生成式人工智能基础 教学大纲

生成式人工智能基础教学大纲课程名称：生成式人工智能基础课程代码：[具体代码]课程学分：[具体学分]课程性质：专业核心课程适用专业：计算机科学与技术、人工智能、软件工程、数据科学与大数据技术、电子信息工程等相关专业先修课程：计算机基础、数据结构、算法设计、概率论与数理统计、线性代数、编程语言（Python）课程目标：本课程旨在系统地介绍生成式人工智能（AIGC）的基础理论、核心技术、应用场景及其社会影响，使学生掌握生成式AI的基本原理、模型架构和应用方法，培养学生的创新思维和实践能力，为学生在人工智能领域的深入研究和应用开发奠定坚实基础。教学方法：课程采用理论讲授与实践操作相结合的教学方法。理论部分通过课堂讲授、案例分析和讨论，帮助学生理解生成式AI的核心概念和技术原理。实践部分通过实验、研究性学习和课程项目，培养学生的动手能力和创新思维。考核方式：课程考核包括平时作业、实验报告、期中考试、期末考试和课程学习与实践总结。平时作业和实验报告占30%，期中考试占20%，期末考试占40%，课程学习与实践总结占10%。教材与参考书：·主教材：《生成式人工智能基础》周苏等著，机械工业出版社，2025·参考书：课程内容第一部分基础理论篇第1章人工智能基础1.1计算机的渊源1.1.1通用计算机1.1.2计算机的定义1.2大数据基础1.2.1大数据的定义1.2.2大数据的3V特征1.3AI时代1.3.1图灵测试及其发展1.3.2AI的定义1.3.3强AI与弱AI1.3.4大数据造就大智慧1.4机器学习与深度学习1.4.1机器学习1.4.2深度学习1.4.3机器学习与深度学习的关系【作业】【研究性学习】探索AI在日常生活中的应用第2章生成式AI与AIGC2.1Blockhead思维实验2.2从自然语言处理起步2.2.1NLP研究内容2.2.2深度学习的影响2.2.3LLM崛起2.2.4LLM特征2.3生成式人工智能2.3.1什么是判别式AI2.3.2定义生成式AI2.3.3生成式AI的层次2.3.4定义AIGC2.3.5生成式AI与AIGC的关系2.4智能内容生成2.4.1内容孪生2.4.2内容编辑2.4.3内容理解2.5生成式AI应用场景【作业】【研究性学习】熟悉阿里云大模型“通义千问”第二部分核心技术篇第3章大语言模型技术3.1LLM的工作原理3.1.1词元及其标记化3.1.2基础模型3.1.3词嵌入及其含义3.1.4生成和理解3.1.5预训练过程与微调3.2生成对抗网络3.2.1GAN的基本原理3.2.2GAN的训练过程3.2.3不同类型的GAN3.3变分自编码器3.3.1VAE的工作机制3.3.2潜在空间探索3.4流模型3.4.1流模型应用场景3.4.2流模型应用案例3.5语言模型基础3.6LLM的幻觉3.6.1产生幻觉的原因3.6.2减轻幻觉【作业】【研究性学习】LLM典型案例分析第4章提示工程与技巧4.1提示工程的定义4.2提示的原理4.2.1提示词分类4.2.2提示构成4.2.3提示调优4.3提示工程技术4.3.1链式思考提示4.3.2生成知识提示4.3.3少样本提示4.3.4自一致提示4.3.5思维树提示4.4提示学习和语境学习4.4.1提示学习4.4.2语境学习4.5提示词写作技巧4.5.1提示词框架推荐4.5.2提示词实践技巧【作业】【研究性学习】练习撰写提示词第5章文本生成技术5.1典型的语言模型方法5.1.1基于规则的方法5.1.2统计语言模型5.1.3循环神经网络及其变体5.2Transformer模型5.2.1位置编码机制5.2.2自注意力机制5.2.3Transformer过程5.2.4Transformer结构5.2.5Transformer模块5.3混合模型5.4典型的文本生成技术5.4.1文本摘要技术5.4.2诗歌生成5.4.3简单对话系统5.4.4翻译任务中的应用【作业】【研究性学习】熟悉AI助手KIMI第6章图像生成技术6.1图像生成的模型6.1.1扩散模型6.1.2自回归模型6.1.3图像生成的代表性模型6.2图像生成的应用场景6.3图像风格迁移6.3.1基本原理6.3.2代表性算法6.4超分辨率重建6.4.1基本原理6.4.2传统方法6.4.3基于学习的方法6.5视频生成6.5.1主要方法6.5.2代表性算法6.6医疗影像合成6.6.1主要方法6.6.2代表性算法6.7挑战与未来发展【作业】【研究性学习】基于深度学习的图像生成第7章音频生成技术7.1定义音频生成技术7.1.1音频与音乐7.1.2核心生成技术7.2波形建模7.3音乐旋律生成7.4语音合成7.4.1基本原理7.4.2主要方法7.4.3合成质量7.4.4用户定制7.5音频增强与修复7.5.1噪音减少7.5.2回声消除7.5.3音频修复7.5.4动态范围压缩7.5.5等化7.5.6时间拉伸与音高转换7.5.7用户交互与自动化【作业】【研究性学习】探索音乐旋律生成模型第8章多模态生成技术8.1多模态生成概述8.1.1技术基础8.1.2模型结构融合策略8.2视觉与文本结合8.2.1图像字幕生成8.2.2视觉问答8.2.3文生图的合成与编辑8.2.4生成中的情感一致性8.2.5案例：Muse文生图模型8.3跨媒体内容生成8.3.1图像到文本生成8.3.2跨媒体翻译8.3.3多模态对话系统8.4智能感知与响应8.4.1技术基础8.4.2制定响应决策8.5应用与发展8.5.1多模态生成的应用场景8.5.2技术挑战与发展趋势【作业】【研究性学习】多模态生成技术应用——“情感音乐可视化”第三部分应用场景篇第9章AIGC促进文化创意9.1文化创意应用场景9.2文学创作9.2.1AIGC用于文学创作9.2.2自动化写作工具9.2.3激发创意灵感9.3视觉艺术9.3.1图像生成与编辑9.3.2风格迁移9.3.3VR与AR9.3.4AI绘图工具9.3.5AIGC生成视频9.4音乐与音频制作9.4.1自动作曲9.4.2效果迁移与融合9.4.3音频处理与配乐9.4.4智能混音与母带处理9.4.5互动式音乐体验9.5影视娱乐9.5.1剧本开发与优化9.5.2视觉效果生成9.5.3智能剪辑与叙事结构9.5.4互动式影视体验9.6AIGC带来新商业模式9.6.1基于订阅的内容即服务9.6.2微内容与短格式媒体9.6.3版权保护与交易机制【作业】【研究性学习】文生图：注册使用Midjourney绘图工具第10章AIGC改善医疗健康10.1关于循证医学10.2AIGC在医疗行业中的应用10.2.1主要应用场景10.2.2展望与挑战10.3AIGC加速药物发现10.3.1AIGC用于药物发现10.3.2为流程各阶段增加价值10.3.3AIGC助力药物研究10.4AIGC应用在健康领域10.4.1个性化健康管理10.4.2健康教育与咨询10.4.3康复与治疗支持10.5医疗健康应用案例10.5.1医学影像诊断系统10.5.2智能病历管理系统10.5.3健康监测与预警系统【作业】【研究性学习】AIGC辅助临床医学决策第11章AIGC造就智慧城市11.1智能交通概述11.1.1智能交通要素11.1.2关键技术11.1.3主要应用11.2AIGC用于智能交通11.3AIGC与自动驾驶11.3.1车联网技术概述11.3.2AIGC应用于自动驾驶11.4智能城市与AIGC11.4.1智慧城市关键特点11.4.2智慧城市主要组成11.4.3AIGC应用于智慧城市【作业】【研究性学习】AIGC智能交通应用案例分析第12章AIGC提升金融服务12.1金融服务概述12.2AIGC应用于金融服务12.2.1智能客服12.2.2风险评估12.2.3个性化推荐12.2.4智能投顾12.2.5反欺诈系统12.3案例：智投宝智能投顾平台12.4案例：智安盾金融反欺诈系统【作业】【研究性学习】AIGC在金融服务中的应用探索第13章AIGC提高科研水平13.1AIGC应用于设计13.1.1AIGC的设计应用场景13.1.2AIGC与设计师的协同模式13.2数据增强与模拟13.2.1数据增强13.2.2科学模拟13.2.3自动化实验设计13.2.4模型训练与改进13.2.5理论验证与假设测试13.3合作与共享13.3.1跨学科合作13.3.2科研文献管理13.3.3开放科学与共享平台13.4AIGC科研应用案例13.4.1生命科学案例13.4.2材料科学案例13.4.3环境科学案例13.4.4社会科学案例13.4.5物理科学案例【作业】【研究性学习】AIGC在科研中的应用探索第四部分社会影响篇第14章伦理与法律考量14.1AIGC面临的伦理挑战14.2数据隐私保护对策14.2.1数据主权和数据权问题14.2.2数据利用失衡问题14.2.3构建隐私保护伦理准则14.2.4健全道德伦理约束机制14.3AI伦理原则14.3.1职业伦理准则的目标14.3.2创新发展道德伦理宣言14.3.3欧盟可信赖的伦理准则14.4LLM的知识产权保护14.4.1LLM的诉讼案例14.4.2尊重隐私，保障安全，促进开放14.4.3边缘群体的数字平等【作业】【研究性学习】AI独立完成的视觉艺术品无法获得版权第15章面向AGI15.1生成式AI进步15.2AGI的涌现15.2.1AGI的定义15.2.2龙头企业对AGI的认识15.3LLM与AGI15.4生成式AI与AGI15.5从生成式AI迈向AGI15.5.1迈向AGI的关键要素15.5.2面临的挑战15.5.3潜在的发展路径15.6AI的未来发展【作业】【课程学习与实践总结】教学资源：附录1教学PPT（15则）附录2教学微课x2.1微课PPT（20则）x2.2微课视频（20则）附录3课程思政指导（15则）附录4作业集与参考答案附录5教学文件y5.1课程简介y5.2教学进度表y5.3课程大纲y5.4课程教案附录6实验集（研究性学习·14则）附录7课程学习与实践总结教学资源：课程提供丰富的教学资源，包括教学PPT、教学微课、课程思政指导、习题集与参考答案、教学文件和实验集。这些资源将帮助学生更好地理解和应用生成式AI技术。课程特色：（1）前沿性：课程内容紧跟生成式AI领域的最新研究进展，涵盖最新的技术和应用案例。（2）实践性：通过实验和研究性