生成式人工智能通識（微課視頻版）

目錄

第1章人工智能基礎1

1.1計算機的淵源1

1.1.1為戰爭而發展的計算機器1

1.1.2通用計算機1

1.2大數據基礎3

1.2.1信息爆炸的社會3

1.2.2大數據的定義3

1.2.3大數據的3V特征4

1.3人工智能時代5

1.3.1圖靈測試及其發展5

1.3.2人工智能的定義6

1.3.3人工智能的實現途徑6

1.3.4大數據造就大智慧8

1.4機器學習與深度學習9

1.4.1機器學習9

1.4.2深度學習11

1.4.3機器學習與深度學習的關系12

【作業】12

【研究性學習】初步應用DeepSeek大模型14

第2章大語言模型技術17

2.1Blockhead思維實驗17

2.2從自然語言處理起步18

2.2.1NLP的研究內容18

2.2.2深度學習的影響18

2.2.3LLM的崛起19

2.3大語言模型的工作原理20

2.3.1詞元及其標記化21

2.3.2基礎模型21

2.3.3詞嵌入及其含義22

2.3.4生成和理解22

2.3.5預訓練過程與微調22

2.4生成對抗網絡23

2.5變分自編碼器24

2.5.1VAE的工作機制24

2.5.2潛在空間探索25

2.6流模型26

2.7語言模型基礎27

2.8LLM的幻覺27

2.8.1產生幻覺的原因28

2.8.2減輕幻覺病癥28

【作業】29

【研究性學習】大語言生成模型典型案例分析31

第3章生成式AI與AIGC35

3.1生成式AI35

3.1.1定義判別式AI35

3.1.2定義生成式AI36

3.1.3生成式AI的層次37

3.1.4定義AIGC38

3.1.5生成式AI與AIGC的關系39

3.2智能內容生成40

3.2.1內容孿生40

3.2.2內容編輯40

3.2.3內容理解40

3.3生成式AI應用場景41

3.4接入LLM的幾種方法43

3.4.1個人直接使用平臺功能43

3.4.2通過平臺搭建智能體43

3.4.3通過API調用44

3.4.4私有化本地部署44

3.4.5通過雲服務商間接部署45

3.4.6漸進式接入45

【作業】45

【研究性學習】熟悉阿裏雲“通義”大模型47

第4章文本生成技術51

4.1典型的語言模型方法51

4.1.1基於規則的方法51

4.1.2統計語言模型52

4.1.3RNN及其變體53

4.2Transformer模型55

4.2.1位置編碼機制55

4.2.2自註意力機制55

4.2.3Transformer過程56

4.3混合模型59

4.4典型的文本生成技術60

4.4.1文本摘要技術60

4.4.2詩歌生成61

4.4.3簡單對話系統62

4.4.4翻譯任務中的應用63

4.5文本生成面臨的挑戰64

【作業】65

【研究性學習】熟悉AI助手Kimi大模型66

第5章圖像生成技術69

5.1圖像生成的模型69

5.1.1擴散模型69

5.1.2自回歸模型70

5.1.3圖像生成典型模型71

5.1.4圖像生成的應用場景71

5.2圖像風格遷移73

5.2.1基本原理74

5.2.2代表性算法74

5.3超分辨率重建75

5.3.1基本原理75

5.3.2基於學習的方法76

5.4視頻生成76

5.4.1基本原理77

5.4.2主要方法77

5.4.3代表性算法78

5.5醫療影像合成78

5.5.1基本原理78

5.5.2主要方法79

5.5.3代表性算法79

5.6挑戰與未來發展80

【作業】81

【研究性學習】基於深度學習的圖像生成83

第6章音頻與音樂生成技術85

6.1音頻與音樂生成85

6.2波形建模86

6.2.1核心技術86

6.2.2工作原理87

6.3音樂旋律生成88

6.4語音合成89

6.4.1合成技術89

6.4.2基本原理90

6.4.3合成質量91

6.5音頻增強與修復91

6.5.1噪聲減少91

6.5.2回聲消除92

6.5.3音頻修復93

6.5.4動態範圍壓縮94

6.5.5等化95

6.5.6時間拉伸與音高轉換97

6.5.7應用機器學習方法98

【作業】100

【研究性學習】探索音樂旋律生成模型102

第7章多模態生成技術104

7.1多模態生成概述104

7.1.1技術基礎105

7.1.2模型結構融合策略105

7.2視覺與文本結合106

7.2.1圖像字幕生成106

7.2.2視覺問答106

7.2.3基於文本的圖像合成與編輯107

7.2.4情感一致性的視覺與文本生成107

7.2.5案例： 谷歌Muse文本到圖像生成108

7.3跨媒體內容生成108

7.3.1圖像到文本生成109

7.3.2跨媒體翻譯110

7.3.3多模態對話系統110

7.4智能感知與響應111

7.4.1智能感知的技術基礎111

7.4.2智能響應決策制定112

7.5應用與發展112

7.5.1多模態生成的應用場景113

7.5.2技術挑戰與發展趨勢115

【作業】116

【研究性學習】多模態生成技術應用——“情感音樂可視化”118

第8章智能體與AIGC121

8.1什麼是智能體121

8.1.1智能體的定義121

8.1.2性能度量122

8.1.3智能體的理性122

8.2環境的本質123

8.2.1指定任務環境123

8.2.2任務環境的屬性124

8.3智能體的結構125

8.3.1智能體程序126

8.3.2學習型智能體127

8.3.3智能體組件的工作128

8.4AI的下一個風口： 智能體129

8.4.1智能體的關鍵趨勢129

8.4.2構建LLM智能體130

8.4.3AIGC與智能體的聯系131

8.4.4智能體AI時代132

【作業】133

【研究性學習】分析智能體的設計與行為135

第9章提示工程與技巧137

9.1提示工程的定義137

9.2提示的原理138

9.2.1提示詞的分類139

9.2.2提示構成140

9.2.3提示調優141

9.3提示工程技術141

9.3.1鏈式思考提示142

9.3.2生成知識提示143

9.3.3少樣本提示143

9.3.4自一致提示143

9.3.5思維樹提示144

9.4提示詞寫作技巧145

9.4.1提示詞框架推薦145

9.4.2提示詞實踐技巧147

【作業】149

【研究性學習】練習撰寫提示詞151

第10章AIGC的實施與應用模式153

10.1算法、算力與算料153

10.1.1算法： AI的智慧之源153

10.1.2算力： AI的動力引擎153

10.1.3算力中的GPU154

10.1.4算料： AI的燃料之源155

10.2閉源還是開源155

10.2.1開源LLM的優勢156

10.2.2典型的開源LLM156

10.3成功實施生成式AI157

10.4按詞元收費的模式158

10.4.1為什麼要按詞元收費158

10.4.2按詞元和傳統API收費的不同159

10.5接入大模型的風控問題160

10.5.1接入LLM面臨的風險160

10.5.2LLM的企業風控160

【作業】161

【研究性學習】AIGC應用開發與風險評估164

第11章AIGC改善民生質量166

11.1AIGC發展文學創作166

11.1.1對文化創意的影響167

11.1.2自動寫作與創作167

11.1.3激發創意靈感168

11.1.4圖像生成與編輯168

11.2AIGC音樂與音頻制作169

11.2.1自動作曲與音效合成169

11.2.2音頻處理與配樂169

11.3AIGC用在影視娛樂170

11.3.1劇本開發與優化170

11.3.2AIGC視頻生成170

11.3.3風格遷移171

11.3.4效果生成與智能剪輯171

11.3.5互動式影視體驗172

11.4AIGC應用於醫療行業172

11.4.1循證醫學及其發展173

11.4.2AIGC醫療行業應用場景174

11.5AIGC加速藥物發現175

11.5.1在藥物發現中的作用175

11.5.2助力藥物開發研究175

11.6醫療健康應用案例176

11.6.1醫學影像診斷系統176

11.6.2智能病歷管理系統177

【作業】178

【研究性學習】文生圖： 註冊使用Midjourney繪圖工具181

第12章AIGC提高服務水平183

12.1AIGC應用於設計183

12.1.1設計應用場景183

12.1.2與設計師協同作業184

12.2數據增強與模擬185

12.2.1數據增強185

12.2.2科學模擬186

12.2.3自動化實驗設計186

12.2.4模型訓練與改進187

12.2.5理論驗證與假設測試187

12.3AIGC在金融服務中的應用188

12.3.1智能客服188

12.3.2風險評估189

12.3.3個性化推薦190

12.3.4智能投顧190

12.4智慧城市建設應用AIGC192

12.4.1智慧城市的關鍵特點192

12.4.2城市安防監控192

12.4.3環境保護193

12.4.4智能公共服務193

12.4.5智慧城市建設與管理193

12.4.6智慧社區193

12.4.7智能交通管理193

12.4.8自動駕駛195

【作業】196

【研究性學習】AIGC智能交通應用案例分析198

第13章倫理與法律考量203

13.1AIGC面臨的倫理挑戰203

13.2數據隱私保護對策 204

13.2.1數據主權和數據權問題204

13.2.2數據利用失衡問題204

13.2.3構建隱私保護倫理準則205

13.2.4健全道德倫理約束機制205

13.3AI倫理原則206

13.3.1職業倫理準則的目標206

13.3.2創新發展道德倫理宣言207

13.3.3歐盟可信賴的倫理準則208

13.4LLM的知識產權保護209

13.4.1LLM的訴訟案例209

13.4.2尊重隱私，保障安全，促進開放212

13.4.3邊緣群體的數字平等213

【作業】213

【研究性學習】AI獨立完成的視覺藝術品無法獲得版權215

第14章面向通用人工智能217

14.1生成式AI的未來發展217

14.2AGI的湧現218

14.2.1AGI的定義219

14.2.2OpenAI對AGI的認識220

14.3LLM與AGI220

14.4生成式AI與AGI221

14.5從生成式AI邁向AGI222

14.5.1LLM及其潛力現狀223

14.5.2面臨的挑戰223

14.5.3潛在的發展路徑223

14.6AI的未來發展224

【作業】224

【課程學習與實驗總結】227

附錄A作業參考答案231

參考文獻234