人工智能通識(shí)教育僅供學(xué)習(xí)交流使用人工智能2.0時(shí)代的人才培養(yǎng)和通識(shí)教育課程01人工智能2.0時(shí)代人工智能的前世今生大模型的特點(diǎn)和局限大模型的發(fā)展觀察02人才需求和通識(shí)教育課人才需求人工智能通識(shí)課第2頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課人工智能0.0：古代（1956-2006，從規(guī)則到學(xué)習(xí)）人工智能：讓機(jī)器具備人類智能，讓機(jī)器具備非人類智能（超人類智能）傳統(tǒng)（知識(shí)+規(guī)則）：專家系統(tǒng)（知識(shí)庫(kù)+推理機(jī)）現(xiàn)代（數(shù)據(jù)+學(xué)習(xí)）：機(jī)器學(xué)習(xí)（模型、目標(biāo)、策略），數(shù)據(jù)模型（IID，用數(shù)學(xué)模型模擬世界）常規(guī)統(tǒng)計(jì)學(xué)習(xí)方法：邏輯回歸，決策森林，支持向量機(jī)，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(luò)：與人腦最大的共同點(diǎn)是名字（原理、機(jī)制和架構(gòu)并不一樣），用神經(jīng)網(wǎng)絡(luò)表達(dá)數(shù)學(xué)模型1、傳統(tǒng)神經(jīng)網(wǎng)絡(luò)：霍普菲爾德網(wǎng)絡(luò)，玻爾茲曼機(jī)，…..2、深度神經(jīng)網(wǎng)絡(luò)：深度學(xué)習(xí)（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(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課人工智能1.0：近代（2006-2020，深度學(xué)習(xí)））深度學(xué)習(xí)：深度神經(jīng)網(wǎng)絡(luò)2006：傳統(tǒng)架構(gòu)：DBN，CNN，RNN，ResNet，Inception，RWKV，

……ImageNet（超過(guò)人眼）AlphaGO（超過(guò)人類棋手）AlphaFold（超過(guò)人類科學(xué)家）2017：Transformer架構(gòu)：注意力機(jī)制（Attention）預(yù)訓(xùn)練模型架構(gòu)：編碼器（BERT）：

embedding，Ernie1.0，……混合網(wǎng)絡(luò)：T5、GLM（早期）解碼器（GPT）：生成式人工智能（AIGC預(yù)訓(xùn)練模型架構(gòu)：并行矩陣計(jì)算（GPU）堆疊架構(gòu)，容易擴(kuò)展，大力出奇跡第4頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課人工智能2.0：現(xiàn)代（2020-，大模型）大模型（預(yù)訓(xùn)練大模型）：大（數(shù)據(jù)多、參數(shù)多、算力多），模型（語(yǔ)言、視覺(jué)、多模態(tài)）GPT架構(gòu)：解碼器（GPT），生成式人工智能（AIGC），生成-理解-決策（RL）Transformer：大語(yǔ)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(jué)模型圖像：

Stable

Diffusion、Mid-

Journey、DALL.E

等視頻：Sora、可靈、即夢(mèng)、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(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課人工智能2.0時(shí)代的人才培養(yǎng)和通識(shí)教育課程01人工智能2.0時(shí)代人工智能的前世今生大模型的特點(diǎn)和局限大模型的發(fā)展觀察02人才需求和通識(shí)教育課人才需求人工智能通識(shí)課第6頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課Generative（生成式）Pre-trained（預(yù)訓(xùn)練）Transformer（一種深度神經(jīng)網(wǎng)絡(luò)架構(gòu)）大模型的工作原理:

NTP（Next

Token

Prediction）4.基于上下文預(yù)測(cè)下一個(gè)token為可能的單詞分配概率分?jǐn)?shù)示例:{“去”:0.7.

“停":0.2,“站":0.1}3.

采用Transformer架構(gòu)處理token理解token之間的關(guān)系識(shí)別提示詞的整體含義5.根據(jù)概率分?jǐn)?shù)選擇標(biāo)記示例:“去”1.

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

Model“今天”,

“天”,

“氣”,

“不”,

“錯(cuò)”“,”,

“我”,

“決定”][,GPT第7頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課大模型的工作過(guò)程：預(yù)訓(xùn)練-后訓(xùn)練-推理大模型工作過(guò)程階段1：模型訓(xùn)練（預(yù)訓(xùn)練+后訓(xùn)練）第8頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課預(yù)訓(xùn)練（自監(jiān)督）階段2：推理強(qiáng)化學(xué)習(xí)(RLHF等等)處理輸入（上下文）進(jìn)行推理（測(cè)試時(shí)計(jì)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(tuán)隊(duì)

中文大模型基準(zhǔn)測(cè)評(píng)2025年3月報(bào)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(tái)的默認(rèn)圖像引擎

OpenAI發(fā)布o(jì)3-mini

、GPT-4.5，前者推動(dòng)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(guó)內(nèi)推理模型持續(xù)跟進(jìn)。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(guó)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(guó)內(nèi)開(kāi)源生態(tài)持續(xù)引領(lǐng)模型普惠化。DeepSeek-R1通過(guò)開(kāi)源與性價(jià)比優(yōu)勢(shì)持續(xù)推動(dòng)行業(yè)技術(shù)普惠化進(jìn)程。繁榮期OpenAI發(fā)布Sora，極大拓展了AI在視頻領(lǐng)域的想象力。GPT-40、Claude3.5、Gemini1.5、Llama3發(fā)布，海外進(jìn)入“一超多強(qiáng)”的競(jìng)爭(zhēng)格局。國(guó)內(nèi)多模態(tài)領(lǐng)域進(jìn)展迅速，在部分領(lǐng)域領(lǐng)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(yīng)用進(jìn)展。國(guó)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(zhǔn)備期深化期躍進(jìn)期ChatGPT發(fā)布，全球范圍內(nèi)迅速形成大模型共識(shí)。GPT4發(fā)布，進(jìn)一步掀起大模型研發(fā)熱潮。國(guó)內(nèi)快速跟進(jìn)大模型研發(fā)，文心一言1.0、通義千問(wèn)、訊飛星火、360智腦、ChatGLM等首批模型相繼發(fā)布。第9頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課Llama2開(kāi)源，極大助力全球大模型開(kāi)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(guó)內(nèi)閉源大模型快速發(fā)展，豆包、混元、商湯3.0、盤(pán)古3.0、AndesGPT、BlueLM、星火3.0、KimiChat等陸續(xù)發(fā)布。國(guó)內(nèi)開(kāi)源生態(tài)爆發(fā)，Baichuan、Qwen、InternLM、ChatGLM3、Yi-34B等系列模型引領(lǐng)開(kāi)源熱潮。大語(yǔ)言模型的能力邊界?生成嚴(yán)肅內(nèi)容+垃圾信息的混合知識(shí)量大，但缺少內(nèi)在關(guān)聯(lián)能力?幻覺(jué)來(lái)源：有損壓縮，

NTP的溫度觀點(diǎn)：創(chuàng)意和創(chuàng)新?記憶1.

多輪對(duì)話：產(chǎn)品設(shè)計(jì)，計(jì)算成本1.

語(yǔ)言能力：理解和生成知識(shí)能力幻覺(jué)（生成不符合事實(shí)的內(nèi)容）知識(shí)庫(kù)限制（公開(kāi)、私有、即時(shí)）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(qiáng)（RAG）知識(shí)圖譜（KGE）5. 模型微調(diào)（Fine

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

DeepSeek推出對(duì)標(biāo)OpenAIGPT-4o的

語(yǔ)言模型DeepSeek

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

DeepSeek發(fā)布對(duì)標(biāo)OpenAI

o1

的DeepSeek

R1大語(yǔ)言模型，并于1月24日引起美國(guó)投資界KOL關(guān)注。2025年1月26日，關(guān)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(dá)股價(jià)大跌，DeepSeek首先在美國(guó)出圈，引發(fā)國(guó)際社會(huì)討論。2025年1月底（春節(jié)前后），

DeepSeek在中國(guó)出圈，并上升到中美競(jìng)爭(zhēng)高度，同時(shí)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(yè)第12頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課到底誰(shuí)是DeepSeek？公司、模型、產(chǎn)品第10頁(yè)第13頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課公司、模型、產(chǎn)品引起中美AI行業(yè)內(nèi)部關(guān)注的是：模型引起美國(guó)關(guān)注的是：模型和公司春節(jié)前后在中國(guó)出圈的是：產(chǎn)品產(chǎn)品優(yōu)勢(shì)（用戶可感受到）思考過(guò)程展示中文好有情商容易獲得，使用簡(jiǎn)單聯(lián)網(wǎng)和來(lái)源引用速度快免費(fèi)DeepSeek模型優(yōu)勢(shì)混合專家MOE強(qiáng)化學(xué)習(xí)GRPO通訊優(yōu)化DualPipe多Token預(yù)測(cè)MTP混合精度訓(xùn)練FP8直接硬件編程PTX多頭潛注意力MLA測(cè)試時(shí)計(jì)算TTC并行訓(xùn)練框架HAI第10頁(yè)第14頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課能力突破開(kāi)源、低成本、國(guó)產(chǎn)自主DeepSeek以“推理能力+第一梯隊(duì)性能”為核心基礎(chǔ)，疊加：開(kāi)源開(kāi)放、超低成本、國(guó)產(chǎn)自主研發(fā)三大優(yōu)勢(shì)，不僅實(shí)現(xiàn)技術(shù)代際跨越，更推動(dòng)AI技術(shù)普惠化與國(guó)產(chǎn)化生態(tài)繁榮，成為全球大模型賽道的重要領(lǐng)跑者。?

基礎(chǔ)能力：進(jìn)入推理模型階段，并躋身全球第一梯隊(duì)推理能力躍升：DeepSeek大模型核心技術(shù)突破，實(shí)現(xiàn)復(fù)雜推理任務(wù)的精準(zhǔn)處理與高效執(zhí)行，覆蓋多模態(tài)場(chǎng)景應(yīng)用。國(guó)際競(jìng)爭(zhēng)力對(duì)標(biāo)：模型綜合性能躍居全球第一梯隊(duì)，技術(shù)指標(biāo)與國(guó)際頂尖水平（如GPT系列、Claude等）直接對(duì)標(biāo)，奠定國(guó)產(chǎn)大模型的行業(yè)標(biāo)桿地位。核心加分項(xiàng)：開(kāi)源、低成本、國(guó)產(chǎn)自主開(kāi)源：技術(shù)共享，生態(tài)共建全量開(kāi)源訓(xùn)練代碼、數(shù)據(jù)清洗工具及微調(diào)框架開(kāi)發(fā)者可快速構(gòu)建教育、金融、醫(yī)療等垂直領(lǐng)域應(yīng)用，推動(dòng)協(xié)同創(chuàng)新。2.

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

：顯著低于行業(yè)同類模型，打破高價(jià)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(guó)產(chǎn)自主：技術(shù)自主，縮短差距將國(guó)產(chǎn)模型與美國(guó)的代際差距從1-2年縮短至3-5個(gè)月，突破“卡脖子”技術(shù)瓶頸。構(gòu)建多行業(yè)專屬模型矩陣，全面支持國(guó)內(nèi)產(chǎn)業(yè)智能化升級(jí)。DeepSeek

V3/R1模型的創(chuàng)新第15頁(yè)第15頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課一、基礎(chǔ)架構(gòu)：1. 混合專家模型（MoE）：DeepSeek采用MoE架構(gòu)，通過(guò)動(dòng)態(tài)選擇最適合輸入數(shù)據(jù)的專家模塊進(jìn)行處理，提升推理能力和效率。2. 無(wú)輔助損失的專家負(fù)載均衡策略（EP）：該策略使DeepSeekMoE在不對(duì)優(yōu)化目標(biāo)產(chǎn)生干擾的前提下，實(shí)現(xiàn)各個(gè)專家的負(fù)載均衡，避免了某些專家可能會(huì)被過(guò)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(jī)制（MLA）：MLA通過(guò)低秩壓縮減少Key-Value緩存，顯著提升推理效率。4. 強(qiáng)化學(xué)習(xí)（RL）：DeepSeek-R1在訓(xùn)練中大規(guī)模應(yīng)用強(qiáng)化學(xué)習(xí)(讓模型自我探索和訓(xùn)練)，將傳統(tǒng)的PPO替換為GRPO訓(xùn)練算法，顯著提升推理能力。5. 多Token預(yù)測(cè)（MTP）：通過(guò)多Token預(yù)測(cè)，

Deepseek不僅提高了推理速度，還降低了訓(xùn)練成本。二、訓(xùn)練及框架：1.

FP8混合精度訓(xùn)練（FP8）：在關(guān)鍵計(jì)算步驟使用高精度，其他模型層使用FP8低精度進(jìn)一步降低訓(xùn)練成本。這一點(diǎn)，是DeepSeek團(tuán)隊(duì)非常有價(jià)值的創(chuàng)新和突破。2. 長(zhǎng)鏈推理技術(shù)（TTC）：模型支持?jǐn)?shù)萬(wàn)字的長(zhǎng)鏈推理，可逐步分解復(fù)雜問(wèn)題并進(jìn)行多步驟邏輯推理。3. 并行訓(xùn)練系統(tǒng)（HAI）：16

路流水線并行(Pipeline

Parallelism,

PP)、跨

8

個(gè)節(jié)點(diǎn)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(xùn)練速度。4. 通訊優(yōu)化（DualPipe）：

高效的跨節(jié)點(diǎn)通信內(nèi)核，充分利用

IB

和NVLink

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

V3/R1模型的創(chuàng)新第15頁(yè)第16頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課三、社會(huì)價(jià)值：開(kāi)源生態(tài)：使用最為開(kāi)放的MIT開(kāi)源協(xié)議，吸引了大量研究人員和應(yīng)用廠商，推動(dòng)了AI技術(shù)的發(fā)展。模型蒸餾支持：DeepSeek-R1同時(shí)發(fā)布了多個(gè)模型蒸餾。雖然這些蒸餾模型的生產(chǎn)初衷是為了驗(yàn)證蒸餾效果，但客觀上幫助用戶有機(jī)會(huì)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(yīng)用場(chǎng)景需求。副作用是：給市場(chǎng)和用戶造成了很多困擾。AI產(chǎn)品和技術(shù)的普及：對(duì)于大模型研發(fā)企業(yè)，更加重視infra工程的價(jià)值了。對(duì)于大模型應(yīng)用企業(yè)，有了更多高效低成本解決方案。對(duì)于社會(huì)大眾，認(rèn)識(shí)到AI是一個(gè)趨勢(shì)，不是曇花一現(xiàn)。對(duì)于市場(chǎng)，用戶開(kāi)始主動(dòng)引入AI，不再懷疑了。對(duì)于國(guó)家，大幅縮小了中美的核心技術(shù)差距。對(duì)于全人類，技術(shù)平權(quán)，造福一方。DeepSeek

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

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

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

R1

對(duì)大模型行業(yè)的重大影響DeepSeek-R1以低成本和開(kāi)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(jià)僅為行業(yè)均價(jià)的1/10,推動(dòng)了中小型企業(yè)低成本接入AI,對(duì)行業(yè)產(chǎn)生了積極影響DeepSeek-R1促使行業(yè)開(kāi)始從“

唯規(guī)模論”

轉(zhuǎn)向更加注重“性價(jià)比”和“高效能”方向0102第15頁(yè)第20頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課03打破壟斷價(jià)格下調(diào)推動(dòng)創(chuàng)新人工智能：快速?zèng)_擊智力行業(yè)，逐漸侵蝕物理世界人工智能：讓機(jī)器具備人類智能，讓機(jī)器具備非人類智能（超人類智能）機(jī)器學(xué)習(xí)深度學(xué)習(xí)大模型大語(yǔ)言模型：DeepSeek視覺(jué)模型：可靈、

即夢(mèng)多模態(tài)模型：GPT-4o第15頁(yè)第21頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)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(jì)價(jià)值創(chuàng)造任務(wù)中表現(xiàn)優(yōu)于人類的高度自主系統(tǒng)。AI肖睿團(tuán)隊(duì)：90%的智力任務(wù)上超過(guò)90%的人類，很可能在2030年之前到來(lái)。,在問(wèn)題求解方面AI學(xué)會(huì)求解問(wèn)題，涌現(xiàn)世界知識(shí)和類人的復(fù)雜邏輯推理能力突破圖靈測(cè)試AI能力全面超越人類，具備探究科學(xué)規(guī)律、世界起源等終極問(wèn)題的能力Level

1.AI學(xué)會(huì)使用人類語(yǔ)言，在大多數(shù)自然語(yǔ)言任務(wù)上突破圖靈測(cè)試Level

2.Level

3.AI學(xué)會(huì)使用工具，利用工具完成多數(shù)人類物理世界問(wèn)題,在工具使用方面突破圖靈測(cè)試Level

4.Al通過(guò)自我學(xué)習(xí),具備自我批判、自我改進(jìn)以及自我反思能力Level

5.第15頁(yè)第22頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課?Agent是傳統(tǒng)應(yīng)用（工具+流程）的AI改造?工具：直接使用模型或AI產(chǎn)品增強(qiáng)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(shì)：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(gè)筆記本電腦：大模型就是CPU2. A2A就是網(wǎng)絡(luò)接口3. MCP就是USB接口Agent：從human

in

loop到human

on

loop第15頁(yè)第23頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課人類設(shè)立任務(wù)目標(biāo)AI對(duì)其中某(

幾)

個(gè)任務(wù)提供信息或建議人類自主結(jié)束工作人類設(shè)立任務(wù)目標(biāo)AI完成其中某(

幾)

個(gè)流程的初稿人類修改調(diào)整確認(rèn)人類自主結(jié)束工作設(shè)立目標(biāo)提供資源監(jiān)督結(jié)果全權(quán)代理任務(wù)拆分工具選擇進(jìn)度控制自主結(jié)束工作Agent的核心特征是自主（請(qǐng)人類走開(kāi)）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(zhì)這一波人工智能本質(zhì)上是數(shù)據(jù)智能，只要是有時(shí)間結(jié)構(gòu)和空間結(jié)構(gòu)的數(shù)據(jù)，都可以識(shí)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(yǔ)言智能，通過(guò)分析和建模人類語(yǔ)言，獲取人類的知識(shí)，并進(jìn)一步獲取人類的思維模式。或許，AI只是一個(gè)我們和他人和祖先和整個(gè)人類的意義世界的交互的接口的翻譯器。與我們對(duì)話的，不是AI，而是AI背后那個(gè)人類構(gòu)造出的意義世界。因此，

AI可以成為我們的伙伴和導(dǎo)師，例如：

DeepSeek對(duì)貪嗔癡的解釋。對(duì)現(xiàn)代人工智能的正確認(rèn)知：本質(zhì)、關(guān)鍵過(guò)程、關(guān)鍵要素第15頁(yè)第24頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課大模型技術(shù)的關(guān)鍵過(guò)程預(yù)訓(xùn)練：中小學(xué)，打基礎(chǔ)后訓(xùn)練：RL、SFT。大學(xué)，有專業(yè)微調(diào)、Prompt。入職實(shí)習(xí)，能干活大模型技術(shù)的關(guān)鍵要素Token：萬(wàn)物皆tokenAttention：熵減即智能GPT：大力出奇跡Data：以古鑒今RL：自學(xué)成才（決策，探索未知，生成數(shù)據(jù)）優(yōu)化：卷Infra和算法，實(shí)事求是，反抽象FT：后訓(xùn)練的藝術(shù)TTC：大力出奇跡

AGAINPrompt：有話好好說(shuō)Agent：最后的筐對(duì)現(xiàn)代人工智能的正確認(rèn)知：AI與IT的區(qū)別IT：確定性的任務(wù)（簡(jiǎn)單和繁雜），以代碼邏輯為核心1.0：記憶+計(jì)算（馮諾依曼；軟件時(shí)代）2.0：記憶+計(jì)算+搜索（互聯(lián)網(wǎng)時(shí)代）AI：不確定的任務(wù)（復(fù)雜和混沌），以數(shù)據(jù)模型為核心0.0：專家系統(tǒng)：知識(shí)+規(guī)則1.0：機(jī)器學(xué)習(xí)：數(shù)據(jù)+學(xué)習(xí)，白盒0.5：傳統(tǒng)機(jī)器學(xué)習(xí)：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(luò)：人類定義特征，模型自己學(xué)習(xí)模型參數(shù)2.0：深度學(xué)習(xí)：數(shù)據(jù)+學(xué)習(xí)，黑盒（不可控，有錯(cuò)誤概率）1.5：判別模型：人類只提供數(shù)據(jù)，端到端學(xué)習(xí)（模型自己抽取特征，自己學(xué)習(xí)模型參數(shù)）2.0：生成模型：訓(xùn)練階段+推理階段；壓縮+生成（幻覺(jué)）2.5：推理模型：訓(xùn)練階段強(qiáng)化學(xué)習(xí)；推理階段慢思考IT應(yīng)用與AI應(yīng)用的關(guān)鍵差異：在互聯(lián)網(wǎng)時(shí)代，用戶使用系統(tǒng)的成本很低，邊際成本接近于零。在AI時(shí)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(yè)第25頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課大模型技術(shù)的應(yīng)用階段知識(shí)庫(kù)目標(biāo)是利用企

業(yè)

內(nèi)

部知

識(shí)庫(kù)，提高

AI

在特定領(lǐng)域問(wèn)答或內(nèi)容生成

的

準(zhǔn)

確性

和相關(guān)性。提示詞目標(biāo)是快速驗(yàn)

證AI

是

否能解決某個(gè)特定

的

業(yè)

務(wù)痛

點(diǎn)（例如

，

初步的文本分類、簡(jiǎn)單的信息提

取

）

。行業(yè)模型目標(biāo)是利用行

業(yè)

領(lǐng)

先的

AI能力，

解決更

復(fù)雜、專業(yè)的問(wèn)題。03020401第15頁(yè)第26頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課模型微調(diào)目標(biāo)是進(jìn)一步

優(yōu)

化

模型

在特定任務(wù)上的

性

能

，

使

其更符合企業(yè)的具

體

需求

和數(shù)據(jù)特點(diǎn)。AI與提示詞的關(guān)系-人類與大模型合作方式給剛畢業(yè)的優(yōu)秀大學(xué)生安排任務(wù)第15頁(yè)第27頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課知識(shí)淵博的專家為你解決具體任務(wù)給外包員工安排任務(wù)把自己當(dāng)老板，像對(duì)待你的員工一樣，對(duì)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(gè)騎手的騎術(shù)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(tuán)隊(duì)的《提示詞工程和場(chǎng)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(yè)第28頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課AI與提示詞的關(guān)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(shí)和場(chǎng)景（Prompt+know

how）將掌握的信息傳遞給AI。使用詳細(xì)的描述、舉例、甚至提供數(shù)據(jù)等方式。比如你了解某個(gè)地方的獨(dú)特方言，而AI的訓(xùn)練數(shù)據(jù)中沒(méi)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(diǎn)，例如發(fā)音、詞匯等。AI不知道+我不知道共同進(jìn)行研究和探索，可以利用AI的計(jì)算和分析能力，結(jié)合人類的創(chuàng)造力和直覺(jué)，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(xué)數(shù)據(jù)和研究文獻(xiàn)，讓AI分析潛在的關(guān)聯(lián)性，并提出新的研究方向。AI知道+我知道簡(jiǎn)單表達(dá)（明確指令：

使用清晰的動(dòng)詞和目標(biāo)，例如“比較”、“總結(jié)”、“分析”、“生成”等。）比如雙方都知道“二戰(zhàn)”，你可以直接問(wèn)“二戰(zhàn)爆發(fā)的原因是什么？”,或者更進(jìn)一步問(wèn)“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(duì)話同頻（使用開(kāi)放式討論，例如“什么是”、“如何”、“有哪些”等。）比如AI知道很多關(guān)于商業(yè)模式的知識(shí)，而你不太了解，你可以問(wèn)“我在做美術(shù)教育，有哪些好的盈利模式？”。簡(jiǎn)單說(shuō)提問(wèn)題開(kāi)放聊喂模式第15頁(yè)第29頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課提示詞的發(fā)展：多變、內(nèi)在規(guī)律、分化提示詞的本質(zhì)：大模型不夠聰明提示詞的目標(biāo)：人機(jī)對(duì)齊（信息和意圖）提示詞的價(jià)值流變：對(duì)話場(chǎng)景下，越來(lái)越成為人類自身的思維工具對(duì)人類的要求定義AI問(wèn)題：把現(xiàn)實(shí)中的問(wèn)題轉(zhuǎn)化為可以用AI解決的問(wèn)題布置AI任務(wù)：在有限的上下文里，清晰的表達(dá)，告訴所需的背景信息驗(yàn)收AI工作：對(duì)回復(fù)有預(yù)期，對(duì)模型回復(fù)的好壞可以辨別從“提示詞工程”到“上下文工程”擴(kuò)展（系統(tǒng)設(shè)定、記憶、系統(tǒng)狀態(tài)等），動(dòng)態(tài)（每次執(zhí)行會(huì)有變化）教材

vs

教學(xué)場(chǎng)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(yè)第30頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課AI2.0時(shí)代的思考第15頁(yè)第31頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)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(jià)值人類需要的是判斷力和表達(dá)力，不再是記憶力和知識(shí)儲(chǔ)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(shí)代的策略：把握原理、躬身入局、隨時(shí)否定自己人工智能2.0時(shí)代的人才培養(yǎng)和通識(shí)教育課程01人工智能2.0時(shí)代人工智能的前世今生大模型的特點(diǎn)和局限大模型的發(fā)展觀察02人才需求和通識(shí)教育課人才需求人工智能通識(shí)課第15頁(yè)第32頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課第33頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求AI2.0時(shí)代的技術(shù)觀和人才觀：我們的判斷010203AI技術(shù)的突破和范式轉(zhuǎn)換如自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、自動(dòng)駕駛等數(shù)據(jù)智能：AI1.0到AI2.0智能門(mén)檻：判別-生成-推理社會(huì)對(duì)AI人才的需求應(yīng)用能力：不要求專業(yè)深度，但也不是簡(jiǎn)單的工具使用，而是深度應(yīng)用解決問(wèn)題思維能力：不是記憶和推理，而是問(wèn)題定義、溝通表達(dá)、結(jié)果鑒別AI成為學(xué)生的必備素養(yǎng)現(xiàn)在，懂AI技術(shù)，會(huì)AI應(yīng)用，具備競(jìng)爭(zhēng)優(yōu)勢(shì)未來(lái)，懂AI技術(shù)，會(huì)AI應(yīng)用，僅僅是不會(huì)競(jìng)爭(zhēng)劣勢(shì)（必備技能）33/第5383頁(yè)0學(xué)5.人習(xí)工交智能流通可識(shí)課以加AI肖睿團(tuán)學(xué)隊(duì)習(xí)微交流信可號(hào)加(微A信BZ號(hào)2（18zh0i)xingzhaizhuren）AI2.0時(shí)代的人才需求一、應(yīng)用人才（實(shí)際上包括所有人）思維要求：用AI技術(shù)和工具去解決實(shí)際問(wèn)題，提高工作和生活的效率和質(zhì)量，賦能行業(yè)能力增加：?jiǎn)栴}定義能力，獨(dú)立思考能力和判斷力，表達(dá)和溝通能力能力減少：記憶力和知識(shí)儲(chǔ)備，計(jì)算推理能力，執(zhí)行力（紀(jì)律和毅力），創(chuàng)造力？教育需求：AI通識(shí)教育二、IT專業(yè)人才（產(chǎn)品經(jīng)理、開(kāi)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(chǎng)景能力增加：機(jī)器學(xué)習(xí)-深度學(xué)習(xí)-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(xiàng)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(xué)思維，好奇心和試錯(cuò)思維，熱愛(ài)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(xué)能力，機(jī)器學(xué)習(xí)傳統(tǒng)算法，深度學(xué)習(xí)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(yīng)用第34頁(yè)第34頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課大模型開(kāi)發(fā)工程師AI應(yīng)用開(kāi)發(fā)工程師Agent開(kāi)發(fā)工程師AI產(chǎn)品經(jīng)理...算法工程師深度學(xué)習(xí)專家大模型研究員...人工智能2.0時(shí)代的人才培養(yǎng)和通識(shí)教育課程01人工智能2.0時(shí)代人工智能的前世今生大模型的特點(diǎn)和局限大模型的發(fā)展觀察02人才需求和通識(shí)教育課人才需求人工智能通識(shí)課第34頁(yè)第35頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課人工智能賦能教育的四層障礙第34頁(yè)第36頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課人工智能時(shí)代2020s-

現(xiàn)在核心目標(biāo)：人機(jī)協(xié)同能力與批判性思維主要技能：AI工具應(yīng)用與提示詞工程AI輸出結(jié)果評(píng)估與驗(yàn)證解決復(fù)雜問(wèn)題的人機(jī)協(xié)作主要挑戰(zhàn)：平衡技術(shù)效率與獨(dú)立思考能力數(shù)字素養(yǎng)通識(shí)教育的變遷大數(shù)據(jù)時(shí)代2010s-

2020核心目標(biāo)：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(dá)基礎(chǔ)統(tǒng)計(jì)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(jià)值計(jì)算機(jī)與互聯(lián)網(wǎng)時(shí)代1990s-

2000s核心目標(biāo)：計(jì)算機(jī)應(yīng)用和網(wǎng)絡(luò)資源利用能力主要技能：Office辦公軟件應(yīng)用電子郵件與網(wǎng)頁(yè)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(chǔ)數(shù)字能力第34頁(yè)第37頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課AI2.0時(shí)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(xué)模式變化快速：傳統(tǒng)的內(nèi)容建設(shè)、課件開(kāi)發(fā)、教師的知識(shí)更新模式都會(huì)面臨挑戰(zhàn)認(rèn)知落后：傳統(tǒng)的編程思維、IT思維，會(huì)干擾AI2.0的課程內(nèi)容建設(shè)和目標(biāo)評(píng)測(cè)二、面臨的困難課程迭代師資隊(duì)伍平臺(tái)環(huán)境支持：算力、數(shù)據(jù)、費(fèi)用三、人工智能教育的解決路徑通識(shí)課：建立知識(shí)、思維、倫理方面的認(rèn)知體系通育課：學(xué)會(huì)在學(xué)習(xí)、生活、社會(huì)生存場(chǎng)景下的人機(jī)協(xié)同技能和習(xí)慣通用課：與專業(yè)領(lǐng)域結(jié)合的應(yīng)用和創(chuàng)新技能四、人工智能教育的長(zhǎng)期問(wèn)題：教育定位從：專業(yè)核心，知識(shí)運(yùn)用，規(guī)范性思維到：?jiǎn)栴}核心，人機(jī)協(xié)作，批判性思維通用課第34頁(yè)第38頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課通育課通識(shí)課人工智能通識(shí)教育的陷阱傳統(tǒng)AI技術(shù)教育的局限AI1.0（DOS）簡(jiǎn)本專業(yè)課（汽車制造和修理）缺乏動(dòng)手場(chǎng)景第34頁(yè)第39頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課AI通識(shí)教育的學(xué)習(xí)需求AI2.0（Windows）懂AI用AI（公交司機(jī)、出租司機(jī)），拒絕勸退與工作場(chǎng)景和生活場(chǎng)景關(guān)聯(lián)人工智能通識(shí)課：目標(biāo)與設(shè)計(jì)理念1、全局觀和現(xiàn)代AI技術(shù)的范式轉(zhuǎn)換智能的核心：推理-知識(shí)-數(shù)據(jù)數(shù)據(jù)智能：本質(zhì)是數(shù)據(jù)建模，哲學(xué)基礎(chǔ)是經(jīng)驗(yàn)論2、內(nèi)容定位：生成式AI思維與應(yīng)用文本、圖像合成、音視頻生成技術(shù)不考慮數(shù)據(jù)處理能力和編程能力不建議計(jì)算機(jī)和互聯(lián)網(wǎng)應(yīng)用內(nèi)容學(xué)習(xí)3、教學(xué)目標(biāo)：通過(guò)工具實(shí)操與項(xiàng)目制學(xué)習(xí)，讓學(xué)生在實(shí)踐中具備AI思維，掌握分辨AI技術(shù)邊界的能力和解決問(wèn)題的AI技能目標(biāo)定位培養(yǎng)學(xué)生的AI全局觀本質(zhì)理解應(yīng)用能力1、培養(yǎng)理解高度與思考維度糾正常見(jiàn)AI誤解，建立正確認(rèn)知多維度視角理解AI的意義：技術(shù)+社會(huì)+

哲學(xué)多維視角2、案例講解與動(dòng)手實(shí)操提升自信與成就感案例分析四步法形成AI問(wèn)題解決思維降低門(mén)檻，理解邊界，聚焦實(shí)用性教學(xué)資源和實(shí)驗(yàn)平臺(tái)助力教學(xué)自學(xué)實(shí)操3、學(xué)科融合提升興趣和解決問(wèn)題能力結(jié)合專業(yè)背景探索AI應(yīng)用場(chǎng)景通過(guò)跨學(xué)科融合激發(fā)創(chuàng)新能力小組合作與創(chuàng)新任務(wù)第34頁(yè)第40頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求05.人工智能通識(shí)課設(shè)計(jì)理念人工智能通識(shí)課：內(nèi)容第41頁(yè)0學(xué)5.人習(xí)工交智能流通可識(shí)課以加AI肖睿團(tuán)學(xué)隊(duì)習(xí)微交流信可號(hào)加(微A信BZ號(hào)2（18zh0i)xingzhaizhuren）41/第5481頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求PPT課件演示案例實(shí)戰(zhàn)任務(wù)課后作業(yè)人工智能通識(shí)課：課程和教學(xué)資源微課視頻第41頁(yè)0學(xué)5.人習(xí)工交智能流通可識(shí)課以加AI肖睿團(tuán)學(xué)隊(duì)習(xí)微交流信可號(hào)加(微A信BZ號(hào)2（18zh0i)xingzhaizhuren）42/第5481頁(yè)01.人工智能的前世今生02.大模型的特點(diǎn)和局限03.大模型的發(fā)展觀察04.大模型時(shí)代的人才需求人工智能通識(shí)課：學(xué)科融合課前準(zhǔn)備階段1.

專業(yè)化課程目標(biāo)設(shè)定2.

專業(yè)關(guān)聯(lián)內(nèi)容篩選3.