力能力減少：代碼能力，邏輯能力？文檔能力，軟硬件工程能力（IT項目管理和適配）教育需求：新IT教育三、AI2.0專業(yè)人才（數(shù)據(jù)、算法和模型、算力和工程）思維要求：數(shù)學思維，好奇心和試錯思維，熱愛人類能力增加1：數(shù)據(jù)工程能力，數(shù)據(jù)合成能力能力增加2：底層軟硬件工程能力（芯片、通訊、操作系統(tǒng)）能力增加3：大模型范式能力（Transformer、Diffusion、RL等）能力減少：數(shù)學能力，機器學習傳統(tǒng)算法，深度學習傳統(tǒng)模型教育需求：AI專業(yè)教育各行業(yè)AI賦能人才日常的AI應用第34頁第34頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課大模型開發(fā)工程師AI應用開發(fā)工程師Agent開發(fā)工程師AI產(chǎn)品經(jīng)理...算法工程師深度學習專家大模型研究員...人工智能2.0時代的人才培養(yǎng)和通識教育課程01人工智能2.0時代人工智能的前世今生大模型的特點和局限大模型的發(fā)展觀察02人才需求和通識教育課人才需求人工智能通識課第34頁第35頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課人工智能賦能教育的四層障礙第34頁第36頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課人工智能時代2020s-

現(xiàn)在核心目標：人機協(xié)同能力與批判性思維主要技能：AI工具應用與提示詞工程AI輸出結果評估與驗證解決復雜問題的人機協(xié)作主要挑戰(zhàn)：平衡技術效率與獨立思考能力數(shù)字素養(yǎng)通識教育的變遷大數(shù)據(jù)時代2010s-

2020核心目標：數(shù)據(jù)思維與分析能力提升主要技能：數(shù)據(jù)收集與清洗處理數(shù)據(jù)可視化表達基礎統(tǒng)計分析與解讀主要挑戰(zhàn)：培養(yǎng)數(shù)據(jù)思維，理解數(shù)據(jù)價值計算機與互聯(lián)網(wǎng)時代1990s-

2000s核心目標：計算機應用和網(wǎng)絡資源利用能力主要技能：Office辦公軟件應用電子郵件與網(wǎng)頁搜索基本信息檢索與管理主要挑戰(zhàn)：降低數(shù)字鴻溝，普及基礎數(shù)字能力第34頁第37頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課AI2.0時代的人工智能教育一、面臨的環(huán)境缺乏積累：內(nèi)容體系、課件、師資、教學模式變化快速：傳統(tǒng)的內(nèi)容建設、課件開發(fā)、教師的知識更新模式都會面臨挑戰(zhàn)認知落后：傳統(tǒng)的編程思維、IT思維，會干擾AI2.0的課程內(nèi)容建設和目標評測二、面臨的困難課程迭代師資隊伍平臺環(huán)境支持：算力、數(shù)據(jù)、費用三、人工智能教育的解決路徑通識課：建立知識、思維、倫理方面的認知體系通育課：學會在學習、生活、社會生存場景下的人機協(xié)同技能和習慣通用課：與專業(yè)領域結合的應用和創(chuàng)新技能四、人工智能教育的長期問題：教育定位從：專業(yè)核心，知識運用，規(guī)范性思維到：問題核心，人機協(xié)作，批判性思維通用課第34頁第38頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課通育課通識課人工智能通識教育的陷阱傳統(tǒng)AI技術教育的局限AI1.0（DOS）簡本專業(yè)課（汽車制造和修理）缺乏動手場景第34頁第39頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課AI通識教育的學習需求AI2.0（Windows）懂AI用AI（公交司機、出租司機），拒絕勸退與工作場景和生活場景關聯(lián)人工智能通識課：目標與設計理念1、全局觀和現(xiàn)代AI技術的范式轉換智能的核心：推理-知識-數(shù)據(jù)數(shù)據(jù)智能：本質是數(shù)據(jù)建模，哲學基礎是經(jīng)驗論2、內(nèi)容定位：生成式AI思維與應用文本、圖像合成、音視頻生成技術不考慮數(shù)據(jù)處理能力和編程能力不建議計算機和互聯(lián)網(wǎng)應用內(nèi)容學習3、教學目標：通過工具實操與項目制學習，讓學生在實踐中具備AI思維，掌握分辨AI技術邊界的能力和解決問題的AI技能目標定位培養(yǎng)學生的AI全局觀本質理解應用能力1、培養(yǎng)理解高度與思考維度糾正常見AI誤解，建立正確認知多維度視角理解AI的意義：技術+社會+

哲學多維視角2、案例講解與動手實操提升自信與成就感案例分析四步法形成AI問題解決思維降低門檻，理解邊界，聚焦實用性教學資源和實驗平臺助力教學自學實操3、學科融合提升興趣和解決問題能力結合專業(yè)背景探索AI應用場景通過跨學科融合激發(fā)創(chuàng)新能力小組合作與創(chuàng)新任務第34頁第40頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求05.人工智能通識課設計理念人工智能通識課：內(nèi)容第41頁0學5.人習工交智能流通可識課以加AI肖睿團學隊習微交流信可號加(微A信BZ號2（18zh0i)xingzhaizhuren）41/第5481頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求PPT課件演示案例實戰(zhàn)任務課后作業(yè)人工智能通識課：課程和教學資源微課視頻第41頁0學5.人習工交智能流通可識課以加AI肖睿團學隊習微交流信可號加(微A信BZ號2（18zh0i)xingzhaizhuren）42/第5481頁01.人工智能的前世今生02.大模型的特點和局限03.大模型的發(fā)展觀察04.大模型時代的人才需求人工智能通識課：學科融合課前準備階段1.

專業(yè)化課程目標設定2.

專業(yè)關聯(lián)內(nèi)容篩選3.