《类ChatGPT AI大模型 – 源起、发展和实战落地应用》大纲

《类ChatGPT AI大模型 – 源起、发展和实战落地应用》

“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

课程时长：

0.5- 1天

课程讲师：

尹智：上海人工智能研究院首席咨询顾问，上海人工智能技术协会专家委员会委员，上海市元宇宙产业发展专家咨询委员会专家，合肥元宇宙产业协会副会长单位负责人，贵州大数据专家委员会委员，临港产业大学客座教授，前商汤科技智能产业研究院首席架构师，前德勤Oracle CX首席架构师，前Oracle Master企业架构师

课程大纲：

模块一：人工智能的源起和进化

人工智能出现和发展的大背景

第四次工业革命的特征和要求

人工智能的本质：从人类的脑力工作与相应的智能说起

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？

从分析式AI到生成式AI，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？

从信息，到模型，到行动（具体智能）

数字化：信息全周期的体系化

模型是知识、经验和技能的封装

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

为什么是 "大"模型？为什么不是"小"而"精"的模型？

为什么通用人工智能曙光率先在自然语言处理领域展现？

大语言模型的根基: NLP以及Transformer的基本核心原理

词的“内嵌”

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

ChatGPT的独到之处

其他大模型主要类别和基本原理

文生图：训练机器对像素的“组装”

图生3D：算法对世界的“脑补”

大模型的“智力”、“技能”和“知识”

如何利用大模型:基本模式

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

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

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）

对开源大模型精调和定制

预训练

大模型瘦身：知识蒸馏和转移学习

经典调参

指令调参

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

类ChatGPT大模型的挑战和风险

GPT的几大能力：检索、创造和逻辑推理

大模型时代，我们需要什么能力？需要什么人才？

大模型带来的“软件2.0”范式

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

下一代AI:多模态大模型和机器人系统会有何化学反应？

模块四：大模型体系的行业应用和落地模式

视觉智能赋能的工业质检

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

AR/VR巡检和培训

工业互联网：从IOT到AIOT

机器学习驱动的生产过程的模型化优化

仓储物流的AI应用

多模态大模型赋能的数字人客服和呼叫中心

办公文档和数据分析 Powered by 多模态大模型

培训和问答 Powered by 大语言模型

AIGC赋能的数字营销

基于机器学习的金融风控应用游戏和元宇宙中的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

大模型&AR赋能的新形态文商旅客户体验

基于AI大模型的（数据查询/分析）代码生成

国际主流AI大模型介绍

商汤科技的大模型体系及视频介绍

国内行业大模型落地模式和方案分析对比：通用思路 - 预训练模型 + 专业训练精调 + 行业知识库 + 插件

思考和小结

Q&A