《生成式人工智能通识》教学大纲

清华大学出版社生成式人工智能通识·微课版教学大纲一、课程基本信息（1）课程名称：生成式人工智能通识（2）课程号：[具体课程号]（3）学分：2（4）周学时：2（5）总学时：32二、课程目标1.知识目标·使学生全面了解生成式AI的核心技术，包括大语言模型、文本生成技术、图像生成技术、音频与音乐生成技术、多模态生成技术等。·让学生掌握生成式AI在文化创意、医疗健康、智慧城市、金融服务以及科学研究等多个领域的创新应用。·引导学生深入探讨生成式AI所带来的伦理、法律和社会问题，如数据隐私保护、知识产权问题、AI伦理原则等。2.能力目标·培养学生运用生成式AI技术解决实际问题的能力，通过实践操作和案例分析，提高学生的动手能力和创新思维。·提升学生对生成式AI技术发展趋势的洞察力，使其能够紧跟技术前沿，为未来的职业发展做好准备。3.素质目标·培养学生的科技素养和社会责任感，使其在学习和应用生成式AI技术的过程中，能够充分考虑技术对社会和人类的影响，遵循伦理道德和法律法规。·激发学生对人工智能领域的兴趣和热情，鼓励他们积极参与到相关技术的研究和实践中，探索生成式AI的无限可能。三、课程内容与教学安排第1章人工智能基础（2学时）（1）教学内容。1.1计算机的渊源1.1.1为战争而发展的计算机器1.1.2通用计算机1.2大数据基础1.2.1信息爆炸的社会1.2.2大数据的定义1.2.3大数据的3V特征1.3人工智能时代1.3.1图灵测试及其发展1.3.2人工智能的定义1.3.3人工智能的实现途径1.3.4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（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：初步应用DeepSeek大模型第2章大语言模型技术（4学时）（1）教学内容2.1Blockhead思维实验2.2从自然语言处理起步2.2.1NLP的研究内容2.2.2DL的影响2.2.3LLM的崛起2.3大语言模型的工作原理2.3.1词元及其标记化2.3.2基础模型2.3.3词嵌入及其含义2.3.4生成和理解2.3.5预训练过程与微调2.4生成对抗网络2.4.1GAN的基本原理2.4.2GAN的训练过程2.4.3不同类型的GAN2.5变分自编码器2.5.1VAE的工作机制2.5.2潜在空间探索2.6流模型2.6.1流模型的领域应用2.6.2流模型的应用实例2.7语言模型基础2.8LLM的幻觉2.8.1幻觉的分类2.8.2产生幻觉的原因2.8.3检测LLM病症2.8.4减轻幻觉（2）教学方法：课堂教学、案例分析、小组讨论（3）课后作业：完成教材中的作业题（4）研究性学习：大语言生成模型典型案例分析第3章生成式AI与AIGC（4学时）（1）教学内容3.1生成式AI3.1.1定义判别式AI3.1.2定义生成式AI3.1.3生成式AI的层次3.1.4定义AIGC3.1.5生成式AI与AIGC的关系3.2智能内容生成3.2.1内容孪生3.2.2内容编辑3.2.3内容理解3.3生成式AI应用场景3.4接入LLM的几种方法3.4.1个人直接使用平台功能3.4.2通过平台搭建智能体3.4.3通过API调用3.4.4私有化本地部署3.4.5通过云服务商间接部署3.4.6渐进式接入（2）教学方法：课堂教学、案例分析、小组讨论（3）课后作业：完成教材中的作业题（4）研究性学习：熟悉阿里云大模型“通义千问”第4章文本生成技术（2学时）（1）教学内容4.1典型的语言模型方法4.1.1基于规则的方法4.1.2统计语言模型4.1.3RNN及其变体4.2Transformer模型4.2.1位置编码机制4.2.2自注意力机制4.2.3Transformer过程4.2.4Transformer结构4.2.5Transformer模块4.3混合模型4.4典型的文本生成技术4.4.1文本摘要技术4.4.2诗歌生成4.4.3简单对话系统4.4.4翻译任务中的应用4.5文本生成面临的挑战（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：熟悉AI助手KIMI大模型第5章图像生成技术（2学时）（1）教学内容5.1图像生成的模型5.1.1扩散模型5.1.2自回归模型5.1.3图像生成典型模型5.1.4图像生成的应用场景5.2图像风格迁移5.2.1基本原理5.2.2代表性算法5.3超分辨率重建5.3.1基本原理5.3.2传统方法5.3.3基于学习的方法5.4视频生成5.4.1基本原理5.4.2主要方法5.4.3代表性算法5.5医疗影像合成5.5.1基本原理5.5.2主要方法5.5.3代表性算法5.6挑战与未来发展（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：基于深度学习的图像生成第6章音频与音乐生成技术（2学时）（1）教学内容6.1音频与音乐生成6.2波形建模6.2.1核心技术6.2.2工作原理6.2.3应用案例6.3音乐旋律生成6.4语音合成6.4.1合成技术6.4.2基本原理6.4.3主要方法6.4.4合成质量6.4.5用户定制6.5音频增强与修复6.5.1噪声减少6.5.2回声消除6.5.3音频修复6.5.4动态范围压缩6.5.5等化6.5.6时间拉伸与音高转换6.5.7应用机器学习方法6.5.8用户交互与自动化（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：探索音乐旋律生成模型第7章多模态生成技术（2学时）（1）教学内容7.1多模态生成概述7.1.1技术基础7.1.2模型结构融合策略7.2视觉与文本结合7.2.1图像字幕生成7.2.2视觉问答7.2.3基于文本的图像合成与编辑7.2.4情感一致性的视觉与文本生成7.2.5案例：谷歌Muse文本到图像生成7.3跨媒体内容生成7.3.1图像到文本生成7.3.2跨媒体翻译7.3.3多模态对话系统7.4物联网环境下的智能感知与响应7.4.1智能感知的技术基础7.4.2智能响应决策制定7.5应用与发展7.5.1多模态生成的应用场景7.5.2技术挑战与发展趋势（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：多模态生成技术应用——“情感音乐可视化”第8章智能体与AIGC（2学时）（1）教学内容8.1什么是智能体8.1.1智能体的定义8.1.2性能度量8.1.3智能体的理性8.2环境的本质8.2.1指定任务环境8.2.2任务环境的属性8.3智能体的结构8.3.1智能体程序8.3.2学习型智能体8.3.3智能体组件的工作8.4AI的下一个风口：智能体8.4.1智能体的关键趋势8.4.2构建LLM智能体8.4.3AIGC与智能体的联系8.4.4智能体AI时代（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：分析智能体的设计与行为第9章提示工程与技巧（2学时）（1）教学内容9.1提示工程的定义9.2提示的原理9.2.1提示词的分类9.2.2提示构成9.2.3提示调优9.3提示工程技术9.3.1链式思考提示9.3.2生成知识提示9.3.3少样本提示9.3.4自一致提示9.3.5思维树提示9.4提示学习和语境学习9.4.1提示学习9.4.2语境学习9.5提示词写作技巧9.5.1提示词框架推荐9.5.2提示词实践技巧（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：练习撰写提示词第10章AIGC的实施与应用模式（2学时）（1）教学内容10.1算法、算力与算料10.1.1算法：AI的智慧之源10.1.2算力：AI的动力引擎10.1.3算力中的GPU10.1.4DeepSeek带来的启迪10.1.5算料：AI的燃料之源10.2闭源还是开源10.2.1开源LLM的优势10.2.2典型的开源LLM10.3成功实施生成式AI10.3.1制定整体的生成式AI战略10.3.2发现用例，并对其进行优先级排序10.3.3有目的地进行实验和试点10.3.4分享护栏10.3.5把投资回报率及早加入讨论之中10.4按词元收费的模式10.4.1关于词元10.4.2为什么要按词元收费10.4.3按词元和传统API收费的不同10.5接入大模型的风控问题10.5.1接入LLM面临的风险10.5.2LLM的企业风控（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：AIGC应用开发与风险评估第11章AIGC改善民生质量（2学时）（1）教学内容11.1AIGC发展文学创作11.1.1对文化创意的影响11.1.2自动写作与创作11.1.3激发创意灵感11.1.4图像生成与编辑11.1.5风格迁移11.1.6AIGC生成视频11.2AIGC音乐与音频制作11.2.1自动作曲与音效合成11.2.2音频处理与配乐11.3AIGC用在影视娱乐11.3.1剧本开发与优化11.3.2效果生成与智能剪辑11.3.3互动式影视体验11.4AIGC应用于医疗行业11.4.1循证医学及其发展11.4.2AIGC医疗行业应用场景11.5AIGC加速药物发现11.5.1在药物发现中的作用11.5.2助力药物开发研究11.6医疗健康应用案例11.6.1医学影像诊断系统11.6.2智能病历管理系统（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：文生图：注册使用Midjourney绘图工具第12章AIGC提高服务水平（2学时）（1）教学内容12.1AIGC应用于设计12.1.1设计应用场景12.1.2与设计师协同作业12.2数据增强与模拟12.2.1数据增强12.2.2科学模拟12.2.3自动化实验设计12.2.4模型训练与改进12.2.5理论验证与假设测试12.3AIGC在金融服务中的应用12.3.1智能客服12.3.2风险评估12.3.3个性化推荐12.3.4智能投顾12.4智慧城市建设应用AIGC12.4.1智能交通的关键要素12.4.2智慧城市与AIGC12.4.3AIGC用于自动驾驶12.4.4智慧城市建设应用AIGC（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：AIGC智能交通应用案例分析第13章伦理与法律考量（2学时）（1）教学内容13.1AIGC面临的伦理挑战13.2数据隐私保护对策13.2.1数据主权和数据权问题13.2.2数据利用失衡问题13.2.3构建隐私保护伦理准则13.2.4健全道德伦理约束机制13.3AI伦理原则13.3.1职业伦理准则的目标13.3.2创新发展道德伦理宣言13.3.3欧盟可信赖的伦理准则13.4LLM的知识产权保护13.4.1LLM的诉讼案例13.4.2尊重隐私，保障安全，促进开放13.4.3边缘群体的数字平等（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：AI独立完成的视觉艺术品无法获得版权第14章面向通用人工智能（2学时）（1）教学内容14.1生成式AI的未来发展14.2AGI的涌现14.2.1AGI的定义14.2.2OpenAI对AGI的认识14.3LLM与AGI14.4生成式AI与AGI14.5从生成式AI迈向AGI14.5.1LLM及其潜力现状14.5.2生成式AI技术演进14.5.3迈向AGI的关键要素14.5.4面临的挑战14.5.5潜在的发展路径14.6AI的未来发展（2）教学方法：课堂教学、案例分析（3）课后作业：完成教材中的作业题（4）研究性学习：课程学习与实践总结四、教学方法与手段1.课堂教学·采用讲授法、案例分析法、讨论法等多种教学方法相结合的方式，使学生在课堂上能够充分理解和掌握课程内容。·精心设计教学过程，注重理论与实践相结合，通过实际案例和操作演示，让学生更好地理解生成式AI技术的应用。2.实践教学·每章都安排了相应的实践环节，如作业与实践、研究性学习等，让学生在实践中加深对知识的理解和应用。·鼓励学生积极参与到相关技术的研究和实践中，通过实际操作和项目实践，提高学生的动手能力和创新思维。3.多媒体教学手段·利用多媒体教学资源，如微课视频、动画演示、图表展示等，增强教学的直观性和趣味性，提高学生的学习积极性。·通过扫描封底的刮刮卡注册，学生可以观看书中的二维码对应的微课视频，进一步加深对课程内容的理解。五、课程评价与考核本课程的评价与考核将从以下几个方面入手：1.课后作业（占总成绩的30%）：每章都配有相应的课后作业，通过作业完成情况，考察学生对课程内容的理解和掌握程度。2.研究性学习实践（占总成绩的30%）：每章的“研究性学习”实践环节，要求学生完成相关的实践任务，通过实践报告和成果展示，评估学生在实践中的应用能力和创新思维。3.课程学习与实践总结（占总成绩的20%）：在第14章的“课程学习与实践总结”环节，要求学生对整个课程的学习和实践进行总结，通过总结报告，考察学生对课程整体内容的把握和综合应用能力。4.阅读笔记（占总成绩的10%）：鼓励学生针对每章内容写下阅读笔记，通过阅读笔记的检查，了解学生对课程内容的预习和复习情况，培养学生的自主学习能力。5.平时考勤（占总成绩的10%）：考察学生平时的出勤情况，督促学生按时参加课程学习，保证学习的连贯性和完整性。六、教材与参考书目1.教材：《生成式人工智能通识》周苏等，清华大学出版社。20252.参考书目·[具体参考书目]七、教学资源1.教材：《生成式人工智能通识》教材，内容全面、结构清晰，是学生学习的重要参考资料。2.微课视频：学生可扫描封底的刮刮卡注册，再扫描书中的二维码观看微课视频，进一步加深对课程内