- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
时间
分配
教学过程
Min
90
一、课程导入:
课程授课教师自我介绍,包括答疑时间、地点、联系方式;结合教学大纲给学生讲解课程目标和课时安排、考核方式,让学生对于课程内容和要求有初步认识
教师提问:你在哪些场合下会使用到计算机呢?既然同学们已经或多或少用过计算机了,可能高中上过微机课了,为什么还要开这门课呢?
总结学生答案,引导出计算机的使用普及性以及重要性,包括计算机典型的应用领域科学计算和CAD应用及人工智能的普及等。
课程助教的使用。
/ma/s/VnykmKOk
二、老师讲授:
1.什么是人工智能?
2.人工智能分类
3.人工智能应用领域
4.智能燃料:从数据中学习
5.算法亦法:向善而行
6.大模型时代
三、授课内容:
什么是人工智能
1、内容导入:
提到人工智能,你会想到什么?可能是手机里能与人互动的siri,也可能是商场里能识别人脸的刷脸支付机,这些你可能听说过,也可能没有听说过,这都没有关系,今天这堂课,我们将带你走入人工智能的世界。
2、教师讲授:
(1)人工智能的定义:是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
简单来讲,就是通过机器模拟人类认知能力的技术。
学生分组或与与AI助教一起讨论。
(2)人工智能分类
人工智能也有强弱之分,分为弱人工智能和强人工智能。
弱人工智能,它们只能完成特定任务。
强人工智能非常强大且智能,甚至已经无限接近人类。
(3)人工智能应用领域
学生分组讨论或与AI讨论。
上一节提到我们现实生活中用到的都是弱人工智能。那弱人工智能有哪些具体的分类或者应用场景呢?
首先在计算机视觉领域,人工稚嫩技术得到了飞速进展。比如AI视频换脸,很多视频看起来可以达到以假乱真的地步。
那么在刑侦安防领域呢,计算机视觉技术也扮演着非常重要的角色,比如行人搜索视频技术,利用计算机视觉技术,我们能够找到对应的人,这也是老师现在实验室在做的工作之一。
像我们手机应用里面要求刷脸的技术或者我们在火车站,飞机场安检的时候都用到人脸识别的技术,这些都是基于计算机视觉技术。
还有医疗领域也有计算机视觉技术的身影,比如医疗成像,癌细胞判别、基于图像的中医问诊(比如基于舌像判别身体状况)等等。
说完计算机视觉技术,我们来说是语音识别技术,我相信在座的很多同学,都有过类似的体验,就是呼叫手机的小助手。那么同学思考一下,这些小助手为什么能够听懂我们说话呢,这就涉及到语音识别技术,不光语音小助手,还有微信里面的语音转文字等功能都有语音识别技术的身影。
(4)智能燃料:从数据中学习
介绍机器学习中基本的监督式学习。从模型训练,模型评估再到模型预测。
来看一下我们的训练数据集,不同人的手写方式不同,写数字有非常多的写法,但不同的写法之间仍然有一些相似性,人可以识别出来并且打上标签,比如第1排的这些手写体,对应的标签都是数字0,而对于机器学习,每个手写数字都对应一个数值矩阵,他们在数值分布上呈现一定的特征。
比如数字1在数字矩阵中呈现的特征是黑色的像素点在数字矩阵当中是相邻的构成了一个线段。利用这些特征,我们可以在n维向量空间中把这些数值矩阵分为10类,分别对应右边0~9这10个数字,这样手写数字识别问题就转化成为了监督式学习的分类问题。
之后,计算机根据观察新的手写数字和已经有的样本之间的相似度,就可以将新手写数字归类,给出这个手写数字是0~9中的哪一种。
(5)算法亦法:向善而行
人工智能的双重属性:技术价值与社会价值
(6)大模型时代
自2018年以后,可以说进入了大模型时代,大模型又称基础模型,定义为在大规模数据上训练并能够被应用至广泛任务的模型。而满足这一定义的大语言模型具备见多识广、举一反三、无师自通等优势。
大语言模型的技术路线:深度学习、强化学习和符号主义三大主义结合,在以往TransformerDecoderOnly架构的基础上,加入了完形填空下的自监督学习(self-supervisedin-contextleaning),提示学习(promptlearning,知识模板),并从人类反馈中进行强化学习(RLHF),让LLM学会理解人类指令的含义,并判断对于给定的prompt输入指令,什么样的答案输出是优质的。
文心一言
智谱清言
Kimi
腾讯混元大模型
四、课程思政
面对隐私泄露、大数据杀熟、算法歧视等带来的社会治理新挑战。需加强前瞻预防与约束引导,算法亦法,向善而行。
人工智能,教育先行。养成计算思维,在创意中学习,成天下之才
[课
原创力文档


文档评论(0)