授课老师: 李铭洋
常驻地: 北京

课程时间:2天

课程对象:企业高管及核心员工

课程大纲

人工智能基础知识

人工智能基础知识

人与AI:让机器像人一样思考

1、ChatGPT引发的AI产业革命:机器可以像人一样思考吗?

像人一样思考:机器学习、自动推理、人工意识、知识表示(解放人类脑力劳动)

像人一样听懂:语音识别

像人一样看懂:视觉识别

像人一样运动:运动识别

2、当下人工智能与传统人工智能的区别?

3、生成式通用人工智能应用现状

人工智能分类

1、反应机器人工智能

2、有限记忆人工智能

3、心智人工智能

4、自我意识人工智能

人工智能技术演进

萌芽与诞生期(1940s–1956):思想奠基,学科创立

-1943年:麦卡洛克与皮茨提出人工神经元模型(MP模型),奠定神经网络数学基础。

-1950年:图灵发表《计算机器与智能》,提出图灵测试,定义机器智能判断标准。

-1956年:达特茅斯会议,麦卡锡首次提出“人工智能(AI)”概念,标志AI学科正式诞生。

-同期成果:逻辑理论家(证明数学定理)、跳棋程序(具备自学能力),开启机器模拟人类高级智能先河。

(二)第一次繁荣与寒冬(1956–1980):符号主义主导,遇技术瓶颈

繁荣期(1956–1974)

-核心范式:符号主义(逻辑推理、知识表示),认为智能源于符号操作。

-关键突破:

-1957年:罗森布拉特发明感知器,首个可学习的人工神经网络。

-1959年:ELIZA(自然语言对话程序),展示早期人机交互。

-1960s:LISP语言、Prolog语言成为AI开发主流工具。

-局限:依赖人工编写规则,知识无法穷举,泛化能力差,算力与数据严重不足。

第一次AI寒冬(1974–1980)

-早期承诺无法兑现,政府与企业资助锐减,研究陷入低谷。

(三)第二次繁荣与寒冬(1980–1993):专家系统复兴,连接主义萌芽

复苏期(1980–1987)

-核心技术:专家系统(将人类专家知识编码为规则库),在医疗、地质、工业控制等领域落地(如XCON)。

-关键事件:1986年,鲁姆哈特等人提出反向传播(BP)算法,解决多层神经网络训练难题,连接主义崛起。

第二次AI寒冬(1987–1993)

-专家系统维护成本高、拓展性差,商业应用失败;神经网络训练仍受算力限制,AI热度再次降温。

(四)平稳发展与技术蓄力(1993–2010):统计学习兴起,深度学习奠基

-核心转向:从符号推理转向统计学习/机器学习,强调从数据中学习模式。

-关键技术:支持向量机(SVM)、决策树、随机森林、贝叶斯网络等广泛应用。

-里程碑:

-1997年:IBM深蓝击败国际象棋冠军卡斯帕罗夫,AI在复杂决策领域超越人类。

-2006年:辛顿提出深度学习概念与深度置信网络(DBN),突破神经网络层数限制,为爆发奠基。

-特点:AI在金融风控、语音识别、图像识别等窄域场景落地,但仍属专用智能。

(五)深度学习爆发期(2010–2020):数据-算力-算法共振,弱AI成熟

-引爆点:2012年,AlexNet在ImageNet图像分类大赛中以远超传统方法的精度夺冠,深度学习正式成为主流。

-核心技术:

-卷积神经网络(CNN):主导计算机视觉(图像识别、目标检测)。

-循环神经网络(RNN)/LSTM:主导自然语言处理(语音识别、机器翻译)。

-强化学习:2016年,AlphaGo击败李世石,标志AI在复杂策略决策领域成熟。

-驱动力:大数据积累、GPU算力爆发、深度学习算法成熟,三者共振推动AI全面产业化。

-应用:人脸识别、语音助手、自动驾驶、推荐系统等走进大众生活。

(六)大模型与通用智能时代(2020–至今):生成式AI爆发,迈向AGI

-核心突破:Transformer架构、预训练+微调范式,催生大语言模型(LLM)与多模态模型。

-关键事件:

-2020年:GPT-3(1750亿参数),展示少样本/零样本学习能力,改变模型使用范式。

-2022年:ChatGPT发布,对话式AI引发全民关注;DALL·E2、StableDiffusion推动AIGC爆发。

-2023年:GPT-4、文心一言、通义千问等发布,多模态能力(文本+图像+语音)成熟,复杂推理与内容创作能力显著提升。

-核心特点:

-从专用智能升级为通用能力,可跨任务、跨领域理解与生成。

-智能涌现:大模型在参数与数据达到一定规模后,出现未被显式编程的复杂能力。

-多模态融合加速,AI向通用人工智能(AGI)探索。

人工智能核心原理

人工智能核心原理

1、数据驱动:智能的燃料

2、学习算法:从数据中提取规律

3、模型与优化:逼近真实世界

4、深度学习:层次化特征提取

5、核心循环:数据→学习→推理→反馈

AI大模型核心原理

1、基石:从"深度学习"到"大规模深度学习"

2、核心架构:Transformer与自注意力机制

3、学习范式的革命:预训练+微调

4、能力的涌现:规模带来的质变

5、生成式原理:概率的预测

AI当前发展趋势及对产业的影响

当前发展趋势

人工智能上升为全球科技竞争的战略焦点,大国角逐AI主导权

万亿规模市场加速形成,成为全球经济增长核心引擎

模型能力显著跃升,技术新范式重塑核心竞争力

“引擎”与“燃料”升级,核心要素资源实现战略性跃迁

产品创新持续突破,颠覆性AI产品矩阵加速成形

AI应用渗透真实场景,重构干行百业生产力底座

对产业的影响

产品及产业生态重构

业务模式重构

商业模式重构

驱动因素重构:数据要素X

从“痛点”向“支点”进化

人工智能大模型应用场景

(一)文本生成

1、如何向大模型提问以获得高质量答案

14种常用的提示提框架(实操并掌握通用的2种)

2、工作场景模拟和实训

公文写作:通知、请示、报告、纪要、函、批复、总结、计划、电子邮件、工作汇报、讲话稿、通讯稿

内容创作与文案撰写(能够理解网络语言、时尚潮流和行业术语,生成的内容不仅符合行业规范,还能精准抓住用户的痛点,具有较强的吸引力)

方案设计

培训大纲

工作总结

会议纪要与报告撰写

PPT与数据可视化(结合数据生成甘特图、流程图等数据可视化图表)

(二)图像生成

1、图片生成大模型的基本操作技巧

2、普通图片设计

3、海报设计

4、物料设计

(三)数字营销

1、用大模型生成的营销文案。

2、同业调研分析报告,进行业务产品的迭代优化,升级用户体验。

3、辅助撰写商业计划书、功能需求文档、产品宣传文案等。

4、根据客户画像开展千人千面的服务与营销。

5、内容及短视频平台素材创作

6、营销小游戏

(四)音视频创作与生成:

1、用于语音合成,即生成逼真的语音。

2、虚拟助手、语音翻译等应用。

3、生成音乐。

(五)电影与游戏

1、生成虚拟角色、场景和动画,为电影和游戏制作带来更多的创意。

2、根据用户的喜好和行为生成个性化的故事情节和游戏体验。

(六)科研与创新

1、在化学、生物学、物理学等领域探索新的理论和实验方法,帮助科学家发现新的知识。

2、生成式AI还可以用于药物设计、材料科学等领域,加速技术创新和发展。

3、咨询专业性技术

4、辅助创新

(七)代码生成

1、根据自然语言的指令生成相应的代码。

2、根据命名或者正在编辑的代码上下文为开发者提供代码建议。

3、代码补全、生成单元测试、代码纠错等能力,能辅助开发者加速开发过程,提升开发质量。

(八)内容理解与分析

1、通过简单自然的会议指令,基于对会议内容的理解,就可以完成信息提取、内容分析、会管会控等多种复杂任务。

2、自动生成智能总结摘要

3、根据市场数据和事件,自动生成新闻摘要和分析报告,为读者提供及时、准确的金融信息。

(九)AI智能体(AI Agent)

1、可以自主实现用户设定的任何目标的开源应用程序。

2、未来还可能出现由多个AI智能体组成的“虚拟智能社会”。

实践:企业如何做自己的AI智能体

(十)商业及数据分析

1、市场趋势分析

2、业务运营分析:用户行为分析、网络性能监控、市场营销效果评估

3、竞对分析

4、市场策略

5、客户服务与支持:用户满意度调查、用户投诉与反馈分析、

用户细分与个性化服务

6、财务管理与分析:成本分析与控制、收入预测与规划、风险管理:利用数据分析技术识别潜在的财务风险,如坏账风险、汇率风险等,制定风险应对措施。

7、安全与合规分析:用户数据隐私保护、合规性检查:

8、创新业务与产品研发:市场洞察、用户需求挖掘及预测、产品测试与优化及迭代

产品研发

…

(十一)内部审计

1、风险智能评估:可

年度审计计划制定:

新业务风险评估:

2、内部控制自动化测试 :

SOX合规审计:

流程优化审计:

异常行为侦测:

员工舞弊调查:

供应链审计:

4、持续监控与预警:

运营审计:

合规审计

人工智能大模型产业应用模块

通信

(一)低成本AI模型催生光通信需求,DeepSeek引领行业新趋势

(二)资源供给:

网络设计

网络/用户智能编排调度

智能基站节能

网络安全

(三)智能调度与自动化运维

网络故障定位/修复

智能巡检

网络覆盖优化

智能仿真

智能工单管理

(四)业务运营服务

智能客服

行业智能应用

产品营销

智能代接/智能留言

家庭宽带内容智能推荐

…

外贸

(一)市场调研

1、目标市场分析:

2、行业趋势洞察:

(二)客户信息挖掘

1、企业信息查找:

2、决策人信息获取:

(三)营销内容创作

1、文案撰写:

2、创意生成:

(四)沟通与谈判辅助

1、语言翻译:

2、谈判策略建议:

(五)风险评估

1、客户背景调查:

2、贸易风险分析:

金融

(一)金融风险评估:

实时分析市场数据,还能够通过学习历史数据预测未来的市场变化

(二)智能投资顾问:

通过分析用户的财务状况和投资目标,提供定制化的投资策略

(三)金融欺诈检测:

1、通过深度学习和机器学习技术,Deep Seek能够分析复杂的交易模式和用户行为,实时监测异常活动,

2、多维度的分析方法不仅增强了欺诈预警的准确性,还提高了金融机构对新兴欺诈手段的适应能力。

3、Deep Seek的自适应学习能力使得它们能够不断进化,以应对不断变化的欺诈策略,从而为金融安全提供了更为坚实的防线。

(四)金融客户服务

1、能够理解客户的意图,提供即时响应,并通过情感分析和用户行为学习来优化服务策略。

2、能够进行多语言对话,支持全球化服务,并通过智能路由系统确保客户咨询能够迅速得到专业处理。

3、能够更加精准地满足客户需求。

医疗

1、开发辅助诊断系统

2、临床决策支持

3、药物研发

4、科研探索与数据分析

5、患者管理与教育

6、医疗流程优化与管理

7、医学教育与培训

智能制造

智能生产管理系统

智能运维系统

智能供应链管理系统

智能客服系统

智慧城市、智慧政务

交通流量预测

环境监测

公共安全与应急响应

政府服务

政策制定与仿真

农业

1、智慧种植、养殖

2、病虫害防治:图片识别

3、农情分析

新零售

1、客户洞察

2、商品规划

3、市场营销

4、渠道运营

5、客户服务

6、IT管理

7、供应链管理

8、人力资源

9、财务管理

10、风险合规管理

人工智能大模型在工程行业应用

(一)AI在建筑设计前期的应用

1、可以生成多样化的设计概念,

2、设计参数优化:

3、用户需求分析:

4、场地分析和规划:

5、快速原型生成:

(二)AI在设计模拟和优化中的作用

1、空间布局优化:

2、建筑性能模拟与节能环保优化:

3、材料选择与技术经济优化:

4、自动化参数调整:

(三)AI在建筑施工方面的应用

1、智能规划与设计

2、智能施工监控

3、智能材料与设备管理

4、AI控制的智能施工机械:

5、智能质量控制与验收

6、自动化与机器人技术

(四)AI在建筑施工管理方面的应用

1、指挥中心

2、智慧管理大型机械

3、环境智慧管理

4、智慧管理劳务人员

5、智慧化安全教育

授课老师

李铭洋 中企报数字经济技术有限公司总经理

常驻地:北京
邀请老师授课:13439064501 陈助理

主讲课程:Chat GPT通用人工智能引发的产业革命》 《“十四五”规划与数字经济发展趋势解读》 《新经济下的产业数字化:新兴技术及应用》 《产业数字化转型创新发展之道》 《物联网技术及应用》 《大数据技术及应用》 《数据分析思维及产业应用案例解析》 《区块链技术及应用》 《大数据技术在数据治理中的应用》 《5G+ABCDNETS,为数智化转型打造新动能》 《中国5G技术及产业应用》 《5G场景应用,产品设计及商机挖掘》 《元宇宙:数字产业新生态及产业进化》 《元宇宙背景下通信行业数字化变革》 《数字化转型大背景下的智慧城市基础设施建设》 《数字时代的网络安全》 《冶金行业数字化转型案例解析》 《出版行业的产业数字化实践》 《大数据、AI、区块链在电力行业应用》 《“专精特新”中小企业数字化转型赋能》 《数字营销:数字经济时代的营销进化》

李铭洋老师的课程大纲

微信小程序

微信扫一扫体验

扫一扫加微信

返回
顶部