模塊一：通用人工智能的曙光：AI大模型時代的技術(shù)和產(chǎn)業(yè)趨勢
1、人類歷史是一部生產(chǎn)力和科技發(fā)展史——從效率的角度看數(shù)字化和人工智能的源起
2、第四次工業(yè)革命的特征和要求
3、從早期人工智能算法到機器學(xué)習(xí)，到人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)：
a) 人工智能是一類計算機模擬的，完成傳統(tǒng)上認(rèn)為只有人類可以執(zhí)行的任務(wù)的硅基智能
b) 機器學(xué)習(xí)是一類讓算法從數(shù)據(jù)中找到規(guī)律、模式的設(shè)計:從判斷信用卡交易是否套現(xiàn)的實現(xiàn)，看程序代碼方式和機器學(xué)習(xí)方式的差異
c) 人工神經(jīng)網(wǎng)絡(luò)是一類機器學(xué)習(xí)算法，通過模擬生物神經(jīng)網(wǎng)絡(luò)，處理相對抽象的信息：人工神經(jīng)網(wǎng)絡(luò)怎么能識別小狗的照片？其實跟我們教小朋友認(rèn)小狗非常類似
4、從“偏科專才”到“通才”，通用人工智能的曙光：GPT為何如此令人興奮？
5、生成式AI興起 - 從分析式AI到生成式AI，AI從做判斷題/選擇題，到做填空/問答題
6、以ChatGPT為代表的等大語言模型基本核心原理
a) 如何看ChatGPT? 這其實是一個把文字變成數(shù)字編碼的“變形器”
b) GPT如何理解文字？—— 文字代表的概念，其實可以用一組數(shù)字屬性來描述
c) GPT如何理解句子和邏輯？- 理解一段話，就象偵探理解一個犯罪現(xiàn)場
d) 如何打造行業(yè)專家？—— 深入淺出理解為什么深度人工神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)到幾乎一切模式和規(guī)律？
7、其他主流大模型主要類別和基本原理
a) 以擴散模型為代表的文生圖模型：訓(xùn)練機器對像素的“組裝”和“組合”
b) 為NeRF為代表的三維構(gòu)建模型：算法對世界的“腦補”
c) 通用人工智能新曙光：OpenAI的“世界模擬器”SORA
8、AI大模型具有成為“人”“機”翻譯和“系統(tǒng)總調(diào)度”的巨大潛力
模塊三：AI大模型的企業(yè)應(yīng)用模式和落地路徑
15、大模型企業(yè)應(yīng)用模式
a) Prompt Engineering 提示詞工程 – 為大模型描述上下文環(huán)境和方法論
i. 基礎(chǔ)提示詞類型及應(yīng)用：讓大模型“照貓畫虎”的示例等方式
ii. 提示詞高級應(yīng)用模式：方法/算法表述
b) RAG 檢索增強生成：
i. 大模型的“智商”、“知識”和“經(jīng)驗”
ii. 插件 -為大模型加上“視覺中樞”“聽覺中樞”“行動中樞”
iii. 外接“云盤”向量數(shù)據(jù)庫 - 為大模型加上“海馬體”（大模型的長期記憶機制）
c) 精調(diào) — 通過訓(xùn)練調(diào)參真正提升大模型“智商”
i. 全量精調(diào)：對“精裝”房的全面再裝修
ii. 參數(shù)經(jīng)濟型精調(diào)PEFT：對“精裝”房周邊的面積增補和再精裝，而不動精裝房的主體
d) Agent — 使大模型從一個“大腦”成為具有數(shù)字/物理空間行動能力的智能體
i. AI Agent的概念源起和發(fā)展
ii. AI大模型在AI Agent的訓(xùn)練和應(yīng)用中的實踐
iii. AI Agent的典型實現(xiàn)方式
iv. RPA Agent：傳統(tǒng)數(shù)字化為“身體”，大模型為“大腦”的Agent
16、大模型的部署方式
a) 公有云模式 —— 住酒店，用酒店設(shè)備設(shè)施和服務(wù)
i. AIPaaS：人工智能開發(fā)云中臺 – 應(yīng)用開發(fā)和模型訓(xùn)練算力
ii. Model as a service 賦能云 ：面向模型定制和精調(diào)的AI服務(wù)- 模型訓(xùn)練算力
iii. AISaaS: 賦能百業(yè)的AI云應(yīng)用 – AI模型推理算力
b) 公有私有云/管理云模式 —— 住酒店公寓，自己的家裝電器家具
c) 私有云模式 —— 自己的房子，自己的家裝電器家具
17、制造行業(yè)大模型落地路徑：預(yù)訓(xùn)練模型（毛坯房） + 專業(yè)訓(xùn)練精調(diào)（精裝） + 行業(yè)知識庫（私家珍藏家裝家具） + 插件（外購家居產(chǎn)品和服務(wù)）
