课程概述：

分析人工智能的源起和前提基础条件，以及人工智能发展的根本驱动力和出现的必然性，以类比方式介绍人工智能、机器学习和深度学习的基本概念和原理。在此基础上，介绍类ChatGPT大模型体系的缘由、发展逻辑和趋势，并以类比等方式，阐述类ChatGPT大模型的落地和应用模式，以及相关科技的概念和运用方式。介绍国内的类ChatGPT发展现状，挑战和机遇，以及未来的趋势。

课程收益：

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。

课程时长：

系统学习：0.5- 1天

课程纲要：

导论：从AlphaGo到ChatGPT

模块一：人工智能的缘起和进化

1. 人工智能的前提和基础：数字化

2. 人工智能出现和发展的大背景

3. 复杂系统的协同：科技的演进

4. 从人类需要机器完成的任务类型说起

5. 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？

6. 从分析式AI到生成式AI，从“偏科专才”到“通才”

模块二：大模型是怎么来的？

1. 为什么是 "大"模型？为什么不是"小"而"精"的模型？

2. 为什么大模型先在自然语言处理领域有所突破？

3. 大模型的根基: Transformer的基本原理

4. 大模型主要类别和基本原理：文生图，图生3D

5. 大模型的应用潜力和局限

6. 大模型的“智力”、“技能”和“知识”

7. 如何利用大模型:基本模式

a) - Prompt engineering&in- context learning 提示词工程&上下文学习

b) 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

c) 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. 对开源模型精调和定制

模块三：大模型体系及应用介绍

1. 国内类ChatGPT大模型发展的现状，机遇和挑战

2. GPT和企业数字化系统会有何化学反应？

3. GPT和机器人系统会有何化学反应？

4. 国内外类ChatGPT在几个行业/领域的应用现状和趋势

5. 对类ChatGPT大模型未来的展望，以及对几类政企/个人群体的机遇挑战的启示

思考和小结