人工智能通识教育仅供学习交流使用人工智能2.0时代的人才培养和通识教育课程01人工智能2.0时代人工智能的前世今生大模型的特点和局限大模型的发展观察02人才需求和通识教育课人才需求人工智能通识课第2页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课人工智能0.0：古代（1956-2006，从规则到学习）人工智能：让机器具备人类智能，让机器具备非人类智能（超人类智能）传统（知识+规则）：专家系统（知识库+推理机）现代（数据+学习）：机器学习（模型、目标、策略），数据模型（IID，用数学模型模拟世界）常规统计学习方法：逻辑回归，决策森林，支持向量机，马尔科夫链，……小数据，人工特征，部分可解释，缺乏通用性和跨模态人工神经网络：与人脑最大的共同点是名字（原理、机制和架构并不一样），用神经网络表达数学模型1、传统神经网络：霍普菲尔德网络，玻尔兹曼机，…..2、深度神经网络：深度学习（Hinton，2006）大数据，特征表示，基本不可解释，具备通用性和跨模态第3页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课人工智能1.0：近代（2006-2020，深度学习））深度学习：深度神经网络2006：传统架构：DBN，CNN，RNN，ResNet，Inception，RWKV，
……ImageNet（超过人眼）AlphaGO（超过人类棋手）AlphaFold（超过人类科学家）2017：Transformer架构：注意力机制（Attention）预训练模型架构：编码器（BERT）：
embedding，Ernie1.0，……混合网络：T5、GLM（早期）解码器（GPT）：生成式人工智能（AIGC预训练模型架构：并行矩阵计算（GPU）堆叠架构，容易扩展，大力出奇迹第4页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课人工智能2.0：现代（2020-，大模型）大模型（预训练大模型）：大（数据多、参数多、算力多），模型（语言、视觉、多模态）GPT架构：解码器（GPT），生成式人工智能（AIGC），生成-理解-决策（RL）Transformer：大语言模型（LLM，大模型），多模态模型ChatGPT（
4.1
、4o、o1、o3、o4）、Claude；
Grok、Gemini；
Llama、……DeepSeek、Step、Qwen；
Kimi、MiniMax；
GLM、火山(
豆包)、元宝、百度……Transformer+Diffusion：视觉模型图像：
Stable
Diffusion、Mid-
Journey、DALL.E
等视频：Sora、可灵、即梦、Vidu、海螺等通用模型
vs
垂直模型（行业模型）传媒、编码教育、医疗、金融等第5页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课人工智能2.0时代的人才培养和通识教育课程01人工智能2.0时代人工智能的前世今生大模型的特点和局限大模型的发展观察02人才需求和通识教育课人才需求人工智能通识课第6页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课Generative（生成式）Pre-trained（预训练）Transformer（一种深度神经网络架构）大模型的工作原理:
NTP（Next
Token
Prediction）4.基于上下文预测下一个token为可能的单词分配概率分数示例:{“去”:0.7.
“停":0.2,“站":0.1}3.
采用Transformer架构处理token理解token之间的关系识别提示词的整体含义5.根据概率分数选择标记示例:“去”1.
收到提示词示例:“今天天气不错，我决定”自回归（AR）：重复步骤4和步骤5直到形成完整的句子示例：今天天气不错，我决定去公园准确地讲，这里不是“字”，是“token”，可以进行语义计算。2.将输入拆分为token概率预测+文字接龙LLM:LargeLanguage
Model“今天”,
“天”,
“气”,
“不”,
“错”“,”,
“我”,
“决定”][,GPT第7页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课大模型的工作过程：预训练-后训练-推理大模型工作过程阶段1：模型训练（预训练+后训练）第8页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课预训练（自监督）阶段2：推理强化学习(RLHF等等)处理输入（上下文）进行推理（测试时计算）生成输出监督微调接收输入（提示词）大模型的最新发展（从原子弹到氢弹）：推理2022.122023.062023.122024.06生成模型2025.03推理模型ref:
SuperCLUE团队
中文大模型基准测评2025年3月报告OpenAI
推出基于
GPT-4o
模型的图像生成功能，取代此前的
DALL·E3成为ChatGPT
和
Sora
平台的默认图像引擎
OpenAI发布o3-mini
、GPT-4.5，前者推动成本效益推理，
后者展现出较高的情感智能。Gemini2.0
FlashThinking、Claude-3.7-Sonnet、Grok3发布，海外推理模型引发热潮，推理性能大幅度提升。国内推理模型持续跟进。DeepSeek-R1、QwQ-32B、Kimi1.5、GLM-Zero、Skywork
o1、讯飞星火X1等推理模型陆续发布，继续突破推理能力的上限。国内模型性能持续提升。DeepSeek-V3、Qwen2.5、豆包-Pro、混元-Turbo与GLM-4-Plus等系列模型综合能力上持续提升。国内开源生态持续引领模型普惠化。DeepSeek-R1通过开源与性价比优势持续推动行业技术普惠化进程。繁荣期OpenAI发布Sora，极大拓展了AI在视频领域的想象力。GPT-40、Claude3.5、Gemini1.5、Llama3发布，海外进入“一超多强”的竞争格局。国内多模态领域进展迅速，在部分领域领先海外，视频生成模型可灵AI、海螺视频、Vidu、PixVerse等模型陆续发布，并在海外取得较大应用进展。国内通用模型持续提升，Qwen2.5、文心4.0、GLM4、商汤5.5等通用模型陆续更新。准备期深化期跃进期ChatGPT发布，全球范围内迅速形成大模型共识。GPT4发布，进一步掀起大模型研发热潮。国内快速跟进大模型研发，文心一言1.0、通义千问、讯飞星火、360智脑、ChatGLM等首批模型相继发布。第9页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课Llama2开源，极大助力全球大模型开发者生态。GPT-4
Turbo、Gemini等海外大模型发布，继续提升模型性能。Midjourney发布5.2Stable
Diffusion
NTP的温度观点：创意和创新◼记忆1.
多轮对话：产品设计，计算成本1.
语言能力：理解和生成知识能力幻觉（生成不符合事实的内容）知识库限制（公开、私有、即时）上下文窗口限制（记忆、成本）3.
推理能力解决方案提示词（Prompt）思维链（CoT）搜索增强（RAG）知识图谱（KGE）5. 模型微调（Fine
Tune）第10页第10页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课人工智能2.0时代的人才培养和通识教育课程01人工智能2.0时代人工智能的前世今生大模型的特点和局限大模型的发展观察02人才需求和通识教育课人才需求人工智能通识课第10页第11页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课现象：DeepSeek快速出圈，全民硬控2024年12月26日，
DeepSeek推出对标OpenAIGPT-4o的
语言模型DeepSeek
V3，随后在美国AI行业内部引起轰动。2025年1月20日，
DeepSeek发布对标OpenAI
o1
的DeepSeek
R1大语言模型，并于1月24日引起美国投资界KOL关注。2025年1月26日，关于DeepSeek颠覆了大模型的商业模式（堆算力、拼资本），引发英伟达股价大跌，DeepSeek首先在美国出圈，引发国际社会讨论。2025年1月底（春节前后），
DeepSeek在中国出圈，并上升到中美竞争高度，同时纷纷接入DeepSeek，
DeepSeek成为AI和大模型的代名词。DeepSeek让AI跨越了鸿沟。第10页第12页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课到底谁是DeepSeek？公司、模型、产品第10页第13页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课公司、模型、产品引起中美AI行业内部关注的是：模型引起美国关注的是：模型和公司春节前后在中国出圈的是：产品产品优势（用户可感受到）思考过程展示中文好有情商容易获得，使用简单联网和来源引用速度快免费DeepSeek模型优势混合专家MOE强化学习GRPO通讯优化DualPipe多Token预测MTP混合精度训练FP8直接硬件编程PTX多头潜注意力MLA测试时计算TTC并行训练框架HAI第10页第14页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课能力突破开源、低成本、国产自主DeepSeek以“推理能力+第一梯队性能”为核心基础，叠加：开源开放、超低成本、国产自主研发三大优势，不仅实现技术代际跨越，更推动AI技术普惠化与国产化生态繁荣，成为全球大模型赛道的重要领跑者。◼
基础能力：进入推理模型阶段，并跻身全球第一梯队推理能力跃升：DeepSeek大模型核心技术突破，实现复杂推理任务的精准处理与高效执行，覆盖多模态场景应用。国际竞争力对标：模型综合性能跃居全球第一梯队，技术指标与国际顶尖水平（如GPT系列、Claude等）直接对标，奠定国产大模型的行业标杆地位。核心加分项：开源、低成本、国产自主开源：技术共享，生态共建全量开源训练代码、数据清洗工具及微调框架开发者可快速构建教育、金融、医疗等垂直领域应用，推动协同创新。2.
低成本：普惠企业级AI应用针对H系列芯片做了大量的模型架构优化和系统工程优化。最后一次训练成本仅$557w
：显著低于行业同类模型，打破高价壁垒。推理成本降低83%：千亿参数模型适配中小企业需求，加速商业化落地。3.
国产自主：技术自主，缩短差距将国产模型与美国的代际差距从1-2年缩短至3-5个月，突破“卡脖子”技术瓶颈。构建多行业专属模型矩阵，全面支持国内产业智能化升级。DeepSeek
V3/R1模型的创新第15页第15页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课一、基础架构：1. 混合专家模型（MoE）：DeepSeek采用MoE架构，通过动态选择最适合输入数据的专家模块进行处理，提升推理能力和效率。2. 无辅助损失的专家负载均衡策略（EP）：该策略使DeepSeekMoE在不对优化目标产生干扰的前提下，实现各个专家的负载均衡，避免了某些专家可能会被过度使用，而其他专家则被闲置的现象。3. 多头潜在注意力机制（MLA）：MLA通过低秩压缩减少Key-Value缓存，显著提升推理效率。4. 强化学习（RL）：DeepSeek-R1在训练中大规模应用强化学习(让模型自我探索和训练)，将传统的PPO替换为GRPO训练算法，显著提升推理能力。5. 多Token预测（MTP）：通过多Token预测，
Deepseek不仅提高了推理速度，还降低了训练成本。二、训练及框架：1.
FP8混合精度训练（FP8）：在关键计算步骤使用高精度，其他模型层使用FP8低精度进一步降低训练成本。这一点，是DeepSeek团队非常有价值的创新和突破。2. 长链推理技术（TTC）：模型支持数万字的长链推理，可逐步分解复杂问题并进行多步骤逻辑推理。3. 并行训练系统（HAI）：16
路流水线并行(Pipeline
Parallelism,
PP)、跨
8
个节点的
64
路专家并行(Expert
Parallelism,
EP)，以及数据并行(Data
Parallelism,
DP)，大幅提升模型训练速度。4. 通讯优化（DualPipe）：
高效的跨节点通信内核，充分利用
IB
和NVLink
带宽特点，减少通信开销，提高模型推理性能。混合机器编程（PTX）：部分代码直接使用PTX编程提高GPU运行效率。算子库优化（GEMM等Op）：针对H800计算卡的特点，优化了一部分CUDA的算子库。DeepSeek
V3/R1模型的创新第15页第16页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课三、社会价值：开源生态：使用最为开放的MIT开源协议，吸引了大量研究人员和应用厂商，推动了AI技术的发展。模型蒸馏支持：DeepSeek-R1同时发布了多个模型蒸馏。虽然这些蒸馏模型的生产初衷是为了验证蒸馏效果，但客观上帮助用户有机会使用移植了DeepSeek-R1满血版模型的能力的更小的模型，以满足不同应用场景需求。副作用是：给市场和用户造成了很多困扰。AI产品和技术的普及：对于大模型研发企业，更加重视infra工程的价值了。对于大模型应用企业，有了更多高效低成本解决方案。对于社会大众，认识到AI是一个趋势，不是昙花一现。对于市场，用户开始主动引入AI，不再怀疑了。对于国家，大幅缩小了中美的核心技术差距。对于全人类，技术平权，造福一方。DeepSeek
R1模型的能力突破第15页第17页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课DeepSeek
R1模型的能力突破第15页第18页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课DeepSeek
R1模型的能力突破第15页第19页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课DeepSeek
R1
对大模型行业的重大影响DeepSeek-R1以低成本和开源特性打破以往头部企业巨头割据局面DeepSeek-R1的API定价仅为行业均价的1/10,推动了中小型企业低成本接入AI,对行业产生了积极影响DeepSeek-R1促使行业开始从“
唯规模论”
转向更加注重“性价比”和“高效能”方向0102第15页第20页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课03打破垄断价格下调推动创新人工智能：快速冲击智力行业，逐渐侵蚀物理世界人工智能：让机器具备人类智能，让机器具备非人类智能（超人类智能）机器学习深度学习大模型大语言模型：DeepSeek视觉模型：可灵、
即梦多模态模型：GPT-4o第15页第21页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课现代人工智能的发展路径通用人工智能AGI，ArtificialGeneral
Intelligence通常是指具备与人类同等或超越人类智能水平的人工智能系统。OpenAI：在大多数经济价值创造任务中表现优于人类的高度自主系统。AI肖睿团队：90%的智力任务上超过90%的人类，很可能在2030年之前到来。,在问题求解方面AI学会求解问题，涌现世界知识和类人的复杂逻辑推理能力突破图灵测试AI能力全面超越人类，具备探究科学规律、世界起源等终极问题的能力Level
1.AI学会使用人类语言，在大多数自然语言任务上突破图灵测试Level
2.Level
3.AI学会使用工具，利用工具完成多数人类物理世界问题,在工具使用方面突破图灵测试Level
4.Al通过自我学习,具备自我批判、自我改进以及自我反思能力Level
5.第15页第22页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课◼Agent是传统应用（工具+流程）的AI改造⚫工具：直接使用模型或AI产品增强模型能力（
RAG、FT）直接调用外部工具⚫流程：1. WorkFlow
（人工定义）◼Coze、
Dify、ComfyUI2.AgenticAI（模型拆解：环境、工具、策略）◼斯坦福小镇（
MetaGPT）◼AutoGLM、
Manus、Coze
Space、Aipy◼趋势：A2A和MCP将成为AI系统（Agent）的必备要素如果把Agent想象成一个笔记本电脑：大模型就是CPU2. A2A就是网络接口3. MCP就是USB接口Agent：从human
in
loop到human
on
loop第15页第23页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课人类设立任务目标AI对其中某(
几)
个任务提供信息或建议人类自主结束工作人类设立任务目标AI完成其中某(
几)
个流程的初稿人类修改调整确认人类自主结束工作设立目标提供资源监督结果全权代理任务拆分工具选择进度控制自主结束工作Agent的核心特征是自主（请人类走开）Embedding：助手模式AI人类人类完成绝大部分工作Agent：代理模式人类 AIAI完成绝大部分工作Copilot：伙伴模式AI人类人类和AI协作工作现代人工智能（大模型）的本质这一波人工智能本质上是数据智能，只要是有时间结构和空间结构的数据，都可以识别出数据分布模式，建立数据模型，从而产生智能。这一波人工智能的核心是语言智能，通过分析和建模人类语言，获取人类的知识，并进一步获取人类的思维模式。或许，AI只是一个我们和他人和祖先和整个人类的意义世界的交互的接口的翻译器。与我们对话的，不是AI，而是AI背后那个人类构造出的意义世界。因此，
AI可以成为我们的伙伴和导师，例如：
DeepSeek对贪嗔痴的解释。对现代人工智能的正确认知：本质、关键过程、关键要素第15页第24页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课大模型技术的关键过程预训练：中小学，打基础后训练：RL、SFT。大学，有专业微调、Prompt。入职实习，能干活大模型技术的关键要素Token：万物皆tokenAttention：熵减即智能GPT：大力出奇迹Data：以古鉴今RL：自学成才（决策，探索未知，生成数据）优化：卷Infra和算法，实事求是，反抽象FT：后训练的艺术TTC：大力出奇迹
AGAINPrompt：有话好好说Agent：最后的筐对现代人工智能的正确认知：AI与IT的区别IT：确定性的任务（简单和繁杂），以代码逻辑为核心1.0：记忆+计算（冯诺依曼；软件时代）2.0：记忆+计算+搜索（互联网时代）AI：不确定的任务（复杂和混沌），以数据模型为核心0.0：专家系统：知识+规则1.0：机器学习：数据+学习，白盒0.5：传统机器学习：人类定义特征，人类估算模型参数1.0：人工神经网络：人类定义特征，模型自己学习模型参数2.0：深度学习：数据+学习，黑盒（不可控，有错误概率）1.5：判别模型：人类只提供数据，端到端学习（模型自己抽取特征，自己学习模型参数）2.0：生成模型：训练阶段+推理阶段；压缩+生成（幻觉）2.5：推理模型：训练阶段强化学习；推理阶段慢思考IT应用与AI应用的关键差异：在互联网时代，用户使用系统的成本很低，边际成本接近于零。在AI时代，用户使用系统的成本比较高，有大量的GPU算力需求，边际成本较高。第15页第25页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课大模型技术的应用阶段知识库目标是利用企
业
内
部知
识库，提高
AI
在特定领域问答或内容生成
的
准
确性
和相关性。提示词目标是快速验
证AI
是
否能解决某个特定
的
业
务痛
点（例如
，
初步的文本分类、简单的信息提
取
）
。行业模型目标是利用行
业
领
先的
AI能力，
解决更
复杂、专业的问题。03020401第15页第26页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课模型微调目标是进一步
优
化
模型
在特定任务上的
性
能
，
使
其更符合企业的具
体
需求
和数据特点。AI与提示词的关系-人类与大模型合作方式给刚毕业的优秀大学生安排任务第15页第27页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课知识渊博的专家为你解决具体任务给外包员工安排任务把自己当老板，像对待你的员工一样，对待AI镜子理论：提示词是人激发和控制AI能力的手段，如同一个骑手的骑术一样大模型的提示词技巧的总原则AI具体内容可以参考AI
肖睿团队的《提示词工程和场景落地》（/ai-news/294.html）Problem
Definition:Delineationof
taskgoals‘Ok,sothe
userwantsme
to...’Bloom:Decompositionofproblemand
initialexecutiontoapotentialanswer,whichmaybeverified.‘First,I
should...’Reconstruction:Reconsiderationofinitialassumptions,possiblyleadingto
anewanswer,andverificationofconfidence.‘Wait,alternatively...’Final
Answer:Qualificationofconfidenceandfinalanswerto
return.‘Ok,I’msure
now...’第15页第28页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课AI与提示词的关系-人类与大模型合作方式人类知道AI不知道+我知道给知识和场景（Prompt+know
how）将掌握的信息传递给AI。使用详细的描述、举例、甚至提供数据等方式。比如你了解某个地方的独特方言，而AI的训练数据中没有包含，你需要用文字甚至录音等方式向AI描述这种方言的特点，例如发音、词汇等。AI不知道+我不知道共同进行研究和探索，可以利用AI的计算和分析能力，结合人类的创造力和直觉，共同寻找答案。比如要研究某种尚未被发现的疾病的病因，可以向AI提供已知的医学数据和研究文献，让AI分析潜在的关联性，并提出新的研究方向。AI知道+我知道简单表达（明确指令：
使用清晰的动词和目标，例如“比较”、“总结”、“分析”、“生成”等。）比如双方都知道“二战”，你可以直接问“二战爆发的原因是什么？”,或者更进一步问“比较一战和二战的异同”。AI知道AI知道+我不知道多轮对话同频（使用开放式讨论，例如“什么是”、“如何”、“有哪些”等。）比如AI知道很多关于商业模式的知识，而你不太了解，你可以问“我在做美术教育，有哪些好的盈利模式？”。简单说提问题开放聊喂模式第15页第29页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课提示词的发展：多变、内在规律、分化提示词的本质：大模型不够聪明提示词的目标：人机对齐（信息和意图）提示词的价值流变：对话场景下，越来越成为人类自身的思维工具对人类的要求定义AI问题：把现实中的问题转化为可以用AI解决的问题布置AI任务：在有限的上下文里，清晰的表达，告诉所需的背景信息验收AI工作：对回复有预期，对模型回复的好坏可以辨别从“提示词工程”到“上下文工程”扩展（系统设定、记忆、系统状态等），动态（每次执行会有变化）教材
vs
教学场景；用户视角
vs
大模型视角大模型的提示词工程和上下文工程第15页第30页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课AI2.0时代的思考第15页第31页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课人是世界的尺度，活在意义之网中，人工智能让这张网更有价值人类需要的是判断力和表达力，不再是记忆力和知识储备人是目的，不是手段，不要去和人工智能比工具性使用人工智能的人淘汰不使用人工智能的人使用人工智能的组织淘汰不使用人工智能的组织人工智能时代的策略：把握原理、躬身入局、随时否定自己人工智能2.0时代的人才培养和通识教育课程01人工智能2.0时代人工智能的前世今生大模型的特点和局限大模型的发展观察02人才需求和通识教育课人才需求人工智能通识课第15页第32页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课第33页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求AI2.0时代的技术观和人才观：我们的判断010203AI技术的突破和范式转换如自然语言处理、计算机视觉、自动驾驶等数据智能：AI1.0到AI2.0智能门槛：判别-生成-推理社会对AI人才的需求应用能力：不要求专业深度，但也不是简单的工具使用，而是深度应用解决问题思维能力：不是记忆和推理，而是问题定义、沟通表达、结果鉴别AI成为学生的必备素养现在，懂AI技术，会AI应用，具备竞争优势未来，懂AI技术，会AI应用，仅仅是不会竞争劣势（必备技能）33/第5383页0学5.人习工交智能流通可识课以加AI肖睿团学队习微交流信可号加(微A信BZ号2（18zh0i)xingzhaizhuren）AI2.0时代的人才需求一、应用人才（实际上包括所有人）思维要求：用AI技术和工具去解决实际问题，提高工作和生活的效率和质量，赋能行业能力增加：问题定义能力，独立思考能力和判断力，表达和沟通能力能力减少：记忆力和知识储备，计算推理能力，执行力（纪律和毅力），创造力？教育需求：AI通识教育二、IT专业人才（产品经理、开发岗位）思维要求：数据思维，模型思维，以人为本，赋能行业，理解场景能力增加：机器学习-深度学习-大模型原理，数据工程能力能力减少：代码能力，逻辑能力？文档能力，软硬件工程能力（IT项目管理和适配）教育需求：新IT教育三、AI2.0专业人才（数据、算法和模型、算力和工程）思维要求：数学思维，好奇心和试错思维，热爱人类能力增加1：数据工程能力，数据合成能力能力增加2：底层软硬件工程能力（芯片、通讯、操作系统）能力增加3：大模型范式能力（Transformer、Diffusion、RL等）能力减少：数学能力，机器学习传统算法，深度学习传统模型教育需求：AI专业教育各行业AI赋能人才日常的AI应用第34页第34页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课大模型开发工程师AI应用开发工程师Agent开发工程师AI产品经理...算法工程师深度学习专家大模型研究员...人工智能2.0时代的人才培养和通识教育课程01人工智能2.0时代人工智能的前世今生大模型的特点和局限大模型的发展观察02人才需求和通识教育课人才需求人工智能通识课第34页第35页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课人工智能赋能教育的四层障碍第34页第36页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课人工智能时代2020s-
现在核心目标：人机协同能力与批判性思维主要技能：AI工具应用与提示词工程AI输出结果评估与验证解决复杂问题的人机协作主要挑战：平衡技术效率与独立思考能力数字素养通识教育的变迁大数据时代2010s-
2020核心目标：数据思维与分析能力提升主要技能：数据收集与清洗处理数据可视化表达基础统计分析与解读主要挑战：培养数据思维，理解数据价值计算机与互联网时代1990s-
2000s核心目标：计算机应用和网络资源利用能力主要技能：Office办公软件应用电子邮件与网页搜索基本信息检索与管理主要挑战：降低数字鸿沟，普及基础数字能力第34页第37页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课AI2.0时代的人工智能教育一、面临的环境缺乏积累：内容体系、课件、师资、教学模式变化快速：传统的内容建设、课件开发、教师的知识更新模式都会面临挑战认知落后：传统的编程思维、IT思维，会干扰AI2.0的课程内容建设和目标评测二、面临的困难课程迭代师资队伍平台环境支持：算力、数据、费用三、人工智能教育的解决路径通识课：建立知识、思维、伦理方面的认知体系通育课：学会在学习、生活、社会生存场景下的人机协同技能和习惯通用课：与专业领域结合的应用和创新技能四、人工智能教育的长期问题：教育定位从：专业核心，知识运用，规范性思维到：问题核心，人机协作，批判性思维通用课第34页第38页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课通育课通识课人工智能通识教育的陷阱传统AI技术教育的局限AI1.0（DOS）简本专业课（汽车制造和修理）缺乏动手场景第34页第39页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课AI通识教育的学习需求AI2.0（Windows）懂AI用AI（公交司机、出租司机），拒绝劝退与工作场景和生活场景关联人工智能通识课：目标与设计理念1、全局观和现代AI技术的范式转换智能的核心：推理-知识-数据数据智能：本质是数据建模，哲学基础是经验论2、内容定位：生成式AI思维与应用文本、图像合成、音视频生成技术不考虑数据处理能力和编程能力不建议计算机和互联网应用内容学习3、教学目标：通过工具实操与项目制学习，让学生在实践中具备AI思维，掌握分辨AI技术边界的能力和解决问题的AI技能目标定位培养学生的AI全局观本质理解应用能力1、培养理解高度与思考维度纠正常见AI误解，建立正确认知多维度视角理解AI的意义：技术+社会+
哲学多维视角2、案例讲解与动手实操提升自信与成就感案例分析四步法形成AI问题解决思维降低门槛，理解边界，聚焦实用性教学资源和实验平台助力教学自学实操3、学科融合提升兴趣和解决问题能力结合专业背景探索AI应用场景通过跨学科融合激发创新能力小组合作与创新任务第34页第40页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求05.人工智能通识课设计理念人工智能通识课：内容第41页0学5.人习工交智能流通可识课以加AI肖睿团学队习微交流信可号加(微A信BZ号2（18zh0i)xingzhaizhuren）41/第5481页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求PPT课件演示案例实战任务课后作业人工智能通识课：课程和教学资源微课视频第41页0学5.人习工交智能流通可识课以加AI肖睿团学队习微交流信可号加(微A信BZ号2（18zh0i)xingzhaizhuren）42/第5481页01.人工智能的前世今生02.大模型的特点和局限03.大模型的发展观察04.大模型时代的人才需求人工智能通识课：学科融合课前准备阶段1.
专业化课程目标设定2.
专业关联内容筛选3.
