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
…
(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

