6.肖睿-大模型时代的AI教育：思考与实践.pdf

《6.肖睿-大模型时代的AI教育：思考与实践.pdf》由会员分享，可在线阅读，更多相关《6.肖睿-大模型时代的AI教育：思考与实践.pdf（36页珍藏版）》请在三个皮匠报告上搜索。

1、大模型时代的AI教育：思考与实践 肖睿 主要内容 30分钟和大家分享的内容：01：对AI技术的认知 02：对AI教育的思考 03：我们的AI教育实践 VUCA时代，AI技术日新月异，所有的认知、思考、实践都在迭代中 01 对AI技术的认知 AI是一种工具，也是一种赋能，更是一种思考范式。我们从三个角度来认知AI技术：人工智能的本质 大模型的能力边界 通向AGI之路 01 对AI技术的认知：人工智能的本质 智能（Intelligence）：以模型为核心，是对真实世界的模拟和解释 人类智能 抽象（语言）：概念，数字，理念 逻辑（理性）：归纳，演绎，类比 计算（模型）：科学方法 基于观测经验，发现规

2、律 MIT：一切问题都是模型问题 模型：一个映射，一个函数 科学范式 用语言逻辑方法获取理论模型：模糊 用解析数学方法获取数学模型：精确 用计算数学方法获取数据模型：近似 用机器学习方法获取概率模型：复杂 用人工神经网络获取网络模型：黑盒 超过两层的神经网络可以逼近任意连续函数 01 对AI技术的认知：人工智能的本质 人工智能（ArtificiaI Intelligence）：第三代，核心是数据智能，以史为鉴 从规则到数据：逐步破除我执（去人类中心主义）1.第一代（规则系统）：推理为核心 2.第二代（知识工程）：知识为核心 3.第三代（数据模型）：学习为核心 从机器学习到深度学习 1.任务：判

3、别、预测，通过学习数据分布规律 2.边界：有规律、可以数字化，属于经验科学 3.要素：机器学习-深度学习 模型：神经网络模型（分层；单向）策略：损失函数定义 算法：反向传播+梯度下降 从感知智能到认知智能 1.专用任务模型：NLP、CV、Gaming 2.通用任务模型：AIGC Diffusion、transformer 从NLU+NLG到LLM（大语言模型）1.语言逻辑和数据集蕴含了人类的认知智能 2.LLM是人类的认知智能的实现方式之一 3.LLM的原理很简单；工程很复杂；效果很神奇 01 对AI技术的认知：大模型的能力边界 用人工神经网络获取网络模型：深度学习-Transformer模型

4、-大语言模型 大语言模型的核心原理：数据化-语义化-NTP（Next Token Prediction）大语言模型的三层能力：语言能力-知识能力-推理能力 1.语言能力：一本正经地说话，语言顺畅，GPT时达到 NLG+NLU：语言理解、语言表达（包括温度和情商）人类语言、代码语言、XX语言 2.知识能力：海量公开知识，言之有物，GPT-2时达到 顺带学习（基座模型）：文字中蕴含了知识 压缩：幻觉 遗忘：微调（迁移学习），尤其是RLHF 3.推理能力（涌现）：一般需要10B以上，GPT-3时达到 模仿学习：代码中蕴涵、文字中蕴含 提示能力：ICL 思考能力：CoT ReACT，Agent O1的

5、最新进展（GPT-1时刻）：表现是慢思考；本质是合成数据 有些是产品能力，不是模型本身的能力：RAG Function Call 等等 01 对AI技术的认知：大模型的能力边界 基于LLM的三层能力做产品：锤子和钉子 LLM的三个能力的应用：选型标准 1.语言处理场景：语言能力 文字处理：翻译、摘要、判别、生成等 人机界面：指令、信息、prompt 2.知识助手场景：语言能力+知识能力 知识压缩、知识提取、知识组织 智能问答 3.任务执行场景：语言能力+知识能力+逻辑能力 任务分解、任务执行 操作外部工具或软件接口 Agent 三种应用类型 1.模型增强：FT；MaaS；产品包装（ChatGP

6、T）2.AI赋能：用AI提高原有流程和工具的效率 3.AI原生：新场景、新需求、新应用 三种技术 1.闭卷考试：RAG 2.开卷考试：FT 3.引导能力：Prompt工程 01 对AI技术的认知：通向AGI之路 通用人工智能（AGI）：泛化任务、自主学习、自主行动 两个阶段：特定任务到泛化任务 弱人工智能：可以完成训练过的特定的智能任务，特定 强人工智能：可以完成没有训练过的新智能任务，通用 三个能力 感知智能：知识表达 认知智能：知识处理 行动智能：环境交互 四条道路 1、数据智能：LLM取得了突破，最被看好 概率模型，机器学习（统计学习方法）、数据模型、计算数学 2、学习人脑：当前遇到挑战