3.1初識語言大模型菜剪三秋綠，飧炊百日黃。胡麻山麨樣，楚豆野麋方。始暴松皮脯，新添杜若漿。《食后》柴火煨新黍，炊煙繞晚陽。刀砧分玉膾，鼎鑊泛椒香。慢燉三更露，閑溫一歲霜。浮生炊黍熟，不必問黃粱。《暮炊》?猜一猜那首古詩是AI創作的？為什么AI可以模仿人類寫作？它需要那些技術支持？議一議1.了解什么是語言大模型。2掌握與語言大模型交互的基本技巧。學習目標語言大模型(LargeLanguageModel,簡稱LLM)是人工智能領域中自然語言處理的一個重要分支。它是具有海量參數、利用深度學習技術訓練出來的語言模型。語言大模型概念AI概念大數據大參數大算力AI的三大秘密武器AI理解訓練AI識別“貓”，需要喂給它10萬張標注好的貓圖片（如暹羅貓、橘貓等），就像廚師需要精選優質食材若食材不新鮮（數據質量差），例如用模糊的“馬賽克貓”訓練，AI會像廚師做出黑暗料理一樣輸出錯誤結果實際AI案例大數據：食材——AI的“知識源泉”?類比：食材是烹飪的基礎，正如數據是AI學習的原料。新鮮的西紅柿、雞蛋、調味料決定了菜肴的品質，而AI的“食材”是文字、圖片、語音等海量信息。大數據AI理解大參數菜譜—AI的“知識結晶”菜譜是廚師經驗的總結，而大參數是AI從數據中提取的規律。菜譜中的“鹽少許”需廚師根據經驗調整，大參數則通過數值化存儲知識（如“鹽=3.5克”）。實際AI案例千億級參數（如GPT-3）：像一位擁有百萬道菜經驗的主廚，能根據用戶需求（如“低卡飲食”）自動調整“火候參數”（如減少油脂配比）；類似廚師通過“試菜反饋”微調鹽量，AI通過訓練誤差反向修正參數值，避免輸出“太咸”（邏輯錯誤）或“夾生”（信息不全）。AI理解猛火灶能快速烹飪大餐，算力決定了AI處理數據的速度和規模。家用小灶（CPU）炒一盤菜需10分鐘，而工業級灶臺（GPU集群）可同時處理100鍋菜肴。大算力灶火——AI的“能量引擎”01訓練GPT-3相當于讓廚師不眠不休練習500年，實際通過上萬塊GPU并行計算，將時間壓縮到幾個月。華為盤古氣象模型預測臺風路徑，需調用相當于一個小城市用電量的算力資源，如同用火箭級灶火精準控制AI實際案例02AI理解(1)兩種提問方式搜出來的結果是否一致?(2)兩種提問方式的側重點分別是什么?(3)你認為哪種提問方式更合適?為什么?如何與AI對話1.使用語言大模型搜索以下問題:提問A:推薦一份早餐。提問B:推薦適合初中生的早餐，含蛋白質和蔬菜，準備時間小于10分鐘。實踐活動1:模糊提問VS精準提問(10分鐘)運用AI明確對象+具體要求=精準答案運用AI小明的信息卡姓名:小明年齡:14歲身高:155cm體重:70kg問題:不愛吃早飯，不愛吃蔬菜,愛吃薯片，愛喝可樂，每天運動不足10鐘。角色定義——讓AI變身專家（10分鐘）1.根據小明的情況，為不愛吃早飯的小明設計合適的早餐。2.如果你是一名營養師再次為小明設計營養早餐。3.對比兩種不同的提問方式,請同學評價哪種更合適。任務要求運用AI(文檔補丁-一給AI“知識”(3分鐘)如果想用語言大模型給每個同學提供合適的營養早餐，可以怎樣快速生成呢?運用AI給模型提供背景知識后，模型的回答更真實更具有針對性。運用AIAI