类ChatGPT AI大模型-源起、发展和落地应用

课程目标：

厘清人工智能、机器学习、深度学习、AIGC、类ChatGPT大模型的基本概念和原理，了解类ChatGPT的落地和应用模式及逻辑，理解在一些具体领域和行业如何实践借助和利用类ChatGPT打造个性化差异竞争力。

参训对象：

管理层和业务骨干

授课形式：

知识讲解、案例分析讨论、角色演练、小组讨论、互动交流、游戏感悟、头脑风暴、强调学员参与。

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）
   1. 数字化：信息全周期的体系化
   2. 模型是知识、经验和技能的封装
   3. 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
   1. 词的“内嵌”
   2. 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
   1. 文生图：训练机器对像素的“组装”
   2. 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
   1. - Prompt engineering&in- context learning 提示词工程&上下文学习
   2. 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
   3. 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
   1. 预训练
   2. 大模型瘦身：知识蒸馏和转移学习
   3. 经典调参
   4. 指令调参
   5. 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

Q&A

讲师介绍：尹老师

“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。”

———— 尹老师

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，前德勤Oracle CX首席架构师，前Oracle Master企业架构师