單元1走進人工智能人工智能概述1語音輸入的速度比鍵盤打字快2-3倍AI在生活中無處不在-手機語音輸入1.人工智能的廣泛應用AI人臉識別精度超過了人類AI在生活中無處不在–人臉識別1.人工智能的廣泛應用生成式模型講故事，寫唐詩，寫論文，畫畫AI在生活中無處不在–生成式模型1.人工智能的廣泛應用AI在生活中無處不在–數字人形象可定制，24小時在線服務，精準滿足用戶需求1.人工智能的廣泛應用AI在生活中無處不在–數字人形象可定制，24小時在線服務，精準滿足用戶需求1.人工智能的廣泛應用AI輔助診斷，如肺部CT掃描的結節檢測準確率已接近專業醫生水平，幫助實現疾病的早期篩查醫療健康01從根據食材推薦菜譜的智能冰箱，到自動調節溫度和亮度的AI空調系統，家庭生活正變得越來越智能化智能家居02自動駕駛技術雖未完全成熟，但已在一定范圍內進行測試，未來的智慧交通系統將實現車與車、車與路之間的協同優化，提升整體通行效率交通出行03智能客服能24小時解答疑問，個性化推薦系統根據瀏覽和購買記錄精準推送商品，提高購物效率賦能電商04AI賦能日常生活1.人工智能的廣泛應用誤區1：AI將全面取代人類工作2.對人工智能的認識誤區AI確實能替代一些重復性強、規則明確的工作，如流水線上的簡單操作AI雖高效，卻缺乏人類獨有的創造力、同理心與復雜情境應變力。眾多工作依賴人際互動、創新思維，這是AI難以企及的人類與AI協作才能發揮最大效能，工作機會不會因AI而消亡誤區2：AI的輸出絕對客觀準確2.對人工智能的認識誤區生成式AI會產生人工智能幻覺AI模型的輸出本質上依賴于訓練數據的質量和范圍，若訓練數據存在偏差、不完整或包含錯誤信息，AI學習到的模式就會有誤，導致輸出不準確AI的輸出應始終被視為參考而非絕對真理，需結合人類監督、多源驗證和倫理審查來確保其合理性和公平性誤區3：AI已具備自我意識，可能威脅人類3.對人工智能的認識誤區AI的“思考”只是數據模式的識別與生成，其行為完全受訓練數據和算法框架限制，不存在主觀體驗或目的性例如：自動駕駛汽車能識別紅綠燈，但它并不“知道”為什么要遵守交通規則AI能輔助診斷疾病，但無法理解病人的痛苦這一誤區混淆了技術能力與科幻想象，忽視了AI缺乏自主性和生物智能的基本特性它能夠像人類一樣思考、學習、理解和應用知識，具備自我意識和主觀體驗目前尚未實現真正的強人工智能，需突破認知建模、常識推理、情感模擬等關鍵技術，還涉及倫理與安全爭議強人工智能3.強人工智能和弱人工智能強人工智能出現在科幻電影中專注于解決特定領域的具體問題，其智能表現僅限于預先設定的任務范圍當前所有實際應用的AI均屬于弱人工智能，盡管某些系統（如生成式模型）表現“擬人化”，本質仍是高級模式匹配工具弱人工智能3.強人工智能和弱人工智能應用中的弱人工智能這個定義強調了AI的社會影響，是一個通俗、直觀且強調效果的定義隨著技術進步，今天令人驚嘆的AI功能可能明天就會變得稀松平常4.人工智能的定義定義1：AI就是令人覺得不可思議的計算機程序最初的AI下跳棋就讓人不可思議AI戰勝圍棋冠軍再次讓人不可思議這個定義是指AI不僅僅是在執行預設指令，而是在某種程度上模擬了人類認知的過程人在解決問題時會進行推理、類比、歸納等思維活動，而這類AI程序也試圖以類似的方式處理信息專家系統模擬人類專家的知識和推理過程來解決特定領域的問題4.人工智能的定義定義2：AI就是與人類思考方式相似的計算機程序專家系統一個計算機程序具有人工智能，意味著它在特定情境下能夠產生與人類相似的行為在實際應用中，用戶往往更關注系統“做什么”而非“怎么做”。例如，人們使用翻譯軟件時，并不關心它是否真正理解語言，只要翻譯結果準確、流暢就足夠了4.人工智能的定義定義3：AI就是與人類行為相似的計算機程序機器學習作為AI最重要的實現方式，賦予了計算機從數據中自動提取規律并改進性能的能力傳統的AI需要明確編寫所有規則，而機器學習算法能夠通過分析大量樣本數據，自動發現內在模式和關聯關系4.人工智能的定義定義4：AI就是會學習的計算機程序這個定義強調AI系統具備環境感知—決策—行動完整閉環能力人臉識別通過感知出現的人臉，通過檢索人臉圖片，準確識別人員身份。“獲致最大效益”在人臉識別中可以理解為優化系統的準確性和效率自動駕駛通過攝像頭、雷達感知路況，算法評估各種行駛方案的預期收益與風險，“獲致最大效益”就是選擇最安全的行駛路線4.人工智能的定義定義5：AI就是根據對環境的感知做出合理行動，獲致最大效益的計算機程序人工智能的歷史21956年夏天，由約翰·麥卡錫等發起，匯聚多領域頂尖學者，標志著AI領域的誕生，具有里程碑意義達特茅斯會議召開約翰·麥卡錫、馬文·閔斯基、克勞德·香農和納撒尼爾·羅切斯特共同發起，旨在探討和推動人工智能的發展會議發起人達特茅斯會議的召開1.人工智能的誕生1956年達特茅斯會議，正式提出AI概念，探討機器模擬人類智能，涉及自動計算機、語言處理、神經網絡、抽象思維等議題AI概念首次提出01核心議題為如何讓機器模擬人類智能，與會者深入探討多個前沿議題，為AI發展奠定基礎會議核心議題021.人工智能的誕生達特茅斯會議被公認為AI起點，對人類科技發展產生深遠影響，奠定人工智能研究基礎歷史地位確認涉及人工智能發展路徑，對后續研究有深遠指導，公認AI誕生標志，影響科技歷程會議影響范圍達特茅斯會議的影響黃金時代：1956-70年代，AI研究蓬勃興起，科學家們開發出首個能模擬人類推理的程序——"邏輯理論家"AI開創性研究早期AI：機器學習與專家系統雛形，提升棋藝，編入專家規則機器學習與專家系統雛形人工智能的黃金時代2.第一次興起和衰退AI研究的早期方向關注邏輯推理、語言理解和機器學習，開創性工作如LISP編程語言的開發早期計算機局限性硬件落后：運算弱、內存小、存儲有限，但科學家仍在此基礎上推動AI發展2.第一次興起和衰退科學家對AI的樂觀預測科學家樂觀預測，10-20年內AI可能達到人類智能，吸引眾多學者投身研究AI寒冬的原因分析AI寒冬源于過度樂觀預期與現實復雜性挑戰科學家的樂觀預測與AI寒冬2.第一次興起和衰退硬件局限、數據匱乏，AI發展受阻，理論與實踐差距大技術局限制約AI發展01符號主義AI在處理模糊性和常識推理時受限，早期自然語言處理系統因無法理解上下文導致錯誤研究方法的局限性02技術與研究方法的局限性2.第一次興起和衰退AI復興原因經歷AI寒冬后，研究者反思，轉向實際應用，計算機硬件進步，個人電腦普及，奠定AI研究與應用物質基礎0102專家系統作用專家系統成為AI應用突破口，結合領域知識與推理機制，解決復雜問題，推動AI技術向實用化發展AI的復興與專家系統3.第二次興起和衰退專家系統是第二次AI興起的焦點，它將專家知識編碼成規則，讓計算機能在特定領域模擬專家決策AI的第二次興起MYCIN，醫療診斷專家系統，準確率超90%，媲美住院醫師，傳染病診斷里程碑醫療診斷里程碑：MYCIN專家系統：理論與實踐3.第二次興起和衰退自動配置硬件，確保兼容性，降低人工錯誤XCON功能年均節省百萬成本，錯誤率降至2%以下，提升生產效率和客戶滿意度XCON成效展示專家系統實用價值，推動企業級AI應用發展，成為商業化典范XCON影響XCON：專家系統在工業的應用3.第二次興起和衰退01專家系統興衰之謎專家系統80年代崛起，被視為AI商業化典范，90年代卻衰落，其興衰之謎蘊含深層原因02知識獲取的瓶頸專家系統的核心是知識庫，但知識獲取困難，專家的隱性知識難以轉化為計算機規則，且知識庫維護成本高03缺乏自適應能力專家系統無法適應新情況，依賴預設規則，面對未知就失效專家系統的局限與式微3.第二次興起和衰退始于21世紀初，AI技術普及，深入日常生活，從智能音箱喚醒到面部識別解鎖，購物推薦，成為生活基礎設施第三次AI浪潮第三次浪潮使AI技術走出實驗室，廣泛應用，改變了技術發展方向，實現了技術與日常生活的深度融合技術發展軌跡變化4.第三次興起AlexNet的突破ImageNet競賽中AlexNet降低圖像識別錯誤率，開啟深度學習時代，展現巨大潛力深度學習的發展深度學習后續在計算機視覺、語音識別、自然語言處理等領域持續創新，刷新紀錄AlphaGo的勝利2016年AlphaGo戰勝李世石，證明AI在復雜策略游戲中具備強大力量，引發公眾關注深度學習的突破與應用4.第三次興起從早期低準確率到如今能理解上下文、識別不同人的智能音箱，僅用十年實現巨大進步語音交互演進01人臉識別技術超越人類，廣泛應用于安防支付，AI能理解圖像內容，自動生成藝術創作計算機視覺應用024.第三次興起Transformer架構模型如DeepSeek，展現驚人語言能力，流暢對話，寫作，編程，翻譯，甚至創作詩歌小說自然語言處理的飛躍自動駕駛重塑交通，安全駕駛新紀元自動駕駛技術的潛力AI發展注重技術、倫理、法律的協調，以解決數據隱私、公平性、責任等社會問題，確保技術進步與社會價值相一致AI與社會的協調發展4.第三次興起上世紀70年代末，中科院自動化所成立首個模式識別室，標志我國AI研究起步，條件艱苦，圖像識別、語音處理領域開展開創性工作AI研究起步01科研人員依賴有限外文資料與簡陋設備，在AI領域探索，展現出堅韌不拔的科研精神科研環境025.我國人工智能發展歷史國內高校積極開設人工智能課程，培養出大量專業人才，為AI領域發展奠定了人才基礎AI人才培養中國科學家在專家系統研究中取得突破，開發出中醫診斷專家系統，體現獨特創新實力專家系統成就設立科研項目，成立中國人工智能學會，高校開設相關課程，培養專業人才，研發中醫診斷專家系統80年代AI發展舉措改革開放推動AI發展中國AI發展關鍵期：90年代，神經網絡、機器學習深入研究，1993年首顆人工神經網絡芯片問世，漢字識別、語音合成為后續應用打下基礎5.我國人工智能發展歷史中國AI崛起，科研政策雙驅動，企業深度參與，國際影響力顯著提升AI崛起：科研政策雙驅動012017年，中國發布全球首個人工智能國家戰略，目標是到2030年成為世界主要創新中心。在政策推動下，AI與實體經濟融合，催生眾多領先企業AI創新中心建設規劃02AI技術深化應用，賦能各行業，成高質量發展新引擎AI：賦能百業，驅動發展03中國AI：市場規模大，產業體系完善，需加強核心技術創新市場規模與核心技術0421世紀AI加速發展與應用5.我國人工智能發展歷史AI與各行業深度融合，展現強大賦能效應。技術融合百度、阿里、騰訊等積極布局AI，推動技術創新。龍頭企業布局文心、通義千問等模型在多模態理解和生成上表現優異。大語言模型進展DeepSeek-V3和R1在語言處理、邏輯推理上超越國際頂級模型。DeepSeek大模型6.人工智能現狀和發展趨勢010203計算機視覺商湯、曠視科技人臉識別技術世界領先，應用于疫情防控。智能語音交互科大訊飛語音識別準確率超98%，阿里云小蜜提供7×24小時服務。自動駕駛技術百度Apollo、華為智能汽車解決方案重塑交通出行方式。6.人工智能現狀和發展趨勢應用場景擴展AI將在更多領域實現應用，如教育、金融、制造等。人機協作AI將促進人機協作，提升工作效率和生活質量。技術創新AI技術將持續創新，推動更多行業變革。倫理與安全AI發展將更加注重倫理和安全，確保技術的負責任使用。數據隱私保護AI技術將加強數據隱私保護，保障用戶信息安全。6.人工智能發展趨勢6.人工智能現狀和發展趨勢通用人工智能挑戰需算法、架構、計算力突破，深化認知與神經科學理解，實現類人推理、學習與創造AGI探索深化當前AI在特定任務表現優異，但構建通用智能系統仍需跨學科深度研究與技術革新6.人工智能現狀和發展趨勢AI技術發展趨勢：多模態數據處理，實現全面感知，提升自動駕駛、智能機器人和個性化醫療等領域性能多模態融合將成為主流6.人工智能現狀和發展趨勢基于試錯與環境互動，AI自我優化策略。隨著算法與計算能力進步，更多實際場景將應用強化學習，如資源調度、金融決策和游戲設計強化學習原理強化學習將在更多領域得到應用6.人工智能現狀和發展趨勢邊緣計算與AI芯片結合提升物聯網設備效率，實現實時數據處理，降低延遲，增強隱私保護，需高效低功耗AI芯片與算法支持邊緣計算與AI芯片的結合將推動AI在物聯網設備上的普及6.人工智能現狀和發展趨勢從孤立工具轉向協作伙伴，共同解決復雜問題，實現更高價值AI角色轉變AI與人類協同，結合創造力與計算力，提升效率創新人機協作趨勢人機協作將成為常態政府、企業、研究機構共商規范，確保AI公平透明安全，防范潛在風險AI倫理標準制定AI發展對經濟、社會、文化影響深遠，長期影響復雜超乎想象AI影響深度分析需密切關注AI技術進步，及時調整策略，適應快速變化的科技環境持續關注AI進展積極面對AI帶來的挑戰，抓住發展機遇，構建人與AI和諧共存的未來應對AI挑戰與機遇AI倫理與安全將受到前所未有的關注6.人工智能現狀和發展趨勢機器學習和深度學習3當我們站在魚攤前挑選鮮魚時，能輕易測量魚的長度，卻很難準確判斷它的重量魚的長度與重量關系探索1.預測魚的重量如何通過已知的、容易獲取的特征（如魚的長度），來預測難以直接測量的目標值（如魚的重量）1.預測魚的重量

通過最小二乘法計算w1和w0：

訓練集數據機器學習和模型訓練w1和w0的計算過程需要用到表1-1中的所有數據，這個計算過程稱為機器學習的模型訓練過程表1-1中的數據是計算w1和w0的依據，統稱為訓練集數據實現預測

1.預測魚的重量1.預測魚的重量

這種模型的預測結果是一個連續的值，稱為回歸問題這種用線性函數實現回歸的方法，稱為線性回歸法手寫數字圖像與圖中的數字之間有什么關系，如何根據圖像預測圖像中的數字？2.預測手寫數字每個圖像高度為28，寬度28，共28X28=784個像素

2.預測手寫數字一旦確定了w0,w1,w2,……,w784，就能使用這個公式，根據每個圖像數據計算得到它對應的y。現在的問題是，y是一個數值，如何根據它預測這個圖像是否為0？辦法是使用一個S形曲線的邏輯函數把y變為概率，當這個概率大于0.5是判給數字0，否則判給非0，也就是數字1對一個寫有數字0或1的圖像執行二分類預測：先使用線性公式計算得到y，再使用邏輯函數把y變為(0,1)之間的概率，當概率大于0.5就判斷這個數字是0，否則就判斷為1前面是一個回歸過程，后面使用邏輯函數把回歸結果轉化為概率，所以，這個方法稱為邏輯回歸分類法2.預測手寫數字回到10個類別的0-9數字預測：先為定義10個線性函數，分別代表數字0-9：2.預測手寫數字對于一個等待預測的手寫數字圖像，經上述10個線性函數計算得到y0,y1,y2,……y9,再經過邏輯函數轉換成概率，哪個概率最大，就判定這個圖像上寫的是哪個數字3.機器學習流程1.回歸問題：預測連續值，如預測魚的重量，預測房價，預測氣溫預測離散值，或者說把數據分配給離散的類別，如預測圖像中的手寫數字，預測圖像中是動物是貓還是狗，把電子郵件分為正常郵件還是垃圾郵件2.分類問題：機器學習的兩個基本問題：回歸問題和分類問題3.機器學習流程1.明確預測目標類型首先需要明確是回歸問題還是分類問題。明確問題的類型非常重要，因為它決定了我們將要使用的機器學習算法和評估方法2.收集和準備數據，形成數據集數據是機器學習的基礎，沒有數據就無法訓練模型。例如在魚的例子中，我們需要收集大量魚的長度和重量數據；在手寫數字的例子中，我們需要收集大量手寫數字的圖像和對應的數字標簽，這個標簽也叫標注3.機器學習流程3.將數據集劃分為訓練集和測試集訓練集用于訓練模型，測試集用于評估模型的性能通常我們會將大部分數據用于訓練，比如80%，剩下的20%用于測試同一個數據不能既用于訓練集又用于測試集3.機器學習流程4.選用機器學習算法對于魚的例子，我們可能選擇線性回歸算法；對于手寫數字的例子，我們可能選擇邏輯回歸分類法，也可能選擇神經網絡或支持向量機5.訓練模型訓練模型是最核心的步驟，使用訓練數據集及其標注來擬合模型，讓模型學習數據中的規律3.機器學習流程6.評估模型使用測試集來檢驗模型的表現，看看在未見過的數據上是否仍然準確。回歸和分類有不同的評估方法回歸問題常用平均絕對誤差或均方誤差分類問題常用混淆矩陣、準確率、精確率或召回率7.部署使用如果模型表現良好，就可以部署它來解決實際問題4.機器學習常用算法1.線性回歸法和邏輯回歸分類法線性回歸就是找一條最佳擬合直線，使得所有數據點到這條直線的距離之和最小，這是一種用于解決回歸問題的經典算法，根據長度預測魚的重量就是線性回歸法，根據房屋面積預測房價也可以使用線性回歸法邏輯回歸法雖然名字里有“回歸”，實際上是一種分類算法。它通過一個邏輯函數（稱為sigmoid函數）將線性回歸的輸出映射到0到1之間，表示某個數據屬于某個類別的概率。垃圾郵件分類，乳腺癌篩查可以用邏輯回歸法4.機器學習常用算法2.支持向量機支持向量機（SupportVectorMachine,簡稱SVM）可以用于分類和回歸任務。其核心思想是尋找一個最優超平面（右圖中間的直線），將不同類別的數據分開，并最大化兩類數據之間的間隔SVM通過支持向量確定超平面，支持向量是距離超平面最近的數據點，直接影響分類器的性能SVM廣泛應用于文本分類、圖像識別、生物信息學等領域4.機器學習常用算法3.決策樹決策樹通過樹狀結構對數據進行分類或回歸預測。這種算法的核心思想是模仿人類做決策的過程，通過一系列"如果-那么"的條件判斷將數據逐步劃分到不同的類別或數值范圍中決策樹的模型訓練的關鍵在于如何選擇最佳分裂特征，常用的指標包括信息增益、增益率和基尼系數4.機器學習常用算法4.人工神經網絡人工神經網絡由大量相互連接的處理單元（稱為神經元）組成，能夠通過學習數據中的模式來完成分類或回歸任務網絡通常包括輸入層、隱藏層和輸出層，其中隱藏層的數量和每層的神經元數量可以根據問題復雜度進行調整4.機器學習常用算法5.卷積神經網絡卷積運算是卷積神經網絡（CNN）最核心的數學操作，它通過在輸入矩陣上滑動一個小的卷積核來依次計算局部區域的加權和在卷積運算中，卷積的第一個參數稱為輸入矩陣，第二個參數稱為卷積核或核函數，卷積運算的結果稱為輸出或特征映射卷積運算經過滑動卷積逐次計算的特點使得卷積運算具有兩個重要特性：局部連接和權重共享卷積運算輸入矩陣輸出5.深度學習的興起和廣泛應用深度學習是機器學習的一個子領域。與傳統機器學習算法相比，深度學習能夠自動從數據中提取多層次的特征，從而在許多任務中表現出色AlexNet是深度學習發展史上的一個重要里程碑，在2012年的ImageNet圖像分類競賽中取得了突破性的成績ImageNet數據集由5個卷積層、3個全連接層組成，卷積層提取圖像特征，全連接層負責分類，采用分組卷積提升訓練效率，輸入圖像尺寸224x224，RGB三通道AlexNet網絡架構5.深度學習的興起和廣泛應用第1層使用11×11的卷積核來捕捉圖像中的顏色、邊緣和紋理等低級特征第3卷積層和第4卷積層均使用3×3的小卷積核在保持特征圖尺寸不變的情況下，進一步融合和抽象特征第5卷積層提取高層抽象特征，如物體部件和復雜紋理，感受野較大，能捕捉全局上下文信息CNN的感受野指輸入圖像中影響神經元響應的區域大小，隨網絡層數加深而擴大。低層感受野小，捕捉局部細節；高層感受野大，提取全局語義信息輸入圖像深度學習在計算機視覺中的應用AlexNet以后，深度學習很快在計算機視覺各個分支得到應用，引起物體檢測、圖像分割、圖像檢索、圖像生成等技術飛速進步5.深度學習的興起和廣泛應用YOLO模型物體檢測語義分割深度學習在語音處理和自然語言處理中的應用5.深度學習的興起和廣泛應用深度學習的興起徹底改變了自然語言處理（NLP）的發展方向，循環神經網絡（RNN）和長短期記憶網絡（LSTM）被廣泛用于序列建模，改善了機器翻譯、文本生成等任務的效果。Transformer架構的提出（如BERT、GPT）進一步推動了NLP的突破深度學習興起后，顯著推動了語音處理領域的發展。深度神經網絡（DNN）、卷積神經網絡（CNN）和循環神經網絡（RNN）被廣泛應用于語音識別（ASR）、語音合成（TTS）、說話人識別和情感分析等任務深度學習在大語言模型中的應用5.深度學習的興起和廣泛應用隨著計算能力提升，LLM規模不斷擴大，參數從數億增長到數千億，涌現出上下文學習、復雜推理等新能力。這些進步使LLM能夠完成文本生成、機器翻譯、問答對話等多種任務深度學習在大語言模型（LLM）中的應用主要體現在Transformer架構的突破性進展上。該架構通過自注意力機制實現了對文本序列的高效建模，使模型能夠并行處理長距離語義依賴關系人工智能的運作支撐體系41.云計算平臺在手機上使用語音助手時，語音數據會被實時傳送到云端，在那里經過復雜的AI模型處理后，再將結果返回給手機我們在電腦或手機上使用的LLM或語音識別等AI服務，都是在云平臺上實現的。這些看似簡單的AI應用背后，其實需要龐大的計算資源支持，而云計算平臺正是提供這些資源的關鍵基礎設施2.物聯網物聯網就像人工智能的感官系統，通過各種傳感器和設備采集物理世界的數據，為AI模型提供源源不斷的養料物聯網技術的核心在于萬物互聯，它通過嵌入式系統、無線通信等技術，將各種終端設備連接成網。這些設備可能分布在工廠車間、城市街道、農田牧場、醫院等各個角落，持續產生海量的實時數據3.大數據技術ImageNet數據集有400萬張標注好的圖像，要讓語音助手聽懂不同口音的普通話，需要收集成千上萬小時的語音數據進行訓練。這些海量數據的存儲、處理和分析，正是大數據技術的用武之地大數據技術主要包括數據采集、存儲、處理和分析四個關鍵環節當前，大數據技術正在與AI技術深度融合，形成更強大的智能分析能力。隨著5G、物聯網等技術的發展，數據量將持續快速增長，大數據技術將在AI應用中發揮更加關鍵的作用4.算力支撐目前主流的AI算力支撐主要來自三類硬件：圖形處理器（GPU）、張量處理器（TPU）和現場可編程門陣列（FPGA）GPU最初是為圖像處理設計的，但由于其并行計算的特點，非常適合深度學習中的矩陣運算，因此成為AI計算的主力軍隨著AI技術的不斷發展，對算力的需求也在持續增長。訓練一個大型語言模型可能需要消耗相當于數百臺高性能服務器連續工作數周的計算資源GPU算力中心中的服務器感謝觀看單元2使用大語言模型任務1探尋清明節小愛是一名大一新生，遠離家鄉，來到一個陌生的城市求學。平時緊張的學習之后，難免想念家人。她想知道每年有哪些法定節假日，可以在這些假日期間回家看望父母家人。日歷上注明的法定節假日有元旦、春節、清明節、勞動節、端午節、中秋節和國慶節。其它節日的來歷和文化內涵她都很熟悉，但對清明節只有模糊的認知，她想通過大語言模型深入了解一下這個傳統節日1.任務引入清明節的歷史與起源01清明節的傳統習俗02清明節的文化內涵03清明節的現代傳承與創新04從下列多個層次與LLM展開對話，深入挖掘清明節的豐富內涵1.任務引入2.知識準備–提示詞提示詞是用戶輸入給LLM的指令或文本，用于引導模型生成特定回答要想充分利用LLM的潛力，需要掌握一些設計提示詞的基本技巧2.知識準備–提示詞與其問“如何學習編程？”不如問“請推薦一些適合初學者的Python學習資源，并說明它們的特點”提示詞應盡量清晰、具體，避免模糊或歧義問題“如何寫一篇論文？”改為““我是一名高職學生，正在寫一篇關于人工智能倫理的論文，請幫我列出論文的主要結構和寫作要點”提示詞中加入相關背景信息，可以幫助LLM生成更符合需求的回復把“如何緩解壓力？”改為“假設你是一位心理咨詢師，請給我一些緩解壓力的建議”讓LLM扮演特定角色，可以獲得更專業的回答2.知識準備–人工智能幻覺AI幻覺是指LLM生成看似合理但事實上不準確、不存在或誤導性的信息以下是LLM對“假如人類能夠輕易登陸火星和冥王星，描述一下星際旅行的場景”的回復2.知識準備–人工智能幻覺AI幻覺的原因:LLM的知識來源于其訓練數據，而這些數據可能存在不完整、過時或偏差LLM基于概率生成文本，選擇最可能的詞匯或句子結構。這種機制可能導致生成看似合理但不準確的內容在提示詞模糊或不明確的情況下，LLM可能誤解用戶意圖2.知識準備–人工智能幻覺例如，“大概介紹一下木牛流馬是如何自動行走的”提示詞中有“大概”“可能”等模糊限定詞哪些提示詞容易產生人工智能幻覺？例如，“想象一下一種動物，有獅子的力量和外形，有一對有力的翅膀，能在大海里潛水，描述一下它的日常生活場景”提示詞以“想象一下”開頭例如，“請基于漢朝將軍陳湯率軍西征抵達羅馬帝國的虛構歷史背景，生成一段包含軍事交鋒、文化碰撞與外交談判的相關信息”提示詞以“相關信息”結尾2.知識準備–提示詞工程提示詞工程的目標是使LLM能夠更好地完成各種復雜任務，引導LLM生成特定風格的輸出，使LLM生成的文本更準確、更相關、更連貫，且符合邏輯2.知識準備–提示詞工程應用提示詞工程，生成高質量的提示詞明確目標，將模糊的想法轉化為清晰、具體的指令01不同的任務需要不同種類的提示詞(參見下表)，不同種類的提示詞可以更有效地控制LLM的輸出02對照提示詞工程的5個方面，按照工程化的方式設計提示詞032.知識準備–提示詞工程應用提示詞工程，生成高質量的提示詞清明節的歷史與起源3.設計提示詞請詳細解釋清明節的起源和歷史演變，包括它與寒食節的關系古代帝王將相的‘墓祭’之禮是如何影響清明節的形成的？清明節的別稱有哪些？它們分別代表了什么含義？請描述清明節在不同歷史時期的發展變化清明節的傳統習俗3.設計提示詞詳細描述清明節的傳統習俗，包括掃墓、踏青、插柳等，以及它們的歷史淵源掃墓祭祖的流程和注意事項是什么？現代掃墓有哪些新的變化？除了掃墓，清明節還有哪些有趣的民俗活動？這些活動背后有什么文化寓意？請解釋清明節‘踏青’的習俗與歷史由來清明節的文化內涵3.設計提示詞清明節的現代傳承與創新3.設計提示詞使用DeepSeek4.使用LLMDeepSeek登錄界面4.使用LLM在這一任務中，，通過精心設計的提示詞，深入探索清明節的各個方面。這些提示詞能夠引導LLM生成準確、詳細、有深度的信息提示詞的質量直接影響到生成內容的準確性和有效性。實踐中需要不斷優化和迭代提示詞，根據生成內容的效果，調整提示詞的措辭和結構。5.總結和實訓任務總結孔子作為中國古代最偉大的思想家、教育家和政治家之一，其思想包含了豐富的內涵。請圍繞“孔子從凡人到圣賢的生平”、“孔子的仁、禮、中庸等學說”、“孔子因材施教與終身學習的教育思想”、“孔子仁政與德治的政治思想”、“孔子從中國到世界的文化影響”等層次設計提示詞，與LLM展開對話，獲取孔子為人和思想對我們的重要啟示5.總結和實訓實訓任務任務2生成個人簡歷1.任務引入小愛同學熱愛音樂，入學不久，學校“七彩樂隊”招募新成員，小愛同學準備遞交一份簡歷，開啟她的音樂夢想之旅LLM生成辦公文檔的技術，以其高效性、一致性和多語言支持等特點，正在成為提升工作效率的重要工具這一任務通過制作個人簡歷，學習使用LLM制作辦公文檔的方法和技能2.知識準備–LLM與辦公文檔

LLM的應用為文檔編寫帶來了新的變革。學習如何利用LLM編寫這些文檔對大學生來說具有多重意義LLM可以顯著提高工作效率，它能夠在短時間內生成高質量的初稿，減少時間成本通過與LLM互動，能學習到更加專業和標準的語言表達方式；LLM可以提供參考示例，幫助學生更快地適應職場環境LLM提供了基礎框架，但最終的內容優化仍需依賴個人的創造力。可以通過調整、補充LLM生成的內容來展現獨特的見解和個人風格2.知識準備–辦公文檔種類

2.知識準備–對話對話（Session），也叫會話，在LLM應用中扮演著至關重要的角色，它不僅保證了用戶使用LLM過程中的連貫性，還提升了交互的個性化程度LLM服務器通過對話ID識別用戶。對話ID是一個唯一標識符，用于區分不同用戶的對話當用戶發起第一次請求，或者開始一個新對話時，服務器收到請求后就生成一個對話ID。這個對話ID在第一次回復時發送給用戶，并保留在用戶的瀏覽器或APP中當用戶第二次發起請求時就帶上這個ID，服務器就能識別這個用戶2.知識準備–使用LLM生成辦公文檔盡管文檔類型繁多，它們的生成過程卻可以歸納為一個通用的操作流程。掌握這一流程，不僅能夠提高文檔生成的效率，還能確保文檔的質量和適用性姓名:小愛，聯系方式:19945663888，郵箱:xiaoai@，專業:影視動畫，年級:大一，申請職位:校“七彩樂隊”新成員基本信息鋼琴演奏：鋼琴八級考試；吉他彈唱：自學吉他彈唱；歌唱：高中期間“校園歌手大賽“最佳人氣獎；音樂創作：原創歌曲《追夢》音樂才能學術成績：高中期間多次獲“三好學生“稱號；組織能力：班級文藝委員；團隊合作：積極參與各種班級和社團活動綜合素質通過逐一設計提示詞，完善簡歷內容3.設計提示詞準備好簡歷信息文檔，通過上傳文檔提供簡歷內容3.設計提示詞4.使用LLM生成簡歷打開瀏覽器，進入LLM主界面4.使用LLM生成簡歷登錄：手機號+驗證碼，或者手機App掃碼4.使用LLM生成簡歷新建對話，后續步驟不能再新建對話4.使用LLM生成簡歷單擊上傳文檔按鈕，出現“點擊上傳或拖入文檔”區域，拖入準備好的文檔4.使用LLM生成簡歷文檔上傳成功以后，輸入提示詞，點擊提交按鈕4.使用LLM生成簡歷查看生成的簡歷4.使用LLM生成簡歷通過提示詞，修改和完善簡歷查看完善后的簡歷4.使用LLM生成簡歷LLM能自動生成包括各級標題、正文的完整文檔，目前還無法自動生成WPS、WORD或PDF等格式的文檔。可以把生成的最終文檔內容復制粘貼到WPS、WORD等文檔編輯軟件中，根據需要進行格式化和排版，再經過人工修改以后定稿LLM生成辦公文檔的準確性仍存在一定風險。AI幻覺在所難免，LLM生成的內容可能包含事實錯誤或邏輯漏洞。在處理復雜或專業性較強的文檔，例如法律合同或財務報告，人工審核和校對是不可或缺的環節5.總結和實訓任務總結按照生成辦公文檔的一般流程，生成一份個人年度總結2.假設你負責銷售某品牌服裝，按照生成辦公文檔的一般流程，生成一份商業計劃書，自己設置相關信息5.總結和實訓實訓任務任務3制作校園音樂節海報1.任務引入金秋十月，校園音樂節的熱情悄然升溫。剛剛加入“七彩樂隊”的小愛同學，接到了一個特別的任務——為樂隊設計音樂節海報。作為影視動畫專業的學生，小愛同學對視覺設計充滿熱情，但這次，她決定嘗試一種全新的方式，利用LLM生成海報2.知識準備–文生圖技術2.知識準備–設計文生圖提示詞文生圖提示詞通常包括主體、風格、細節和背景等部分，提示詞只需使用關鍵字，不必是完整的句子1.組成要素文生圖提示詞與一般的LLM提示詞在目標和特性上存在一些關鍵區別例如：“一只狗，卡通風格，戴著眼鏡，在大街上”2.知識準備–設計文生圖提示詞文生圖提示詞的優化技巧包括：具體化、風格化、場景化、使用限制條件以及迭代優化2.優化技巧文生圖提示詞與一般的LLM提示詞在目標和特性上存在一些關鍵區別對無限制提示詞“一幅風景畫”設置限制條件，可以修改為“一幅風景畫，只有山和湖，天上沒有云”2.知識準備–設計文生圖提示詞反向提示詞告訴AI不要生成某些內容或風格。通過反向提示詞，可以避免生成不符合預期的元素3.使用反向提示詞文生圖提示詞與一般的LLM提示詞在目標和特性上存在一些關鍵區別以下是兩組正向和反向提示詞的示例：

正向提示詞：一位穿著漢服的女士，站在花園中。

反向提示詞：現代服裝，模糊的面部，奇怪的姿勢。若沒有反向提示詞輸入框，可以把上述第一組正、反提示詞合并為下列提示詞：“一位穿著漢服的女士，站在花園中，排除現代服裝、模糊的面部、奇怪的姿勢”在觀察中構思提示詞3.觀察海報樣例4.設計提示詞主體：樂動校園-第10屆校園音樂節風格：清新文藝細節：素描吉他樂隊背景：金秋季節時間：10月21日星期日下午2:00地點：音樂廣場提示詞構思生成音樂節海報，標題‘樂動校園’，副標題‘第10屆校園音樂節’，清新文藝，金秋季節，展現素描吉他樂隊，時間:10月21日星期日下午2:00，地點:音樂廣場提示詞：5.生成海報打開瀏覽器，進入LLM主界面，執行登錄5.生成海報單擊“圖像生成”按鈕，打開圖像生成界面文生圖技術近年來發展迅猛，能夠創作出逼真的照片和精美的藝術作品，已經廣泛應用于創意設計、游戲開發、廣告等領域。這些技術的核心在于將自然語言與視覺內容對