《生成式人工智能通识》教学大纲、教学难点、课程简介

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容的理解。3.作业参考答案：提供课后作业的参考答案，方便学生在完成作业后进行自我检查和学习。4.参考文献·列出相关的参考文献，为学生提供进一步学习和研究的资源。八、课程特色1.内容全面、系统·本课程涵盖了生成式AI的基础理论、核心技术、应用场景以及社会影响等多个方面，构建了一个全面、系统的知识体系，使学生能够全面了解生成式AI的各个方面。2.理论与实践相结合：每章都配有相应的实践环节，通过实际操作和案例分析，让学生在实践中加深对知识的理解和应用，提高学生的动手能力和创新思维。3.易读易学：教材内容通俗易懂，结构清晰，适合高等院校各专业学生学习，也适合对AI以及生成式AI相关领域感兴趣的读者阅读参考。4.配套资源丰富：提供丰富的教学资源，如微课视频、作业参考答案、参考文献等，为学生的学习提供了有力支持。九、适用对象1.高等院校相关专业的师生：本课程适合作为高等院校计算机科学与技术、人工智能、软件工程、电子信息工程等相关专业的教材使用，帮助学生系统学习生成式AI的知识和技能。2.AI领域从业者和研究人员：对于从事AI领域的从业者和研究人员来说，本课程可以作为一本实用的参考书籍，帮助他们了解生成式AI的最新技术和发展趋势，提升专业素养。3.对AI技术感兴趣的读者：对于对AI技术感兴趣的普通读者，本课程也是一本清晰易懂的入门指南，可以帮助他们快速了解生成式AI的基础知识和应用场景，激发他们对人工智能领域的兴趣和热情。通过本课程的学习，学生将能够全面了解生成式AI的核心技术与应用实践，掌握其在各领域的创新应用，为未来的社会进步、职业发展和个人成长奠定坚实的基础。清华大学出版社生成式人工智能通识（4）教学微课版学习目标与教学难点《生成式人工智能通识》是一门系统介绍生成式人工智能（AIGC）基础理论、核心技术、应用场景及社会影响的课程。本课程旨在帮助学生快速掌握生成式AI的精髓及其在各领域的应用实践，为未来的职业发展和个人成长奠定坚实基础。课程内容丰富，结构清晰，理论与实践相结合，既适合高等院校相关专业的师生作为教材使用，也适合作为AI领域从业者、研究人员以及对AI技术感兴趣的读者的自学参考书籍。以下是《生成式人工智能通识》教材的分章学习目标、能力目标、素质目标和教学难点的详细阐述，希望对教学有所帮助。第1章人工智能基础（1）学习目标·了解计算机的发展历程，包括早期计算机器和通用计算机的出现。·掌握大数据的基础知识，包括其定义、3V特征（Volume、Velocity、Variety）以及对社会的影响。·理解人工智能的基本概念、图灵测试、实现途径以及大数据与人工智能的关系。·了解机器学习与深度学习的基本概念及其相互关系。（2）能力目标·能够分析和解释大数据在现代社会中的应用及其对人工智能的影响。·能够区分机器学习和深度学习，并理解它们在人工智能中的作用。（3）素质目标·培养学生对人工智能领域的兴趣和探索精神。·培养学生的逻辑思维能力和对新技术的敏感度。（4）教学难点·大数据的3V特征及其对人工智能的影响。·机器学习与深度学习的区别和联系。第2章大语言模型技术（1）学习目标·了解Blockhead思维实验及其对自然语言处理的启示。·掌握大语言模型的工作原理，包括词元及其标记化、基础模型、词嵌入、生成和理解、预训练过程与微调。·了解生成对抗网络（GAN）、变分自编码器（VAE）、流模型的基本原理和应用。·理解语言模型基础和LLM的幻觉现象及其应对方法。（2）能力目标·能够分析和解释大语言模型在自然语言处理中的应用。·能够识别和解决LLM的幻觉问题。（3）素质目标·培养学生的创新思维和问题解决能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·大语言模型的工作原理和预训练过程。·LLM的幻觉现象及其应对方法。第3章生成式AI与AIGC（1）学习目标·理解生成式AI和判别式AI的定义及其区别。·掌握生成式AI的层次结构和AIGC的定义及其与生成式AI的关系。·了解智能内容生成的基本概念，包括内容孪生、内容编辑和内容理解。·掌握接入LLM的几种方法及其应用场景。（2）能力目标·能够分析和解释生成式AI在不同领域的应用场景。·能够选择合适的接入LLM的方法并应用于实际问题。（3）素质目标·培养学生的创新思维和跨领域应用能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·生成式AI与AIGC的关系。·接入LLM的几种方法及其应用场景。第4章文本生成技术（1）学习目标·了解典型的语言模型方法，包括基于规则的方法、统计语言模型和RNN及其变体。·掌握Transformer模型的基本原理和结构，包括位置编码机制、自注意力机制、Transformer过程、结构和模块。·了解混合模型的概念和应用。·掌握典型的文本生成技术，包括文本摘要技术、诗歌生成、简单对话系统和翻译任务中的应用。·了解文本生成面临的挑战。（2）能力目标·能够分析和解释不同语言模型方法在文本生成中的应用。·能够设计和实现简单的文本生成模型。（3）素质目标·培养学生的创新思维和问题解决能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·Transformer模型的自注意力机制和结构。·文本生成技术中的挑战及其解决方案。第5章图像生成技术（1）学习目标·了解图像生成的模型，包括扩散模型、自回归模型和典型模型。·掌握图像风格迁移的基本原理和代表性算法。·掌握超分辨率重建的基本原理和方法，包括传统方法和基于学习的方法。·了解视频生成的基本原理、主要方法和代表性算法。·掌握医疗影像合成的基本原理、主要方法和代表性算法。·了解图像生成技术面临的挑战和未来发展方向。（2）能力目标·能够分析和解释图像生成技术在不同领域的应用。·能够设计和实现简单的图像生成模型。（3）素质目标·培养学生的创新思维和问题解决能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·图像风格迁移和超分辨率重建的原理和方法。·图像生成技术面临的挑战及其解决方案。第6章音频与音乐生成技术（1）学习目标·了解音频与音乐生成的基本概念。·掌握波形建模的核心技术、工作原理和应用案例。·掌握音乐旋律生成的基本原理和方法。·掌握语音合成的基本原理、主要方法、合成质量、用户定制和应用案例。·了解音频增强与修复的基本原理和方法，包括噪声减少、回声消除、音频修复、动态范围压缩、等化、时间拉伸与音高转换、应用机器学习方法、用户交互与自动化。（2）能力目标·能够分析和解释音频与音乐生成技术在不同领域的应用。·能够设计和实现简单的音频与音乐生成模型。（3）素质目标·培养学生的创新思维和问题解决能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·波形建模和音乐旋律生成的原理和方法。·音频增强与修复的技术和方法。第7章多模态生成技术（1）学习目标·了解多模态生成技术的基础和模型结构融合策略。·掌握视觉与文本结合的应用，包括图像字幕生成、视觉问答、基于文本的图像合成与编辑、情感一致性的视觉与文本生成。·掌握跨媒体内容生成的应用，包括图像到文本生成、跨媒体翻译、多模态对话系统。·了解物联网环境下的智能感知与响应的技术基础和决策制定。·掌握多模态生成技术的应用场景、技术挑战和发展趋势。（2）能力目标·能够分析和解释多模态生成技术在不同领域的应用。·能够设计和实现简单的多模态生成模型。（3）素质目标·培养学生的创新思维和跨领域应用能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·多模态生成技术中的视觉与文本结合和跨媒体内容生成。·多模态生成技术的技术挑战和发展趋势。第8章智能体与AIGC（1）学习目标·了解智能体的定义、性能度量和理性。·掌握环境的本质，包括指定任务环境和任务环境的属性。·掌握智能体的结构，包括智能体程序、学习型智能体和智能体组件的工作。·了解AI的下一个风口：智能体，包括智能体的关键趋势、构建LLM智能体、AIGC与智能体的联系和智能体AI时代。（2）能力目标·能够分析和解释智能体在不同领域的应用。·能够设计和实现简单的智能体模型。（3）素质目标·培养学生的创新思维和跨领域应用能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·智能体的结构和工作原理。·AIGC与智能体的联系和发展趋势。第9章提示工程与技巧（1）学习目标·了解提示工程的定义和原理。·掌握提示工程技术，包括链式思考提示、生成知识提示、少样本提示、自一致提示和思维树提示。·掌握提示学习和语境学习的基本概念。·掌握提示词写作技巧，包括提示词框架推荐和提示词实践技巧。（2）能力目标·能够设计和优化提示词，提高生成式AI的性能。·能够应用提示工程技术解决实际问题。（3）素质目标·培养学生的创新思维和问题解决能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·提示工程技术的应用和优化。·提示词写作技巧的掌握和应用。第10章AIGC的实施与应用模式（1）学习目标·了解算法、算力与算料的基本概念及其在AIGC中的作用。·掌握闭源与开源LLM的优势和典型开源LLM。·掌握成功实施生成式AI的策略，包括制定战略、发现用例、实验和试点、分享护栏和投资回报率评估。·了解按词元收费的模式及其与传统API收费的不同。·掌握接入大模型的风控问题，包括面临的风险和企业风控策略。（2）能力目标·能够制定和实施生成式AI的战略。·能够评估和选择合适的LLM模型。（3）素质目标·培养学生的战略思维和风险管理能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·成功实施生成式AI的策略和风控问题。·按词元收费模式的理解和应用。第11章AIGC改善民生质量（1）学习目标·了解AIGC在文学创作、音乐与音频制作、影视娱乐、医疗行业和药物发现中的应用。·掌握AIGC在医疗健康领域的具体应用案例，包括医学影像诊断系统和智能病历管理系统。（2）能力目标·能够分析和解释AIGC在改善民生质量中的作用。·能够设计和实现简单的AIGC应用模型。（3）素质目标·培养学生的社会责任感和创新思维。·培养学生对新技术的适应能力和学习能力。（4）教学难点·AIGC在医疗健康领域的应用和案例分析。·AIGC在改善民生质量中的作用和挑战。第12章AIGC提高服务水平（1）学习目标·了解AIGC在设计、数据增强与模拟、金融服务和智慧城市建设中的应用。·掌握AIGC在金融服务中的具体应用，包括智能客服、风险评估、个性化推荐和智能投顾。·掌握AIGC在智慧城市建设中的具体应用，包括智能交通、自动驾驶和智慧城市应用。（2）能力目标·能够分析和解释AIGC在提高服务水平中的作用。·能够设计和实现简单的AIGC应用模型。（3）素质目标·培养学生的创新思维和跨领域应用能力。·培养学生对新技术的适应能力和学习能力。（4）教学难点·AIGC在金融服务和智慧城市建设中的应用。·AIGC在提高服务水平中的作用和挑战。第13章伦理与法律考量（1）学习目标·了解AIGC面临的伦理挑战。·掌握数据隐私保护对策，包括数据主权和数据权问题、数据利用失衡问题、构建隐私保护伦理准则和健全道德伦理约束机制。·掌握AI伦理原则，包括职业伦理准则的目标、创新发展道德伦理宣言和欧盟可信赖的伦理准则。·掌握LLM的知识产权保护，包括LLM的诉讼案例、尊重隐私、保障安全、促进开放和边缘群体的数字平等。（2）能力目标·能够分析和解释AIGC在伦理和法律方面的挑战。·能够设计和实施数据隐私保护和伦理准则。（3）素质目标·培养学生的伦理意识和社会责任感。·培养学生对新技术的适应能力和学习能力。（4）教学难点·AIGC的伦理和法律挑战。·数据隐私保护和伦理准则的设计和实施。第14章面向通用人工智能（1）学习目标·了解生成式AI的未来发展。·掌握AGI的定义和涌现，包括OpenAI对AGI的认识。·掌握LLM与AGI的关系。·掌握生成式AI与AGI的关系。·掌握从生成式AI迈向AGI的关键要素、面临的挑战和潜在的发展路径。·了解AI的未来发展。（2）能力目标·能够分析和解释生成式AI和AGI的发展趋势。·能够设计和实施生成式AI的未来发展策略。（3）素质目标·培养学生的战略思维和创新意识。·培养学生对新技术的适应能力和学习能力。（4）教学难点·生成式AI和AGI的发展趋势。·从生成式AI迈向AGI的关键要素和挑战。清华大学出版社生成式人工智能通识·微课版课程简介一、课程概述《生成式人工智能通识》是一门系统介绍生成式人工智能（AIGC）基础理论、核心技术、应用场景及社会影响的课程。本课程旨在帮助学生快速掌握生成式AI的精髓及其在各领域的应用实践，为未来的职业发展和个人成长奠定坚实基础。课程内容丰富，结构清晰，理论与实践相结合，既适合高等院校相关专业的师生作为教材使用，也适合作为AI领域从业者、研究人员以及对AI技术感兴趣的读者的自学参考书籍。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、课程内容与结构本课程共分为14章，每章都配有相应的课后作业和研究性学习环节，以加深学生对知识的理解和应用。以下是课程的主要内容和结构安排：第1章人工智能基础：介绍计算机的渊源、大数据基础、人工智能时代以及机器学习与深度学习的相关知识，为学生构建一个坚实的理论框架。第2章大语言模型技术：深入探讨大语言模型的工作原理、生成对抗网络、变分自编码器、流模型以及语言模型基础等内容，帮助学生理解大语言模型的核心技术。第3章生成式AI与AIGC：对生成式AI和AIGC的定义、层次、应用场景以及接入LLM的几种方法进行详细讲解，使学生初步了解这一技术的核心概念和价值。第4章文本生成技术：讲解典型的语言模型方法、Transformer模型、混合模型以及文本生成面临的挑战等内容，让学生掌握文本生成技术的关键要点。第5章图像生成技术：介绍图像生成的模型、图像风格迁移、超分辨率重建、视频生成以及医疗影像合成等内容，展示图像生成技术的广泛应用。第6章音频与音乐生成技术：涵盖音频与音乐生成、波形建模、音乐旋律生成、语音合成以及音频增强与修复等内容，探索音频与音乐生成技术的奥秘。第7章多模态生成技术：对多模态生成概述、视觉与文本结合、跨媒体内容生成以及物联网环境下的智能感知与响应等内容进行讲解，帮助学生了解多模态生成技术的前沿发展。第8章智能体与AIGC：介绍智能体的定义、性能度量、结构以及AI的下一个风口——智能体等内容，探讨智能体与AIGC的联系。第9章提示工程与技巧：讲解提示工程的定义、原理、工程技术、提示学习和语境学习以及提示词写作技巧等内容，提升学生在提示工程方面的应用能力。第10章AIGC的实施与应用模式：对算法、算力与算料、闭源还是开源、成功实施生成式AI、按词元收费的模式以及接入大模型的风控问题等内容进行详细阐述，为学生提供AIGC实施的实用指导。第11章AIGC改善民生质量：探讨AIGC在文学创作、音乐与音频制作、影视娱乐、医疗行业以及药物发现等方面的应用，展示其如何改善民生质量。第12章AIGC提高服务水平：讲解AIGC在设计、数据增强与模拟、金融服务以及智慧城市建设中的应用，体现其在提高服务水平方面的重要作用。第13章伦理与法律考量：深入探讨AIGC面临的伦理挑战、数据隐私保护对策、AI伦理原则以及LLM的知识产权保护等内容，引导学生思考技术与伦理、法律的关系。第14章面向通用人工智能：对生成式AI的未来发展、AGI的涌现、LLM与AGI、生成式AI与AGI以及从生成式AI迈向AGI等内容进行展望，激发学生对人工智能未来发展的思考。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.