人工智能通识 课 件 第五章:大模型:AI的“超级玩家”_第1页
人工智能通识 课 件 第五章:大模型:AI的“超级玩家”_第2页
人工智能通识 课 件 第五章:大模型:AI的“超级玩家”_第3页
人工智能通识 课 件 第五章:大模型:AI的“超级玩家”_第4页
人工智能通识 课 件 第五章:大模型:AI的“超级玩家”_第5页
已阅读5页,还剩39页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第五章:大模型:AI的“超级玩家”CONTENTS目录5.1

认识大模型这个“厉害角色”5.2

和大模型一起“玩一玩”5.3

任务实施能写诗作画、能编程答疑、能进行复杂对话……这些以大型预训练模型(“大模型”)为代表的人工智能应用,正以其惊人的通用能力和广泛的应用潜力,引领着新一轮AI技术浪潮。我们不禁会思考,这些强大的“超级玩家”是如何被“炼成”的?它们的核心技术和独特优势是什么?我们又该如何有效地利用它们,让其成为学习、工作和生活中的得力助手呢?本章将深入剖析大型模型的核心技术要素、发展趋势及代表性模型特点,并指导读者学习如何与大模型进行有效交互,利用其辅助内容创作、信息获取等任务。本章导读认识大模型这个“厉害角色”5.1近年来,“大型预训练模型”(简称“大模型”)在人工智能领域迅速发展,因其巨大的参数规模、海量数据预训练及强大的通用能力备受关注。无论是能流畅对话与写作的语言模型,还是能生成图像、理解视觉的视觉模型,亦或是处理多类型数据的多模态模型,都在深刻改变AI的技术范式与应用。理解大模型的构建基础、关键技术与应用潜力,对把握AI前沿趋势至关重要。5.1认识大模型这个“厉害角色”5.1.1大模型是怎么“炼成”的

:1.大模型的核心要素海量数据:知识获取基础

大模型需学习规模空前的文本及代码数据,量级达TB至PB,如GPT早期版本在含大量互联网文本数据集训练,国内文心一言等依赖含大量中文的多源数据,高质量数据决定模型性能。先进算法:高效学习核心

多数领先大模型采用Transformer架构,其自注意力机制增强捕捉长距离依赖和复杂上下文信息能力。大模型参数规模达数十亿至数万亿,可学习复杂知识模式。强大算力:训练硬件保障

训练大模型依赖高性能计算芯片如GPU、TPU,以及分布式训练框架。如OpenAI训练GPT-3用微软Azure云平台的计算基础设施。大模型核心要素示意图2.大模型的训练流程

预训练阶段:学习通用语言能力此阶段是资源消耗最大、历时最长的阶段,模型在海量未标注文本数据上自监督学习,如通过掩码语言模型和下一句预测任务,学习通用语言知识。

微调阶段:适配特定任务需求使用与特定任务高度相关但数据量远小于预训练阶段的数据对模型微调,如用特定风格诗歌数据集让模型生成该风格诗歌。

与人类偏好对齐阶段:优化输出质量采用基于人类反馈的强化学习(RLHF)技术,先收集人类偏好数据,训练奖励模型,再用强化学习算法优化模型参数,使输出符合人类期望,提升对话式AI交互质量。大模型典型训练流程示意图3.大模型技术在各领域的发展趋势:其一:多模态信息处理能力融合

趋势说明未来大模型不再局限于单一文本数据处理,而是致力于整合图像、音频、视频等多种信息模态,极大扩展应用场景。

应用场景举例如文本到图像生成,可根据文本描述生成高保真度图像;图像到文本描述,能理解图像内容并生成相应文本;视频内容理解,可分析视频并生成摘要;多模态对话系统,支持多种信息交互。3.大模型技术在各领域的发展趋势:其二:模型核心能力增强与泛化

参数规模增大的影响模型参数规模预计继续增大,有望带来更强的自然语言理解、逻辑推理和内容创造能力。

泛化性能发展方向研究者积极探索提升模型在常识推理、复杂问题解决以及跨领域知识迁移等方面的泛化性能,使其适应多样化任务需求,如辅助科学发现。3.大模型技术在各领域的发展趋势:其三:模型效率优化与可访问性改善

研究方向通过知识蒸馏、模型剪枝、参数量化等模型压缩与加速技术,在保持模型性能前提下,开发参数规模更小、计算效率更高的大模型。

应用前景可应用于端侧AI,如智能手机、物联网终端;开发个性化AI助手;降低AI技术应用门槛与能耗。3.大模型技术在各领域的发展趋势:其四:面向特定行业的深度赋能

趋势阐述通用基础大模型在特定行业应用时,需结合专业知识库和业务流程深度定制,形成“行业大模型”。

行业应用举例在金融行业可用于智能投顾、风险控制;医疗行业可辅助诊断、药物研发;教育行业能提供个性化学习辅导;法律行业可进行智能合同审查。3.大模型技术在各领域的发展趋势:其五:自主智能体的发展

能力介绍基于大模型强大的自然语言理解和任务规划能力,自主智能体可调用外部工具、访问API,自主完成复杂任务。应用热点如高级AI助手可协助用户完成在线预订、日程管理、跨平台信息检索与整合等任务。3.大模型技术在各领域的发展趋势:其六:安全性、伦理规范与可解释性关注

关注原因随着大模型在社会经济生活中影响力扩大,需确保其生成内容真实、无害,避免算法偏见与歧视。

面临挑战提升模型内部决策过程的透明度和可被人类理解程度是关键挑战,涉及算法偏见检测与缓解、内容安全过滤与审核、可解释AI方法研究与应用等。5.1.2主流大模型各有啥“绝招”:1.盘古大模型

研发公司盘古大模型由华为自主研发,自2021年起其早期模型陆续发布,并通过华为云平台提供服务。

体系构成包括NLP大模型、CV大模型、多模态大模型、预测大模型、科学计算大模型等多种基础模型。

(1)盘古NLP大模型专注自然语言处理,强调中文语言理解与生成,在复杂语义、篇章级内容及知识问答方面表现突出,注重与行业知识结合。

(2)盘古CV大模型针对计算机视觉任务,关注工业视觉、遥感图像、医疗影像等专业领域,具备强大的视觉表征学习能力。5.1.2主流大模型各有啥“绝招”:1.盘古大模型(3)盘古多模态大模型融合语言和视觉跨模态信息,支持多种模态输入输出,实现图像生成、理解、视频生成等功能,强调中文原生支持和全栈自主可控。(4)盘古预测大模型面向结构化数据,通过模型推荐和融合技术构建预测能力,可实现回归预测、分类等功能,用于财务异常检测等。(5)盘古科学计算大模型盘古气象大模型预测精度超传统数值预报,盘古药物分子大模型赋能药物研发全链条。盘古大模型官方页面5.1.2主流大模型各有啥“绝招”:2.文心大模型

研发公司文心大模型由百度公司研发。

核心设计理念通过融入大规模知识图谱和海量非结构化数据,实现知识的深度理解与应用。

核心能力覆盖自然语言理解与生成、跨模态理解与生成、代码生成、对话管理等。

版本迭代自2019年起持续迭代,推出多个版本,形成基础大模型、任务大模型、行业大模型体系。文心大模型官方页面5.1.2主流大模型各有啥“绝招”:2.文心大模型代表性应用基于文心大模型的对话式人工智能产品“文心一言”。优势“知识增强”特性,结合海量文本与知识图谱,在理解复杂概念、常识推理和生成知识性内容方面表现突出。局限性知识库有边界,对训练数据截止日期后的新知识获取有限,推理能力和逻辑一致性在复杂问题上有待提升。5.1.2主流大模型各有啥“绝招”:3.混元大模型

研发公司混元大模型由腾讯公司研发。

命名含义名称“混元”取自中国哲学概念,象征宇宙初始、包罗万象,寓意模型能力全面和基础。

核心能力覆盖文本生成与理解、代码生成、图像生成、视频内容理解、3D场景构建等。

应用侧重强调在社交、游戏、广告、金融、内容创作、腾讯云服务等实际应用场景中的实用性和效率。

混元大模型官方首页5.1.2主流大模型各有啥“绝招”:4.星火大模型研发公司讯飞星火认知大模型由科大讯飞股份有限公司自主研发。名称寓意“星火”寓意智慧的火花,点亮认知的新纪元。核心能力包括自然语言理解与生成、多轮对话管理、文本生成、知识问答、逻辑推理、数学能力、代码能力以及多模态交互等。版本迭代自2023年5月正式发布,以极快速度进行版本迭代,如V1.0、V1.5等。5.1.2主流大模型各有啥“绝招”:4.星火大模型

应用场景在教育、医疗、办公、工业等垂直行业深度赋能。

优势通过插件机制弥补通用大模型在实时性、专业工具调用等方面不足,开放生态吸引开发者。

挑战需有效管理插件质量和安全性,确保插件调用与核心模型交互的流畅性和稳定性。讯飞星火认知大模型官网首页5.1.2主流大模型各有啥“绝招”:5.豆包大模型研发主体豆包大模型是字节跳动旗下火山引擎推出的。能力特点具有通用语言生成、多模态交互、功能扩展等能力,强调多种信息模态的融合处理。语音交互应用自2025年1月20日起,豆包实时语音大模型能力在豆包APP全量开放,为智能客服等应用场景带来新范式。5.1.2主流大模型各有啥“绝招”:DeepSeek大模型

研发公司由深度求索人工智能基础技术研究有限公司打造。

命名含义英文命名“DeepSeek”融合“深度”与“探索”,传达公司深入挖掘和探索人工智能未知领域的使命。

核心能力具备卓越的自然语言理解与生成能力、复杂多轮对话管理、跨领域知识整合与应用、代码处理与生成功能。

应用场景支持中英文双语交互,辅助用户完成信息检索、学术研究、创意内容生成、编程开发等任务。

DeepSeek官网首页和大模型一起“玩一玩”5.25.2.1用大模型写文章:写作变得超轻松1.大型语言模型写作辅助功能大型语言模型可提供多方面写作帮助,如生成初步文本,解决“开篇难”;拓展思路、补充内容、润色改写文本;转换写作风格、生成摘要及辅助多体裁创作等。2.提示工程要素构建有效提示需考虑明确角色定位、清晰任务描述、提供上下文信息、设定输出格式与风格、指定关键词、提供参考示例、迭代优化指令和运用否定性指令等要素。提示实用技巧提升大模型辅助创作质量和效率的技巧包括指令明确具体、使用清晰行动动词、控制输出篇幅、运用否定性指令、尝试多样化措辞与结构、进行追问深化内容以及强调人工审核。大模型辅助写作流程示意图3.运用大型语言模型辅助短文与故事创作以下通过两个具体示例,演示如何运用上述提示工程的原则与技巧,引导大型语言模型辅助短文与故事的创作。

初步提示(基础指令):

大型语言模型(文心一言)生成的初稿:

迭代优化后的提示(加入更具体的要求与角色设定):

大型语言模型(文心一言)生成的编辑稿:

用户提供的故事开头:

向大型模型发出的续写指令:

大型语言模型(文心一言)生成的续写稿:5.2.2大模型当“智能小秘书”:有问必答1.大模型在信息获取与问答方面的能力大型语言模型能解答事实性问题、解释概念、检索整合信息、提供操作指南、支持多轮对话、进行跨语言翻译和基础计算推理。大模型作为信息助手的典型功能示意图5.2.2大模型当“智能小秘书”:有问必答2.“有问必答”的交互策略有效问答交互技巧有提问清晰准确、提供充分信息、保持问题结构合理、明确答案形式、核验信息并运用批判性思维以及利用对话历史追问澄清。5.2.2大模型当“智能小秘书”:有问必答3.对话交互的注意事项与大模型问答时要认知其知识边界与时效性,警惕偏见与不准确信息,避免过度依赖,注重隐私与数据安全,平衡模型输出的创造性与事实性。任务实施5.35.3.1任务1:运用AIGC辅助策划并撰写社交媒体推广文案1.目标定位与内容策划以“ReWear新生衣橱”App为例,推广目标是提升知名度和用户下载/注册量,核心卖点有可持续时尚理念等,目标受众为18-35岁关注时尚与环保的年轻女性。通过AIGC分析用户感兴趣的内容角度和痛点,提供推广笔记主题方向。本任务学习并实践如何综合运用用AIGC工具(通义千问)辅助创作“ReWear新生衣橱”App小红书推广文案,涵盖受众分析、内容策划、标题开篇创意、正文、互动引导与标签优化,形成有吸引力的推广笔记。操作步骤:访问并登录通义千问官网,进入通义千问AI网页版,如图所示。通义千问AI网页版

AIGC输出主题方向5.3.1任务1:运用AIGC辅助策划并撰写社交媒体推广文案2.标题、开篇与正文初稿生成利用AIGC生成符合小红书平台特性的标题,如包含“环保”“时尚”等元素并多用emoji。根据选定标题生成开篇,迅速点明核心内容、引发好奇并自然过渡到App介绍。再指导AIGC生成正文框架与初步内容,突出App核心功能和优势。3.利用AIGC辅助生成笔记正文框架与初步内容:根据策划好的内容角度和核心信息,指导AIGC生成正文的各个部分。

AIGC输出小红书标题集

AIGC输出小红书开篇AIGC生成的推广文案正文5.3.1任务1:运用AIGC辅助策划并撰写社交媒体推广文案4.内容优化与互动引导人工审阅生成内容,检查是否准确传达核心价值等。利用AIGC补充用户痛点或使用场景,反衬App便捷性。设计互动引导与CTA,如提问式、福利引诱式、共同行动倡议式结尾,并推荐相关热门标签。

AIGC补充推广文案AIGC添加互动引导AIGC补充标签5.3.2任务2运用AIGC平台创建并调试个性化智能助手1.访问讯飞星火访问并登录讯飞星火官方网页版,通过提示词创建“健体膳食AI规划师”智能体,输入“健体膳食AI规划师”,AI生成设定描述。“创建”对话框“一句话创建智能体”对话框1“一句话创建智能体”对话框2“健体膳食AI规划师”界面5.3.2任务2运用AIGC平台创建并调试个性化智能助手2.智能体调试与迭代优化在“调试预览”区域输入样例提示词,如制定健身训练计划或午餐搭配建议,根据测试结果判断模型回复是否理想。若不理想,返回智能体指令编辑区修改。3.根据测试结果迭代优化智能体指令输入编辑提示词明确智能体角色、核心能力、交互流程引导、限制与免责等内容。再次输入样例提示词测试,对比结果后单击“创建”按钮,完成“健体膳食AI规划师”智能体创建。

AIGC输出健身训练计划

AIGC输出午餐搭配建议“新建智能体”界面5.3.3任务3:运用AIGC实现文本/图片到视频的创意生成

1.创意构思打开并登录网页版快手可灵,进入首页界面,为后续视频创意生成做准备。

2.图生视频单击“图片生成”选项,选择“文生图”,输入图片提示词,如中国传统水墨动画风格相关描述,设置图片比例和生成数量。还可选择“参考生图”,上传参考图片并输入提示词生成图片。快手可灵首页界面“图片生成”界面图片效果图

“参考生图”界面

图生图5.3.3任务3:运用AIGC实现文本/图片到视频的创意生成

3.视频生成进入“视频生成”界面,选择参考图片,输入图片主题,利用DeepSeek进行深度思考生成提示词,添加到视频生成界面。设置不希望呈现的内容后点击“立即生成”,还可对生成视频进行延长操作,最后下载视频。

“视频生成”界面“DeepSeek-R1灵感版”界面“视频生成”界面图生视频结果延长的视频总结与展望大模型的总结

构建核心要素大模型构建依赖海量数据、

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论