人工智能通识实践教程 课件 第2章 认识人工智能

第2章认识人工智能实验目标掌握如何使用设计合理的提示语，引导大语言模型进行问答、对话和文本生成了解文生图与图生文的应用场景及潜力通过一些实际案例认识和思考AI伦理问题2.1大语言模型大语言模型（LargeLanguageModel，LLM）是一种基于神经网络的人工智能算法，能理解人类语言，并给出相应的回复你好，请介绍一下北京科技大学北京科技大学（University

of

Science

and

Technology

Beijing，简称USTB）是一所位于中国北京市的著名高等学府，以下是其简要介绍：…注意：• 大语言模型不具备真正理解语言能力，其本质是输入到输出的概率化映射• 同时，该机制导致大语言模型可能生成虚构内容（尤其是统计数据等），即出现"幻觉"现象概率化映射大语言模型的提示语大语言模型的提示语（Prompt）是指用户向大语言模型输入的文本内容，用于触发大语言模型的响应并指导其如何生成或回应这些提示语可以是一个问题、一段描述、一个指令，甚至是一个带有详细参数的文字描述。它们为大语言模型提供了生成对应文本、图片、音频、视频等内容的基础信息和指导方向。提高准确性引导生成增强交互性提示语的基本元素提示语包括指令（Instruction）、上下文（Context）、输入数据（InputData）和输出格式（OutputFormat）四个核心部分名称描述示例指令明确告诉模型需要执行的任务或操作，它是一种明确的命令或请求，指导系统如何处理输入数据“阐述…”“解释…”“翻译…”“总结…”“润色…”“写一篇文章”输入数据用户在当前交互中明确提供的信息或请求用户提供的文本、上传的图片输出格式指定输出的结构或格式“用50字以内简述”“以表格形式输出”“以JSON代码形式给出”上下文提供与任务相关的背景信息或附加说明“我是一名刚入学的大学生”“我不理解…概念”“我正在学习…”提示语的输入和输出1．自然语言文本在使用自然语言与大语言模型交互时，可以使用各国文字，输出语言由输入语言和上下文线索决定。2.各种编程语言代码大语言模型在编写、理解和调试代码方面表现出色，能够支持多种编程语言，如Python、JavaScript、Java、C++等等。3.数据文件大语言模型通常支持多种数据文件的输出，如CSV、JSON、MarkDown、HTML等，因此可以在提示语中明确输出的形式。提示语工程的关键技术1．明确指令、提供上下文2．角色扮演3．结构化提示语

任务目标+目标受众+内容要求+输出格式+附加要求4．示例引导5．分步提示6．持续交流的使用或终止持续：记忆和上下文积累、逐步调教和训练、个性化调优终止：话题切换较大、上下文过长、模型理解偏差与DeepSeek进行对话访问DeepSeek官网（/），在提示词输入框的底部，有两个按钮，即“深度思考(R1)”和“联网搜索”，可以用鼠标点击来选中或取消，默认情况下，“深度思考(R1)”按钮是处于选中状态，“联网搜索”则处于未选中状态。（1）深度思考(R1)。表示触发更复杂的多步推理能力，适合需要逻辑链分析的场景，典型使用场景包括数学题/物理题推导、编程问题的架构设计、需要分步骤解释的操作指南、文学作品的隐喻分析等。（2）联网搜索。表示实时获取最新网络信息，适合时效性强的查询，典型使用场景包括查询实时股价/汇率、验证最新科研成果、获取突发事件进展、检索特定网页内容等。启用方法与DeepSeek进行对话基本原则：简单直接，自然表达不同场景的提问技巧（针对复杂任务，非必需）：角色基因+特殊期望+反向顾虑+细节延展基础提问优化后的提问知识类问题量子力学的基本原理是什么？用通俗易懂的语言解释量子纠缠，适合高中生理解创作类任务（写作、编程等）写一个关于人工智能的科幻短篇故事写一个反乌托邦主题的科幻故事，主角是女性工程师，结局有反转实用建议（学习、工作等）如何提高英语听力？我每天只有30分钟学习时间，有哪些高效的英语听力练习方法？复杂任务（数据分析、代码调试）这段Python代码报错了，帮我看看问题我的代码目标是爬取网页数据，但遇到SSL证书错误。报错信息如下：[粘贴代码]与DeepSeek进行对话常用指令指令功能指令功能续写扩展内容生成根据提示生成文本、代码或其他内容简化降低理解难度解释解释某个概念或术语示例要求展示实际案例对比对比两个或多个事物的异同步骤分解复杂任务建议建议检查发现并纠正错误转换将内容转换为指定格式或类型翻译将文本翻译成指定语言优化优化代码、文本或其他内容总结对长文本进行摘要或总结创意生成创意内容（如名字、故事、设计等）以“/”开头的指令类似于许多聊天机器人或命令行工具的风格特点：清晰明确，易于识别

示例：/续写人工智能的未来发展趋势包括以下几个方面：与DeepSeek进行对话使用DeepSeek处理文档：单击「回形针」图标上传⽂件，支持的文件类型包括文本类（PDF、DOCX、TXT、Markdown）、数据类（CSV、XLSX）和图像类（JPG、PNG）；上传及解析完毕后，在对话框中输入提示词与DeepSeek进行对话功能指令模板应用场景内容摘要/总结

[文件名]生成500字摘要快速把握长篇文档核心内容问答提取/问答

[文件名]第三章提到的技术参数是？精准定位特定信息数据可视化/可视化

[文件名]将销售数据生成折线图转化表格数据为图形分析跨文档对比/对比

文件Avs文件B的政策差异合同/论文查重对比与DeepSeek进行对话可以要求DeepSeek对回答结果进行结构化输出/解析文件

年度报告.docx输出要求：

1.按"营收/利润/成本"分类

2.用Markdown表格对比近三年数据

3.关键增长点用✅标注对学生的一点建议作业神器”->“学习助手”不要将AI视为完成作业的工具，而应将其作为辅助学习的强大助手纸上得来终觉浅，绝知此事要躬行AI似乎能帮助思考，但是理论知识仍然需要通过实践来深化适应AI，但是需要理性对待AI生成内容尽信AI则不如无AI，对AI生成的内容需保持批判性思维，仔细甄别其准确性和可靠性，避免盲目依赖提升自己，有好的输入才得到好的输出研究性学习实践（1）选择以下主题之一完成调研。主题1：调研连接主义人工智能在AI发展史中的两次寒潮和三次浪潮，分析相关的标志性事件、关键人物及其背后的原因，并选择一个特定时代深入探讨该时期面临或解决的主要问题。对于不熟悉的陌生问题，将通过与大语言模型的持续对话，逐步建立对问题的清晰理解。主题2：绘制以杰弗里·辛顿为核心的深度学习领域科学家图谱（至少涵盖10位相关科学家），展示他们的主要研究领域和贡献、相互之间的关系以及社会联系，并对其中三位科学家进行详细解读。研究性学习实践（2）将研究结果以规范报告的形式呈现，并使用“样式”（标题样式、正文样式等）规范全文格式。（3）借助大语言模型生成报告的MarkDown文本，并使用工具（如在线工具Markmap：/）将MarkDown文本转为思维导图呈现在报告中。2.2多模态大模型问答模态：指信息的不同表现形式，如文本、图像、音频、视频等多模态：将不同类型的信息进行集成与协同处理大语言模型与多模态大模型的区别特性大语言模型多模态大模型输入数据类型文本文本、图像、音频、视频、传感器数据等任务范围自然语言处理任务跨模态任务（如文生图、图生文、多模态对话）核心能力文本生成与理解跨模态理解与生成示例模型GPT-3.5、LLaMA2、DeepSeekGPT-4o、百度文心大模型4.5Turbo训练数据大规模文本数据多模态数据（文本+图像+音频等）应用场景文本生成、翻译、问答艺术创作、智能助手、跨模态检索多模态大模型的常见任务（1）文本到图像（Text-to-Image，简称文生图）：根据文本描述生成对应的图像。（2）图像到文本（Image-to-Text，简称图生文）：根据图像内容生成描述性文本。（3）跨模态检索：在文本和图像之间建立关联，实现双向检索。（4）多模态对话：结合文本、图像和音频进行交互式对话。文本到图像生成技术文本到图像（文生图）结合了计算机视觉与自然语言处理两个领域的技术，使得计算机能够从人类的语言指令中理解并生成与之相符的视觉内容。关键步骤①文本理解与解析②生成图像的模型设计③对齐文本与图像④优化与生成图像到文本描述技术图像到文本（图生文）旨在通过理解图像内容并生成准确的文本描述，实现从图像到语言的自动转换。关键步骤①图像特征提取②图像理解与语义分析③语言生成多模态大模型应用实验任务1：根据提示语进行素材制作（文生图，提示语优化练习）任务2：人工智能相关图像信息的自动描述（图生文，使用多模态大模型作为辅助学习工具）国产大模型

文生图：豆包、文心一言

图生文：DeepSeek、豆包2.3人工智能的伦理与挑战人工智能的开发、应用和使用过程中，涉及到很多道德和伦理问题人工智能伦理已成为全球学术界、政府机构、企业和公众高度关注的议题技术的设计和运作问题技术如何与社会价值、法律体系以及人类福祉相结合（1）人工智能伦理的典型问题隐私保护与数据安全依赖用户的个人数据进行决策与预测，包含敏感的个人信息，如健康状况、财务状况、消费习惯等算法偏见与公平性数据存在不中立的可能性，依赖于具有偏见的数据进行训练，会复制并放大这些偏见，导致不公平决策透明性与可解释性复杂的AI模型内部决策过程对用户和开发者几乎不可解释的，人们无法理解AI得出结论的过程进而无法对其决策结果负责，如AI癌症诊断等（1）人工智能伦理的典型问题责任与问责AI造成了伤害或损失后，责任的归属问题就业与社会影响许多传统行业的工作岗位正在被自动化技术所取代AI的自主性与控制问题AI系统是否会超越人类的控制，做出无法预测或有害的决策如果AI做出错误的决策，如何进行干预和控制技术滥用与恶意应用虚假信息更加真实，可能被用来操控公众舆论或进行欺诈行为（2）生成式人工智能的伦理虚假信息传播利用AI生成虚假的新闻、视频或照片，引发社会舆论版权界限如何确定作品的创作权归属且如何保护相关知识产权教育导致学生缺乏主动探索和独立思考学术诚信与学术不端大语言模型与AI伦理实验从以下问题（不限于此）中选择一个进行调研。从AI伦理的视角，探讨AI技术引发的法律纠纷问题。（1）利用大语言模型创作的作品是否具有版权问题：由AI生成的内容（如文本、图像、音乐）是否受版权保护？版权归属于谁？案例：2022年，一幅由AI生成的艺术作品《ThéâtreD'opéraSpatial》在美国科罗拉多州博览会上获奖，引发了关于AI作品版权的争议。用户使用ChatGPT生成的文章或代码，属于用户还是OpenAI？研究我国、美国、欧美等国家的版权法，了解版权法对于版权归属的规定，以及是否保护AI生成的内容。大语言模型与AI伦理实验（2）自动驾驶汽车的责任归属问题：自动驾驶汽车发生事故时，责任应由谁承担？是制造商、开发者还是用户？案例：Uber自动驾驶汽车撞人事件：2018年，Uber的自动驾驶汽车在美国亚利桑那州撞死一名行人，引发了对责任归属的广泛讨论。特斯拉自动驾驶事故：多起特斯拉自动驾驶模式下的交通事故引发了法律诉讼。该问题涉及产品责任法、交通法和保险法的争议。目前，法律框架尚未完全适应自动驾驶技术，责任归属问题仍在探索中。谈谈你对这个问题的思考和观点。大语言模型与AI伦理实验（3）AI监控与隐私侵犯问题：AI监控技术（如人脸识别）被广泛使用，可能侵犯个人隐私权。案例：ClearviewAI：ClearviewAI因未经同意收集和使用人脸数据，被多个国家起诉。中国的人脸识别监控：中国广泛使用人脸识别技术，引发了对隐私权的担忧。该问题涉及隐私法（如欧盟的GeneralDataProtectionRegulation，通用数据保护条例）和数据保护法的诉讼。目前，一些地区（如美国旧金山和其他一些地区）已实施禁止政府在无适当监管的情况下使用人脸识别技术。大语言模型与AI伦理实验（4）AI生成虚假信息与