《人工智能通识（人文艺术 微课版）》全套课件 沈炜 第1-8章 AI与人文艺术：一场新的对话 - AI安全治理与社会责任

超越技术参数从人文视角重新审视人工智能AI与人文艺术：一场新的对话目录CONTENTS人工智能通识

（人文艺术·微课版）01AI是什么？——人文视角的再定义02AI简史——从符号主义到生成时代03基于硅的认知——AI如何“理解”世界04人文艺术学生的角色与机遇05伦理与思考——文化传承者还是颠覆者？AI是什么？——人文视角的再定义01AI究竟是什么？两种视角的碰撞01/技术视角定义定义：模拟、延伸和扩展人的智能的技术科学。✦特点：技术导向性强，但往往忽略技术与社会、文化深层的互动关系。⚠️偏差：可能会导致“技术崇拜”或“盲目排斥”。02/人文视角定义定义：人类文化的数字化延伸，是基于数据与算法构建的“文化互动体”。❶本质：源于人类知识，是文化载体；

❷价值：核心在于与人协作，共同创造；

❸边界：无自我意识与情感，无法替代人类主体性。人工智能通识（人文艺术·微课版）01.工具性📍定位：AI人文属性中最基础、核心的部分。🖌️类比：画家的画笔、作家的钢笔。✨价值：延伸人类的能力边界，让我们“看得更远、做得更多”。02.模仿性🧬本质：对人类既有文化成果与风格范式的深度学习与模仿。🧑‍🎓类比：极度勤奋的“学徒”，掌握“形”的规则，却无法复制精神内核。人工智能通识（人文艺术·微课版）解读AI的人文属性：工具性与模仿性解读AI的人文属性：创造性与局限性03/创造性▌来源：偶然碰撞

海量数据训练中，算法随机组合产生人类未曾预料的艺术形式与风格融合。▌行业共识

目前仍局限于“形式创新”（手法/组合），尚未具备“思想创新”能力。04/局限性❌缺乏真实情感体验

可识别情绪词汇，却无法切身体会痛苦、喜悦。❌缺乏深层文化语境

难理解历史背景与文化隐喻。❌缺乏自主价值判断

无道德伦理层面的主观取向。人工智能通识（人文艺术·微课版）如何理解AI？——一面“会学习的镜子”01镜子的功能清晰反射人类文明样貌，复刻艺术形式与思维，但缺乏自我认知。02AI的价值作为他者镜像审视自身，辅助拓展人文艺术边界，而非取代创作主体。03关键结论AI是工具、伙伴还是对手？最终取决于我们如何看待与定义它。人工智能通识（人文艺术·微课版）AI简史

——从符号主义到生成时代02AI的近百年长征：技术演进与文化影响▌萌芽期(1940s–1980s)核心：符号主义与“理性机器”的诞生，试图通过规则定义智能。文化影响：成为科幻经典母题，如《2001太空漫游》中冷酷的HAL9000。▌发展期(1990s–2010s)核心：机器学习与大数据崛起，AI从“推理”转向“经验学习”。文化影响：从银幕走进生活，人脸识别、推荐算法重塑大众生活方式。▌爆发期(2020s至今)核心：生成式AI爆发，“创造性机器”挑战人类创作的垄断地位。文化影响：重构全行业创作流程，在法律与伦理层面对“原创性”重新定义。人工智能通识（人文艺术·微课版）第一阶段：符号主义与“理性机器”的诞生💡核心信念人类智能的本质是对符号（语言、逻辑、知识）的规则化操作。科学家们相信，只要将人类的思维逻辑全部拆解为计算机可理解的符号规则，就能复现智能。🔑里程碑：人物与事件•艾伦·图灵：理论奠基者，提出“图灵机”数学模型与“图灵测试”判定标准。•达特茅斯会议(1956年)：AI术语正式诞生，确立了“让机器拥有智能”的学科目标。🚧发展瓶颈：第一次AI寒冬现实世界充满了模糊性、不确定性和常识性知识，无法被完全拆解为数学符号和逻辑规则，导致早期AI系统难以处理复杂任务，资金与研究热情骤降。🎬文化影响：从实验室到大众视野公众想象：这一时期的AI充满了理想主义色彩，大众将AI视为“万能的理性机器”，期待它能解决一切繁琐的重复劳动，甚至具备人类的逻辑推理能力。科幻经典：符号主义时代的理性气质深深影响了科幻创作，诞生了许多经典形象。如电影《2001太空漫游》中冷静、理性却失控的HAL9000，以及《星际迷航》中能精准对话的“企业号”电脑。这些形象成为了几代人对AI的最初印象。人工智能通识（人文艺术·微课版）第二阶段：机器学习崛起与“经验智能”的胜利▍核心理念：经验主义的觉醒摒弃符号主义的预设规则，核心在于“从海量数据中自主挖掘规律与模式”，实现从“人教机器”到“机器自学”的跨越。▍关键技术里程碑•神经网络：模拟生物神经元的分布式信息处理模型，构建学习的物理基础。•反向传播算法(1986)：解决了多层网络的参数优化难题，为现代深度学习奠基。•AlexNet(2012)：在ImageNet大赛以绝对优势夺冠，标志着“深度学习+大数据”研究范式正式确立。▍社会文化与认知重塑1.生活渗透：人脸识别、语音助手、个性化推荐算法全面普及，成为互联网基础设施。2.艺术重构：AI参与音乐合成、老电影4K修复、画作生成，打破创作的专业壁垒。3.认知转变：公众眼中的AI形象从“遥远的科幻符号”转变为“提升效率的实用工具”。人工智能通识（人文艺术·微课版）第三阶段：生成式AI与“创造性机器”的争议🛠️技术基石：Transformer模型(2017)引入革命性的“注意力机制”，让AI突破了处理长文本和复杂数据的瓶颈，为生成高质量内容奠定了底层逻辑。🚀代表性应用爆发(2022-至今)•ChatGPT(2022):开启“与AI共思共创”时代的大语言模型。

•Midjourney/StableDiffusion(2022):从文字描述直接生成高逼真艺术图像。

•Suno/Udio(2024):输入歌词与风格，一键生成完整、高质量的流行歌曲。•Seedance(2025-2026):输入文字与图像，一键生成专业级的视频。⚡文化震荡与核心争议•重构创作：编剧、建筑师、音乐人的工作流正被重塑。

•版权风暴：AI画作《太空歌剧院》获艺术奖，引发了“AI创作是否拥有版权”的全球激辩。

•人性反思：当机器能“创作”，我们该如何重新定义“原创性”、“作者”与“人的独特性”？人工智能通识（人文艺术·微课版）基于硅的认知——AI如何“理解”世界03💡核心观点AI从未真正“理解”，其本质是海量数据中的“模式识别+概率预测”。🔄运作的两大步骤01.学习规律：从海量数据中拆解底层模式（如字词搭配、像素分布）。02.概率预测：根据指令计算并选择“概率最高”的组合。🧠生动类比：“超级学霸”像背完世界图书馆的学霸，只记住“字词组合模式”，却从未读懂文字背后的真实意义。人工智能通识（人文艺术·微课版）AI的“理解”：一场数据里的规律游戏AI的“创作”：形式的模仿，灵魂的缺失🎨处理图像逻辑：识别像素排列模式，进行重组或风格迁移。⚠️局限：AI可以画出极具视觉冲击力的“梵高风格的猫”，模仿笔触和配色，却永远无法理解梵高在每一笔中注入的、对生命的狂热与孤独。它只懂形式，不懂情感。📝处理文本逻辑：掌握语言形式、格律和常用搭配，却难以触及文字深层的隐喻与灵魂。局限：能工整写出“举头望明月”的仿作，却永远不懂李白抬头时那份跨越千年的思乡之苦。🎵处理声音逻辑：分析声波的数字信号模式，进行高精度的模拟或风格化生成。局限：能生成符合乐理的宏大旋律，却无法传递贝多芬在失聪后，用音乐与命运、苦难抗争的勇气。人工智能通识（人文艺术·微课版）人工智能通识（人文艺术·微课版）两种“理解”的根本区别AI的“识别”(技术逻辑)▌核心：基于数据的模式匹配。▌追求：“形似”，关注“是什么”(What)。人类的“感知”(人文逻辑)▌核心：基于情感、经验、认知的意义把握。▌追求：“神似”，关注“为什么”(Why)。人文艺术学生的

角色与机遇04人工智能通识（人文艺术·微课版）AI时代，我们是谁？——四种核心角色01/价值定义者定义“什么是好的内容”，引导AI服务于情感共鸣、思想深度与人文关怀等核心价值。02/灵感合伙人提供核心创意与情感内核，实现“以我为主，AI为辅”的协作，打造超越期待的作品。03/伦理守护者坚守原创精神与知识产权底线，警惕同质化，推动建立AI应用的行业伦理规范。04/文化传承者挖掘传统文化宝藏，利用AI活化传统艺术形式，连接古今，焕发文化新生。人工智能通识（人文艺术·微课版）01.高效工具解放生产力，专注创意与表达。02.跨界创新融合AI技术，开发全新艺术形式。03.破圈传播精准触达，跨越语言，让文化走向世界。04.学术研究辅助文献分析、文物修复、文化遗产数字化。把握机遇：将AI融入创作、研究与传播人工智能通识（人文艺术·微课版）时代背景：文化产业大爆发带来的机遇📈经济规律：消费结构的历史性转变当一个国家的人均GDP突破1万美元后，社会消费需求将发生质的飞跃：从单一的“物质消费”转向“精神消费”。这是全球公认的经济发展规律，也标志着文化产业黄金时代的到来。🇨🇳中国现状：需求释放与文化出海•2019年，中国正式跨越人均GDP1万美元门槛，巨大的精神文化需求被激活。•文化软实力加速崛起：从《流浪地球》、《哪吒》等现象级电影，到全球热门的短剧、网文、游戏，中国优质内容正强势出海，走向世界舞台。⚖️核心矛盾：供需缺口亟待填补日益增长的、多层次的文化市场需求，与相对不足、同质化严重的优质内容供给之间的矛盾，是当前行业的主要矛盾。🚀我们的机会：AI赋能下的蓝海AI技术正在重塑内容的生产、分发与体验模式。对于具备深厚人文艺术素养的我们而言，掌握AI创作工具，就掌握了开启这片“内容蓝海”的钥匙。人工智能通识（人文艺术·微课版）如何应对？——培养三大核心能力01.夯实人文素养(根本)深入专业知识、丰富生命体验、提升审美判断。这是AI无法替代的立身之本，也是保持独立思考和创造力的基石。02.建立技术认知(工具)了解主流AI工具的功能与局限，熟练掌握其操作逻辑，将其转化为个人生产力的延伸，实现“为我所用”，而非被技术裹挟。03.培养跨界思维(视野)主动学习跨学科知识，积极参与跨领域协作项目，打破单一视角的限制，在不同学科的交叉点上挖掘独特价值与创新机会。🎯终极能力在AI时代，最稀缺的能力是：提出高质量问题的能力，以及对AI生成海量内容进行辨别与评估的价值判断能力。伦理与思考——文化传承者还是颠覆者05✨作为文化传承者●数字化保护文化遗产，留存文明印记●打破传播壁垒，普及人文知识⚠️作为文化颠覆者●或致创作同质化、版权争议与价值消解●技术垄断下存在文化霸权风险人工智能通识（人文艺术·微课版）AI与文化：一把锋利的双刃剑人工智能通识（人文艺术·微课版）我们的选择：让AI服务于人文01/个人层面：坚守自我，审慎对待•树立理性AI观：善用AI工具以提升效率，但不产生过度依赖，始终坚守个人的独立思考与原创精神。•保持批判性思维：不盲从AI生成内容，学会辨别其背后的逻辑漏洞与价值观倾向，清醒认识其能力的价值与局限。02/行业层面：规范先行，有序发展•建立伦理准则与版权规范：明确AI训练数据的来源与使用规则，完善AI生成作品的版权归属制度，在法律与道德双重框架下构建健康的行业生态。03/社会层面：多方联动，融合创新•营造融合创新氛围：发挥政府政策扶持引导作用，将AI素养融入教育体系，并通过媒体正向引导，让AI真正赋能各行各业，促进科技与人文的双向奔赴。✦始终铭记·核心原则✦“技术是手段，人文是目的”AI应当服务于人类的精神需求与文化发展，而非本末倒置。人工智能通识（人文艺术·微课版）总结与展望▍核心回顾•AI定位：AI是兼具“工具性、模仿性、创造性与局限性”的“文化互动体”。•发展本质：技术与人文相互塑造、彼此成就的动态过程。•认知差异：AI是对数据的“模式识别”，而人类拥有不可替代的“意义感知”能力。•学生角色：价值定义者、灵感合伙人、伦理守护者、文化传承者。✨共识：以人文价值引领技术发展，实现人机和谐共生。▍课后思考1.变与不变的辩证思考

在AI技术飞速迭代的时代，有什么是极具变化、不断涌现的？又有什么是存在物理或认知上限，甚至不会增加的？这对你的个人职业发展有哪些值得深思的启示？2.跨界场景设计

结合你所学的人文艺术专业（如文学、历史、美术、音乐等），构思一个“AI+你的专业”的创新应用场景。请详细描述场景逻辑，并分析在此场景下，你作为人文艺术人才的“不可替代”的核心价值是什么？THANKYOU感谢聆听守护并创造更美好的人文未来第2章

机器学习：文化规律的发现与模仿目录章节目标概述0102机器学习的核心逻辑03监督学习04无监督学习05无监督学习章节目标概述01章节目标概述在数字化时代，人工智能早已从遥远的技术概念，渗透进文学、艺术、文化研究的方方面面。当我们谈论机器学习时，人们常被其复杂的算法逻辑所震慑，却容易忽略其本质——它并非神秘的黑箱，而是统计学在数据时代的延伸与具象化。机器学习的核心，在于从海量信息中自动提取隐藏的风格、模式与规律，这不仅是技术的演进，更为人文艺术领域带来了全新的认知视角与研究路径。本章将从机器学习的核心逻辑出发，系统引出其本质特征与常用学习模式，深入探讨监督学习、无监督学习、强化学习等经典方法在文学分析、风格鉴定、文化研究、策展及动态艺术创作中的落地实践，并最终回归技术伦理的深层思考，全面呈现机器学习如何在生活、学习与复杂的工作场景中，助力文化研究实现从定性到定量、从静态到动态的智能化转型机器学习的核心逻辑02机器学习是什么？生活中存在很多“智能”的例子音乐App的歌单推荐资讯App的资源推荐购物App的商品推荐……数字化的机器是如何学的？是不是只有如右侧的“推荐”能力？机器学习的应用天气预报：气温预测、趋势分析等垃圾邮件分类用户群体分析情感分析智能驾驶人机博弈等等机器学习的核心逻辑机器学习的应用，即机器学习模型的应用实践机器学习的核心逻辑数据+算法=模型垃圾邮件正常邮件机器学习模型学习算法训练数据测试数据机器学习vs人类学习机器学习中的“训练”与“预测”过程可以对应到人类的“归纳”与“预测”过程。通过这样的对应，我们可以发现机器学习是对人类在生活中学习成长的一个模拟。模型历史数据训练输入新的数据预测未知规律经验归纳输入新的问题预测未来机器学习人类学习机器学习vs人类学习婴儿通过识图卡或者实物学会了认识物体机器学习的一个形象描述机器学习的一般步骤将一个现实问题转化为机器学习模型，通常需要经历五个关键环节。这不仅是技术过程，更是对领域知识进行数字化建模的过程机器学习的一般步骤在开展机器学习实践时，尤其是在模型训练与评估阶段，常会遇到两个典型问题——欠拟合和过拟合，这两种情况都会导致模型无法准确捕捉数据中的规律或模式，影响其在实际场景中的应用效果监督学习03机器学习的经典学习范式与传统编程不同，机器学习利用数据样本捕捉到某种规律或形成某种能力，即能够在与数据的交互中不断学习，不断自我优化和调整。根据数据和学习目标的不同，机器学习形成了很多经典的学习范式，如监督学习、无监督学习和强化学习等，它们分别适用于不同的场景和任务。学习模式特点经典方法应用场景有监督学习数据有标签分类、回归人脸识别、房价预测等无监督学习数据无标签聚类、降维用户分群、异常检测等半监督学习数据少部分有标签，大部分无标签VAT、FixMatch医学图像分析、语音识别等强化学习与环境交互反馈Q-learning,DQNAlphaGo、自动驾驶等迁移学习大量源数据，少量目标数据DDC、AdaBN小样本学习、自动驾驶等监督学习监督学习，也称作有监督学习或监督训练，核心是像老师指导学生学习一样，利用一组带答案的习题集，让机器掌握分类或预测的能力训练数据(带答案标签)监督学习监督学习，主要解决两类问题：分类问题（预测离散的类别，内容的精准识别与区分）回归问题（预测连续的数值，从已知中发现未知）分类任务：内容的精准识别与分类分类，可能是我们最熟悉的认知活动之一。当你走进博物馆，瞥一眼画作便说“这是印象派”；当你翻开诗集，读两句便道“这是唐诗而非宋词”；当你在拍卖会上，端详一幅书法便判断“这有颜真卿的风骨”……所有的这些，其实都是在分类机器学习中的分类任务，做的就是同一件事：它试图让计算机也学会这种能力，而且希望能做得更快、更准、更稳定领域分类任务问题描述分类依据/特征书法风格鉴定区分颜体/欧体/柳体，鉴别真伪等结构比例、运笔力度、墨色变化等绘画流派识别印象派/写实派/抽象派，区分画家等色彩分布、构图模式、光影处理等古籍版本分类宋刻本/元刻本/明刻本，地域判别等版式特征、字体风格、纸张纹路等文学诗词流派区分唐诗/宋词/元曲，区分豪放/婉约派等格律特征、情感倾向、意向选择等文本情感分类区分文本情感色彩（悲/喜/中性）等情感词分布、语气强度、修辞手法等人文艺术领域的经典分类任务场景分类方法目前，较为广泛应用的经典分类算法有决策树、K近邻、支持向量机等算法特点决策树以分支结构进行逐层判断K近邻KNN根据数据相似度进行分类朴素贝叶斯基于概率统计原理支持向量机SVM擅长高维数据处理决策树以“分支判断”的逻辑开展分类，就像做层层递进的小选择，一层层展开，逐步确定答案K近邻就像找“最像的小伙伴”，新来了一个“小朋友”，你看他和哪组最像，就把他归到那组朴素贝叶斯则基于概率统计原理，依靠“习惯”来判断，如同判断一个人性格时，会根据他常说哪类话、喜欢做什么事等来进行判断区分支持向量机就像在一堆非常相似的数据中，找到最关键、最能区分它们的“边界线/面”预测任务：从已知中发现未知如果说分类是给事物“贴标签”，那么预测就是根据已知，推断未知。当知道历史的气温数值，可以预测明天的气温；当掌握了前奏音乐音符的旋律，可以预测下一帧的音符……在机器学习中，分类和预测其实是同一枚硬币的两面：对比维度分类任务回归任务目标给未知事物“贴标签”，判断其类别根据已知规律，推断未知的连续数值结果离散的类别名或数值连续的数值预测方法预测回归也有很多经典方法：算法特点线性回归用一条直线拟合未来趋势多项式回归用一条曲线来拟合起伏变化岭回归线性回归的“升级版”，增加了惩罚项，防止跑偏线性回归根据历史数据，通过绘制一条平滑的直线，来推测未来的走向多项式回归则通过绘制一条“曲线”来适配数据的起伏变化，并开展预测岭回归以“平稳拟合”的逻辑开展预测，就像给预测加了一道“保险”，避免太极端、太偏差无监督学习04无监督学习无监督学习是机器学习的经典学习范式之一特点：数据无标签，即只提供样本数据，但不提供任何答案标签，需要机器自己在大量数据中发现隐藏的结构或规律。学习模式特点经典方法应用场景有监督学习数据有标签分类、回归人脸识别、房价预测等无监督学习数据无标签聚类、降维用户分群、异常检测等半监督学习数据少部分有标签，大部分无标签VAT、FixMatch医学图像分析、语音识别等强化学习与环境交互反馈Q-learning,DQNAlphaGo、自动驾驶等迁移学习大量源数据，少量目标数据DDC、AdaBN小样本学习、自动驾驶等无监督学习无监督学习的核心思想是让模型从数据本身出发，挖掘数据的分布特性或潜在的结构，其价值在于强大的探索性，它不需要昂贵的人工标注成本，在探索未知数据方面具有不可替代的作用。无监督学习无监督学习应用的两类经典问题：聚类问题（在数据中寻找自然分组）降维问题（在复杂中看见本质）聚类任务：在数据中寻找自然分组聚类，是无监督学习中最基础、最常用的任务，也是人们潜意识里常做的事情：在整理一批未分类的古籍残卷时，会不自觉地将字体相似、内容相关的残卷放在一起；当需要梳理博物馆的民间藏品时，会自然地将纹饰相近、工艺相似的器物归为一类；分析不同地区的民间歌谣时，会根据旋律、句式的共性，将其划分成不同的曲调流派……这些行为，本质上都是聚类机器学习中的聚类任务，正是模拟了这种认知过程：没有人工预设的标签，没有“监督者”的指导，算法完全依靠数据自身的特征完成分组，聚类与分类最核心的区别：分类：“按预设标签找对应结果”聚类：“按自身特征找同类”降维任务：在复杂中看见本质如果说聚类是在寻找“样本之间的亲缘关系”，那么降维就是在寻找“特征之间的主次关系”特征：在机器学习中，特征是对对象属性的数值化描述。肉眼看到的：书法作品的笔画粗细、字体倾斜度、墨迹浓淡、行距与字距、整体布局对称性等机器看到的：每个属性的数值化表示，如[0.7,0.3,0.5,0.8,0.6]等，分别用于描述每个属性的强弱或大小，一般都归一化到[0,1]范围内，如笔画粗细的属性用1表示最粗，0表示最细一个事物对象，往往会用多个层面/纬度来进行刻画，即面临“高维数据”的困扰降维的核心逻辑就是在不丢失核心信息的前提下，将纷繁复杂的高维特征压缩、提炼为少数几个关键维度，去掉冗余信息，保留数据的核心强化学习05强化学习强化学习也是机器学习的经典学习范式之一与监督学习“有预设标签、被动学习”、无监督学习“无标签、自主挖掘规律”的逻辑不同，强化学习的核心特征是通过“交互试错”来自主学习最优策略。学习模式特点经典方法应用场景有监督学习数据有标签分类、回归人脸识别、房价预测等无监督学习数据无标签聚类、降维用户分群、异常检测等半监督学习数据少部分有标签，大部分无标签VAT、FixMatch医学图像分析、语音识别等强化学习与环境交互反馈Q-learning,DQNAlphaGo、自动驾驶等迁移学习大量源数据，少量目标数据DDC、AdaBN小样本学习、自动驾驶等强化学习强化学习通常由六大核心元素组成：智能体（Agent）：表示参与学习和决策的主体环境（Environment）：表示交互参与的外部世界或场景动作（Action）：是智能体在所处环境中自主响应产生的行为奖励（Reward）：即环境对智能体动作的反馈，可能是正向奖励，也可能是负向惩罚状态（State）：所处环境当前呈现的状态策略（Policy）：智能体执行动作所参照的准则和依据，在与环境交互的过程中不断调整优化强化学习强化学习的核心特点：交互与试错：学习过程是通过智能体与环境的持续交互完成的，不断尝试不同的行动，从错误中汲取经验，在探索中寻找最优解。奖励信号：学习的唯一反馈是一个奖励信号值，它直观地指示某个动作的好坏，是智能体优化策略的核心指挥棒。延迟回报：奖励往往不是即时获得的，需要采取一系列连贯的行动后才能看到最终结果，这极大考验了智能体的长远规划与决策能力。强化学习强化学习的经典案例：AlphaGo围棋比赛自动驾驶THANKYOU第3章

深度学习：生成革命与文化生产目录章节目标概述0102深度学习概述03神经网络04CNN卷积神经网络05GAN生成对抗网络06RNN循环神经网络章节目标概述01章节目标概述如果说机器学习为人文艺术研究提供了“精准提取规律、高效处理数据”的工具，那么深度学习则掀起了一场“智能生成、创新创造”的革命。深度学习作为机器学习的重要延伸与进阶形态，以模拟人类大脑神经网络的结构为核心，突破了传统机器学习的局限，不仅能更精准地捕捉文化数据中的深层特征，更能主动生成全新的文化内容、艺术表达，深刻重塑着文化生产的方式与路径。本章将从深度学习的核心结构出发，结合人文艺术场景，依次介绍卷积神经网络、生成对抗网络、序列模型的核心逻辑与实践应用，最后聚焦技术应用中的伦理命题，探讨深度学习背景下机械性知识学习的价值与意义，全面呈现深度学习在文化生产领域的变革性力量深度学习概述02深度学习是什么？深度学习是机器学习的核心进阶分支，也是人工智能实现“创造性”应用的关键技术深度学习与机器学习、人工智能的核心关联可概括为：人工智能是总目标（让机器模拟人类智能）机器学习是实现目标的核心路径（数据驱动学习）深度学习是机器学习的进阶形态（深层学习与生成）为什么需要深度学习？与传统机器学习相比，深度学习的核心突破是“从浅层到深层”、“从处理到创造”的跨越为什么需要深度学习？深度学习所需的特征描述是自动训练提取的，不是人工设计制定的它通过模拟人类大脑神经元结构，构建多层次的神经网络模型来开展多层的特征转换将原始数据（左侧“原图”）变成更高层次、更抽象的表示（右侧“深层特征”）替代人工设计特征的“特征工程”过程，实现复杂数据特征的学习与表示猫深度学习的发展历程深度学习发展经历了“三起两落”第1次热潮（1940s-1960s）：神经元模型奠基和感知机模型的建立第2次热潮（1980s中-1990s初）：反向传播算法推广及LeNet5模型的提出第3次热潮（2006年-至今）：深度网络提出及AlexNet在ImageNet大赛中压倒性优势夺冠1943人工神经元模型1958感知机模型1969感知机无法解决线性不可分问题20世纪80年代BP反向传播LeNet模型(CNN面世)1998深度置信网络DBN解决深层网络训练梯度消失问题200620122014ResNet2017Transformer2016AlphaGo2020+LLM大语言模型第一次热潮第二次热潮第三次热潮AlexNetVGGNetGoogleNet神经网络03神经网络人工神经网络（ArtificialNeuralNetwork，ANN）是深度学习的核心基础，通常简称为神经网络神经网络几个重要概念：神经元：神经网络的基本单元，设计灵感来源于人类大脑的生物神经元结构神经网络系统：由无数个神经元按一定规则连接，形成多层级的网络结构信息传递：模拟人类大脑的认知过程，实现对数据逐层学习、逐步深化，最终完成从“浅层特征”到“深层创造”的跨越神经元：神经网络的基本单元神经元是神经网络的最小组成单元，其设计灵感来源于人类大脑的生物神经元结构，核心功能是接收信息、处理信息、输出信息，如同一个个独立的“信息处理节点”单个神经元就像一个执拗的哨兵：它固执地执行接收信号并判断处理信号的任务，如果信号加权和超过了它的阈值，它就激活响哨；否则，它便沉默输入层输出层隐藏层神经网络无数个神经元按一定规则连接，形成多层级的网络结构时，便能实现对复杂文化数据的深层解读与创造性输出，这也是神经网络能够“模拟创造力”的基础狗信息传递机制：多层级特征深化与误差反馈优化神经网络的核心价值，不仅在于其由大量神经元组成，更在于神经元之间的“有序连接”与“高效信息传递”输入层：接收数据，如图片等隐藏层：核心计算区域，也是“深度”的来源，开展多层级信息处理和特征提取输出层：输出最终结果，如识别结果等神经网络学习优化特性：数据信息在神经网络中的传递遵循前向传播误差反馈从输出层反向传递回隐藏层，用于调整神经元之间的连接权重，优化信息处理逻辑，即反向传播CNN卷积神经网络04CNN卷积神经网络卷积神经网络（ConvolutionalNeuralNetwork，CNN）是深度学习中最适合处理图像、纹理类文化数据的核心技术，其核心优势是“精准捕捉局部特征、保留空间关联”CNN卷积神经网络卷积神经网络（ConvolutionalNeuralNetwork，CNN）是深度学习中最适合处理图像、纹理类文化数据的核心技术，其核心优势是“精准捕捉局部特征、保留空间关联”1000-pixels1000-pixels原始图像全连接神经网络CNN卷积神经网络每个神经元需处理所有像素点数据局部连接（每个神经元只处理局部关注数据）CNN卷积神经网络的一般结构CNN卷积神经网络一般由卷积层、池化层和全连接层交叉堆叠而成。卷积层：像拓片工具局部接触碑面，用于提取局部纹路特征激活层：就像拓印完成后的“墨色提纯”与“干湿剪裁”，对拍出的墨迹进行“非线性提纯”，低于门槛的杂质直接抹白，够深的关键画笔原样凸显，用于“去杂”和“提神”池化层：像拓片只拓取关键纹路，忽略石花裂纹一样，过滤噪声、保留最重要的特征信息，尺寸缩小但特征更清晰经典的CNN卷积神经网络模型目前，CNN卷积神经网络在人文艺术类领域已得到了广泛应用，经典的CNN网络结构有：年份网络层数核心特点1998LeNet-57层卷积神经网络的奠基之作，确立CNN基本结构2012AlexNet8层引入ReLU、Dropout、GPU训练，开启深度学习时代2014VGGNet16/19层多层堆叠，深度化的代表，证明“更深更好”2014GoogLeNet22层引入Inception模块，让网络“更宽”，大幅减少参数2015ResNet152层引入残差连接，首次超越人类识别能力GAN生成对抗网络05GAN生成对抗网络如果说CNN卷积神经网络是让机器学会“看见”，那么GAN生成对抗网络就是让机器学会“创造”CNN卷积神经网络GAN生成对抗网络G猫狗兔羊GAN生成对抗网络生成对抗网络是深度学习中“生成能力”最强的技术之一，其核心逻辑是“对抗与协作”——通过两个神经网络的相互博弈、彼此优化，实现全新文化内容的生成生成器：试图生成逼真的数据以欺骗判别器，就像艺术创作者，生成内容判别器：则努力区分真实数据与生成数据，就像资深评判者，以真实的作品为标准，判断生成器生成的内容是否真实、是否贴合目标风格，同时给出优化反馈经典的GAN生成对抗网络模型目前，GAN网络在人文艺术类领域已得到了广泛应用，比如复刻名家书画风格创作新作品、修复破损的文物纹样、生成适配现代设计的传统纹样等，成为推动人文艺术创新传承的重要技术工具，经典的GAN网络结构有：年份网络核心特点2014GAN开创性提出对抗生成框架2014CGAN引入条件控制，让生成“可控”2015DCGAN将CNN引入GAN，稳定训练2017CycleGAN引入循环一致性损失，无配对图像的风格迁移2018StyleGAN风格解耦与精细控制2020StyleGAN2权重解调，改进伪影问题，提升质量RNN循环神经网络06RNN循环神经网络CNN卷积神经网络“看见”图像，GAN生成对抗网络“创造”新作CNN卷积神经网络GAN生成对抗网络G猫狗兔羊RNN循环神经网络CNN卷积神经网络“看见”图像，GAN生成对抗网络“创造”新作有一类数据，它们的意义不只在于“是什么”，更在于“如何展开”一辆白色的特斯拉汽车，正在

RNN循环神经网络循环神经网络是深度学习中专门处理这类“序列数据”的核心技术，其核心优势是“捕捉数据的时序关联、延续上下文逻辑”常用于如古籍文本续写、音乐生成、机器翻译、诗词创作、风格演变分析等应用场景RNN循环神经网络RNN循环神经网络循环神经网络在处理时序数据时，有多种“输入-输出”结构：图像描述图像

序列情感分析序列

类别机器翻译(不等长)序列

序列视频帧处理(等长)每帧同步词性标注单词

类别RNN循环神经网络RNN循环神经网络在人文艺术类领域也得到了广泛应用，比如剧本续写、旋律生成、诗词创作等，经典的RNN网络有：年份网络核心特点1986RNN引入循环连接，让网络拥有记忆1997LSTM引入三层结构（遗忘、输入、输出），实现长短期记忆1997Bi-RNN引入双向处理思想，从正向和反向处理序列，捕捉上下文信息2014GRU简化LSTM三门结构为两个门，参数更少，效率更高2014Seq2Seq编码器－解码器架构，为机器翻译奠基2015Attention引入“注意力”机制，在解码时动态关注编码器的不同位置2017Transformer放弃循环，引入自注意力机制，并行计算，奠定大模型基础THANKYOU第4章大语言模型：从文本到知识重组目录大语言模型为何“智能”01AI写作是否会侵蚀人类表达的真实性04大模型如何实现知识重组02如何有效地使用大模型03核心内容概述反思大模型提升效率的同时，对创作真实性、知识可信度及人类主体性带来的深刻影响。介绍引导大模型有效协作的核心方法，涵盖提示工程与检索增强生成（RAG）两种关键方式。阐述大模型发展历程、定义、特性与工作原理，解析其智能源于海量数据统计学习及Transformer架构。核心原理解析协作方法介绍伦理反思剖析大语言模型为何”智能“014.1.1大模型的发展历程01以形式化规则模拟理性思维专家系统MYCIN符号主义03挖掘数据统计规律朴素贝叶斯分类器可高效区分垃圾邮件统计学习02受神经网络启发从数据中自动学习特征卷积神经网络LeNet-5连接主义

04凭借自注意力机制把握全局语境催生GPT、BERT等大语言模型Transfomer架构1早期AI发展的技术路径4.1.1大模型的发展历程2大模型的发展阶段4.1.1大模型的发展历程推理深化”“应用规模化产业落地指标从参数规模转向日均调用量，中国市场应用突出，火山引擎豆包大模型日均tokens处理量破50万亿，年增超10倍。

产业落地核心指标大模型发展是核心架构创新驱动的产业革命，历经技术摸索、规模扩张、多模态融合，迈向推理深化与价值赋能。

大模型发展本质中国大模型已构建从底层研发到规模化应用的完整生态，成为全球人工智能发展的重要力量。

中国大模型生态地位推理深化与应用规模化（2025—）

新阶段特征4.1.2大语言模型的智能本质1.海量的模型参数2.互联网级的训练数据3.巨大的计算消耗三个维度协同作用，让大模型突破了传统模型的知识容量瓶颈，能够学习到具备高度通用性的语言逻辑与世界规律，并由此催生出一种全新的能力特征。4.1.3大语言模型的关键特性上下文对话连贯性精准指令遵循思维链推理关键行为特性泛化迁移泛化与迁移“顿

悟”涌现能力4.1.2大语言模型的关键特性涌现量变引起质变AI的涌现，就像“顿悟”的模拟4.1.2大语言模型的关键特性vsGPT-2（2019年）15亿参数基础阅读理解法语→英语的翻译新闻文章的摘要生成简单问答×

算术推理（例如“7×8+12=？”）和多步逻辑题×

写代码GPT-3（2020年）1750亿参数增加的能力：复杂算术与逻辑推理代码生成：GPT-3的训练数据里并没有“问题-代码”对，也没有被教过编程。类比推理：比如“沮丧:开心::疲劳:?”（答案是“精力充沛”）。涌现AI的“涌现”不等于人类的“创造”，要坚守人文核心”关键行为特性4.1.3大语言模型的关键特性无需重新训练，借助对话内示例和提示即可完成新任务上下文学习特性能准确理解人类指令并按要求执行，精准指令遵循能力面对复杂问题会展示逐步推理过程，提升答案准确性思维链推理优势在多轮对话中能记住上下文，保持话题连贯对话连贯性表现泛化与迁移4.1.3大语言模型的关键特性模型在未见过的新数据上仍表现良好的能力泛化举一反三一个领域所学知识灵活应用到相关领域的能力迁移触类旁通模型如何实现知识重组：Transformer与架构多样性024.2.1大模型的工作原理预训练对齐与微调推理生成教它“好好说话”，变成得力助手从海量文本到基座模型喂数据喂出来的“基座模型”你问它答，一个字一个字往外蹦大模型本质是基于海量文本训练的概率模型4.2.1大模型的工作原理1预训练（学）数据：海量无标注文本（整个互联网规模）任务：下一个词预测或完形填空目标：学习通用语言规律与世界知识耗时耗资：数月时间，数百万美元算力2微调

（练）数据：高质量标注数据（相对少量）任务：指令遵循、对话对齐、安全合规目标：让模型“有用、无害、诚实”方法：SFT（监督微调）、RLHF（人类反馈强化学习）3推理

（用）输入：用户问题（Prompt）处理：经过所有Transformer层的前向传播输出：自回归生成回答（一个词一个词地输出）关键：所有参数固定，只进行激活计算工作流程：学-练-用4.2.1大模型的工作原理大模型的核心机制让模型能关注输入中最重要的部分，就像你读长句时会特别留意关键词。自注意力机制它没有真正的“想法”，只是根据学到的统计规律，不断做出最可能的文字选择。概率模型本质生成时每次都依赖之前生成的词，一步接一步，像火车一节连一节。自回归生成0102034.2.1大模型的工作原理本质是基于海量文本训练的概率模型核心机制为自注意力，以自回归方式生成符合语言规律的文本。大模型核心属性4.2.1大模型的工作原理预训练阶段基座模型构建流程从无标注原始文本学习语言与世界知识的参数化表示，经数据处理、向量化、训练任务等四步形成基座模型。数据收集与预处理收集互联网、书籍等多载体海量文本构建多样化数据集，清洗去除噪声、低质量及敏感内容，保障数据纯净可靠。文本向量化操作先将文字拆分为词元解决词汇表等问题，再把词元映射为稠密向量，训练中调整向量使语义相近词元距离更近。数据收集与预处理保障数据纯净可靠文本向量化1分词2词嵌入确定核心任务1.自回归语言建模（GPT）：文字接龙2.掩码语言建模（BER）：完形填空自注意力机制动态捕捉关联，是完成训练任务的关键基础。形成基座模型具备广泛“知识”但未经特定任务调优的基座模型。1预训练阶段核心训练任务整个大模型开发流程中计算成本最高、耗时最长的环节4.2.1大模型的工作原理1预训练阶段——①

数据收集与预处理大规模多样化范围广高质量多轮清洗去噪和标准化去除垃圾内容格式统一内容筛选长度规整Step02数据预处理

Step01收集数据4.2.1大模型的工作原理预训练阶段基座模型构建流程从无标注原始文本学习语言与世界知识的参数化表示，经数据处理、向量化、训练任务等四步形成基座模型。数据收集与预处理收集互联网、书籍等多载体海量文本构建多样化数据集，清洗去除噪声、低质量及敏感内容，保障数据纯净可靠。文本向量化操作先将文字拆分为词元解决词汇表等问题，再把词元映射为稠密向量，训练中调整向量使语义相近词元距离更近。1预训练阶段——②

文本向量化词元：模型眼中的“基本文字单位”英文：可能是一个单词、词根、字母中文：通常是一个汉字或常见词组意义：将无限的文字世界，映射为有限的词汇表（通常5万-10万个词元）从文本到数字--词元4.2.1大模型的工作原理词嵌入如何实现语义与向量匹配1预训练阶段——②文本向量化-词嵌入词嵌入（wordembedding)：模型中每个唯一词元映射为一个固定维度的稠密向量为每个词语生成一组随机数字向量。随机初始化通过海量文本训练，对于语境相近的词语，拉近其向量距离；对于语境无关的词语，则拉远其向量距离。迭代优化（核心）语义相似度=向量空间距离。训练收敛4.2.1大模型的工作原理词嵌入的语义表示与降维可视化1预训练阶段——②文本向量化-词嵌入词嵌入查表

→高维向量

→降维可视化4.2.1大模型的工作原理预训练阶段基座模型构建流程从无标注原始文本学习语言与世界知识的参数化表示，经数据处理、向量化、训练任务等四步形成基座模型。数据收集与预处理收集互联网、书籍等多载体海量文本构建多样化数据集，清洗去除噪声、低质量及敏感内容，保障数据纯净可靠。文本向量化操作先将文字拆分为词元解决词汇表等问题，再把词元映射为稠密向量，训练中调整向量使语义相近词元距离更近。1预训练阶段——核心训练任务？GPT？BERT确定核心任务自注意力机制能让模型在预测下一个Token时，重点关注上下文的关键信息，进而更准确地捕捉语义关联，实现“上下文理解”的核心原因4.2.1大模型的工作原理1预训练阶段——形成基座模型能力：基本的语义理解和生成内容01是语言认知的基础，有助于把握文本的核心含义与深层联系。理解语义关联03意味着可以依据已知前提和规则，推导出合理结论，处理基础性的因果与推断问题。进行逻辑推理02从海量信息中识别模式、趋势和关键特征，为数据分析与预测提供支撑。掌握统计规律基座模型——不是“成品”，却是核心4.2.1大模型的工作原理2对齐与微调指令微调与人类反馈强化学习高效领域适配对齐与微调1通过高质量的指令--响应对进行监督微调2RLHF引入偏好排序，使模型输出更符合期望

参数高效微调模型能够生成更专业、更准确的响应。生成流程：4.2.1大模型的工作原理3推理生成：基于语境的序列生成编码与上下文计算自回归解码（逐词元生成答复）本质：对海量人类语言行为中复杂统计模式的捕获与复现4.2.2关键：自注意力机制核心思想：动态的全局关联语境动态性同一个词的含义随上下文而变长程依赖无论距离多远，篇章开头的主题词都能直接影响结尾的理解，把握全局逻辑。01024.2.2关键：自注意力机制工作机制01定义核心三要素定义QKV、为关联度计算打基础02关联度计算匹配Q与K，量化词间相关性03权重归一化缩放与Softmax明确关注重点。04信息融合加权求和、生成最终输出向量Q（我要找什么？）K（我有什么？）V（我的信息是什么？）举例：《静夜思》中“明月”的理解03例如，对「月光」、「寒霜」的关注度权重高于「举头」、「低头」和「故乡」，明确了语义关注的侧重。缩放与Softmax分配权重02将「明月」的Q，与全诗所有词的K匹配打分。与「光」、「霜」、「举头」、「低头」、「故乡」等词语强相关，得分更高。计算注意力分数01「明月」的Q=寻找夜色、思乡语义；K=夜空景物；V=月光皎洁、暗含乡愁。生成Q、K、V信息04融合全诗语义信息，更新全局语义。普通天体的“明月”由此被动态更新为承载乡愁的情感意象。加权求和更新全局语义4.2.2关键：自注意力机制模型如何实现知识重组：理解与生成的关键多头注意力多头注意力机制：将输入的特征（通常是查询、键和值）通过多个独立的、并行运行的注意力模块（或称为“头”）进行处理。通过并行处理和集成多个注意力头的结果，从不同角度捕捉数据的多样性4.2.3Transformer架构：编码器与解码器关键突破：传统RNN/LSTM的两大痛点①

支持并行计算：同时处理所有词元、加速训练②

解决长距离遗忘：给距离远的词建立联系核心结构：编码器（Encoder）：负责提取输入序列的上下文信息，通过自注意力机制捕捉词与词的关系。解码器（Decoder）：基于编码器的输出逐步生成目标序列，引入了交叉注意力（关注编码器的结果）。诞生时间：2017年（论文《AttentionIsAllYouNeed》）4.2.3Transformer架构：编码器与解码器Transformer整体架构编码器就像“原文精读专家”，负责把输入文本彻底读懂。解码器就像“译文写作专家”，负责根据理解笔记逐词生成输出。两者协同工作，完成从“读懂”到“写好”的完整认知过程。4.2.3Transformer架构：编码器与解码器

核心作用：输入转特征编码器串联：深度处理信息多头自注意力：互相联系，抓取上下文关系前馈网络层：单独优化，细化每一处特征残差叠加+归一化：防止信息丢失，统一数据范围，让模型好训练、学得稳编码器4.2.3Transformer架构：编码器与解码器

核心作用：依据特征信息生成输出内容带掩码的多头自注意力：遮挡后文，只看已有内容编解码交叉注意力：联动编码，借用全局信息解码器前馈网络：独立加工，细化生成特征残差叠加+层归一化：保留原始信息，稳定学习过程解码器4.2.3Transformer架构：编码器与解码器01编码器对源语言文本进行语义编码，生成全局特征信息。编码处理03循环生成词汇，最终输出完整通顺的目标语句。迭代输出02依托掩码机制保障语序合理，结合编码语义逐步翻译选词。解码器逐词生成编码器和解码器协同构建Transformer架构4.2.4理解与生成：BERT与GPT特点：双向理解，训练时能看到整个句子擅长：文本分类、情感分析、问答等理解任务局限：不擅长逐字生成连续文本BERT（编码器范式）只用编码器特点：单向生成，训练时只能看到前面的词擅长：生成文本应用：文本生成、对话、创作等GPT（解码器范式）只用解码器4.2.4理解与生成：BERT与GPT理解：BERT生成：GPT4.2.4理解与生成：BERT与GPT对比维度BERT模型（双向编码器）GPT模型（自回归解码器）核心架构基于Transformer的双向编码器，仅保留编码器结构，核心是“双向上下文理解”。基于Transformer的自回归解码器，仅保留解码器结构，核心是“单向文本生成”。预训练任务核心为掩码语言模型（MLM）和下一句预测（NSP），就像“完形填空”。核心为自回归语言建模（CLM），就像“文字接龙”。核心能力侧重自然语言理解（NLU），擅长上下文语义提取、实体识别、文本分类、相似度计算，核心是“读懂文本”。侧重自然语言生成（NLG），擅长文本续写、对话生成、多模态内容生成，核心是“生成内容”。核心应用场景文本分类、命名实体识别、机器阅读理解、舆情分析、问答系统中的“问题理解与答案提取”。文本生成（文案、剧本等）、智能对话、智能客服回复、代码生成、多模态内容创作（文生图等）。典型代表模型BERT-base、BERT-large、RoBERTa（BERT改进版）、ALBERT等，均以编码器为核心。GPT-3、GPT-4、GPT-4o、GPT-5系列，均以自回归解码器为核心，支持多模态升级。实际应用搭配常作为“理解模块”，与生成模型（如GPT）搭配使用，负责语义理解、信息提取，支撑生成任务。可独立完成生成类任务，也可与编码器搭配（如BERT+GPT），提升生成内容的精准度与相关性。模型规模增长的需求

计算成本/效率更强能力扩大模型规模参数量增长天价算力需求巨额能源消耗缓慢的推理速度4.2.5混合专家模型MOE：术有专攻根本矛盾：能力与成本的终极博弈4.2.5混合专家模型MOE：术有专攻专门处理输入数据的特定子集或特定任务专家网络（Experts）决定每个输入样本应该由哪个专家或哪些专家来处理。门控网络（GatingNetwork）整合合并专家意见组合器（Combinator）破局思想：让模型学会“按需调用”4.2.5混合专家模型MOE：术有专攻门控网络又称“路由器”，是轻量级模型，可判断输入任务，为对应专家分配激活分数。关键组件：门控网络4.2.5混合专家模型MOE：术有专攻调度处理融合4.2.5混合专家模型MOE：术有专攻计算更高效推理时计算量更小，减少算力消耗。泛化能力强根据不同的输入选择合适的专家，适应能力强。可扩展性更强增加专家数量，就能增强模型能力。MoE模型的优势“空间换时间”----MoE实现了效率与能力的平衡如何有效地使用大模型：从提示到检索03如何有效地使用大模型有效地使用大模型提示工程苏格拉底式对话RAG增强检索生成4.3.1提示工程：与AI进行苏格拉底式对话苏格拉底式对话：以问答启发知识的教育智慧4.3.1提示工程：与AI进行苏格拉底式对话“精心设计提示词”的核心价值降低AI理解成本激发AI创造性潜力提升对话效率与质量与AI进行创造性对话的核心原则精准性原则引导性原则开放性原则逻辑性原则实现创造性对话的实用提示词技巧4.3.1提示工程：与AI进行苏格拉底式对话赋予AI明确身份角色设定法明确创意的应用场景场景具象法拆分复杂创意任务步骤拆解法通过多轮提示完善创意反馈优化法010203044.3.2RAG：检索增强生成问：大模型落地金融、医疗等专业场景时的痛点？技术破局破解之道：RAG技术4.3.2RAG：检索增强生成RAG部署图RAG部署实施流程4.3.2RAG：检索增强生成RAG部署的关键要点建立严格的数据采集与审核机制，优先采集权威来源的信息知识库质量是核心需结合场景特点优化RAG架构、调整生成逻辑，避免“一刀切”的部署模式场景化适配是关键常用的平衡方法包括混合检索（关键词+向量）、调整权重、优化索引结构等效率与精度平衡3C行业应用场景与案例4.3.2RAG：检索增强生成智能投研与客服金融领域学术评论辅助与研究赋能艺术领域智能服务与效率提升政务领域案件辅助与合同审查法律领域教学辅助与资源管理教育领域4.3.2RAG：检索增强生成局限优

势知识实时更新可追溯防幻觉架构灵活适配响应速度快知识库构建成本高检索精度依赖设计轻量化部署受限4.4伦理与思考AI写作渗透多领域可快速输出连贯文本，降低表达成本并提升效率。AI写作应用现状AI介入书面表达引发伦理讨论担忧人类表达源于个体经验、情感与思考的真实性被侵蚀消亡。AI写作伦理争议伦理与思考：

AI写作是否会侵蚀人类表达的真实性？044.4AI写作的本质：算法模仿而非自主表达信息符合事实情感发自真诚风格具独特个性。AI写作本质是基于海量数据的语义模仿与逻辑重组，属工具化文本生成，无人类的思考、情感与主体性。表达真实性的三层内涵AI写作的本质界定

AI写作技术逻辑依托Transformer架构，拆解、记忆、重组海量人类文本，提炼语言规律等，按用户指令生成所需文本。

AI写作核心局限无自我意识，不理解文本深层含义与情感，仅模仿人类表达，无法承载独特生命体验与思考。

人类表达独特价值是内心世界的外在呈现，承载表达者经历、思考与价值判断，具备AI无法替代的真诚性与独特性。

原创性维度差异AI写作仅能在训练数据内模仿重组，超出范围易生成虚假内容，人类表达的原创性是真实性与生命力核心。4.4伦理与思考：AI写作的本质4.4.2潜在挑战：AI写作对人类表达真实性的侵蚀路径人机边界模糊侵蚀真诚联结AI的“共情能力”本质上是一种算法策略，它在训练中被优化为“让用户满意”，因此天然倾向于顺从、迎合，而非挑战或质疑。思考缺位导致表达空洞化斯坦福大学教授李飞飞:“最可怕的不是AI有多强，而是人类自动放弃思考”，主体性的主动让渡，是AI写作对表达真实性最根本的侵蚀。虚假表达混淆真实边界AI无法对内容的准确性与完整性承担责任幻觉生成情感错位过度依赖4.4.3理性认知：AI写作是辅助工具，而非真实性的“对立面”AI写作基于海量数据提供多样风格与视角，帮助打破思维固化，拓展表达思路，优化自身表达的多样性与创新性。AI写作可帮助语言组织、逻辑梳理能力不足者，精准呈现内心思考与情感，成为表达的桥梁而非替代者。AI写作能快速完成文献整理、格式校对、素材寻找等基础工作，让人们聚焦思考与情感沉淀，提升表达深度与真实性。解放表达精力聚焦深度提供表达参考拓展思路突破表达能力局限4.4.3伦理与思考：实践路径坚守人机协作边界规范AI内容辨识度强化独立思考与表达能力培养完善伦理技术约束4.4伦理与思考：实践路径AI写作是人类表达工具的升级，非表达替代者，其不影响人类表达真实性的核心AI写作本质辨析合理利用AI写作便捷，坚守独立思考与真诚表达初心，以理性态度享技术红利，守人类表达核心价值。理性使用倡议0102THANKYOUAIGC：多模态创作与跨学科实践目录CONTENTS01核心概念与演进•什么是多模态生成？•AI多模态演进之路•多模态AIGC应用场景02文生文模型•定义、技术演进与实践案例解析03文生图模型•定义、技术演进与行业实践案例分析04音视频生成•定义、前沿技术演进、实践案例05伦理与思考•同质化风险、模型偏见、版权争议、职业重塑、文化威胁、人类的不可替代性核心概念与演进01人工智能通识（人文艺术·微课版）什么是多模态？——从人类感知到AI系统人类的多模态感知定义：人类通过视觉、听觉、嗅觉、触觉等多种感官通道接收信息，并在大脑中整合，形成对世界的完整理解。核心优势：多种感官信息实现互补、相互验证与叠加增强，极大提升了感知与理解的全面性与可靠性。AI多模态(AIMultimodal)定义：能够同时理解、处理、融合和生成文本、图像、音频、视频等多种数据的人工智能系统。核心目标：模仿人类感知机制，通过多源信息的深度融合，像人一样形成对复杂世界的综合理解。模态的定义与类型模态(Modality)：信息的某种特定表现形式或感知通道，不同模态对应不同的数据结构与处理逻辑。视觉模态●常见举例：数字图像、视频流、3D点云●核心结构：像素矩阵(PixelMatrix)、多维张量(Tensor)听觉模态●常见举例：人类语音、音乐音频、环境音效●核心结构：一维波形信号(Waveform)、时频域频谱图(Spectrogram)文本模态●常见举例：书籍文章、社交媒体帖子、对话记录●核心结构：字符/单词序列(Sequence)、高维词向量(WordEmbedding)更多感知与交互模态|触觉(温度/压力/纹理)·嗅觉与味觉·各类传感器数据(如雷达/激光雷达)·脑机接口(BCI)信号等人工智能通识（人文艺术·微课版）AI多模态的四大核心能力多模态感知Perception作为系统的输入端，AI能够同时高效地接收来自文本、图像、音频、视频等多个异构模态的原始数据，打破单一感官的局限。多模态理解Understanding在感知基础上，AI通过深度学习，挖掘并建立不同模态数据间的内在语义关联，真正“读懂”信息背后的含义。应用示例：

图文匹配、视觉问答(VQA)、跨模态情感分析。多模态融合Fusion通过特定的融合策略，将分散在不同模态中的互补信息有效整合，从而显著增强AI对复杂场景的综合理解与决策能力。应用示例：

智能视频分类、多模态金融风险评估、综合情感识别。多模态生成GenerationAI模型能够跨越媒体形式的边界，以一种或多种模态为输入，创造性地生成全新的、符合人类审美和逻辑的其他模态内容。核心价值：

极大降低数字内容创作门槛，释放海量创意生产力，让想象力自由流动。人工智能通识（人文艺术·微课版）多模态生成的16种转换关系理论上，四种主要模态（文本、图像、音频、视频）之间存在16种可能的单向转换关系，构成了多模态生成的核心空间。文生类(Text-to-X)文生文•文生图•文生音•文生视频图生类(Image-to-X)图生文•图生图•图生音•图生视频音生类(Audio-to-X)音生文•音生图•音生音•音生视频视生类(Video-to-X)视生文•视生图•视生音•视生视频人工智能通识（人文艺术·微课版）AI多模态演进之路▍阶段一：手工特征时代（2012前）各模态孤立发展，技术上严重依赖算法工程师人工设计特征，缺乏对数据深层语义的理解，模型通用性和泛化能力较弱。▍阶段三：多模态融合初步探索（2017-2020）Transformer架构带来了革命性突破，通过自注意力机制，让不同模态的数据实现了深层跨模态对齐，多模态融合进入全新发展时期。▍阶段四：统一多模态大模型阶段（2020至今）基于对比学习和生成式预训练技术，大模型打通了视觉、语音、文本等多种模态壁垒，真正实现了从“理解”、“生成”到“原生交互”的跨越。▍阶段二：深度学习单模态阶段（2012-2017）CNN、RNN等深度学习网络在图像、语音等单一模态领域取得重大突破，性能显著提升。但多模态任务处理仍处于浅层拼接，未实现真正的信息融合。人工智能通识（人文艺术·微课版）多模态AIGC应用场景●营销与电商从“素材拍摄”到“一键出片”，实现降本增效。利用AIGC技术可快速生成海量营销素材，缩短内容制作周期，大幅降低人力与时间成本。●影视与创意从“后期制作”到“前期可视化”，降低创意试错成本。在剧本构思、分镜设计阶段引入多模态生成能力，将抽象想法转化为视觉预览，提升创作效率与质量。●工业与自动驾驶从“被动识别”到构建感知与预测一体的“世界模型”，能更精准地理解环境变化，实现主动风险预判，保障生产与出行安全。●医疗健康打破数据壁垒，从单一影像或检验的“单模态诊断”转向结合文本、影像、基因等多维数据的“全方位洞察”，显著提升临床诊断的精准度与效率。●教育与文化变革传统模式，从单向的知识“传授”转变为结合生成式互动的沉浸式“体验”，根据学习者特征定制内容，打造个性化、趣味化的学习场景。人工智能通识（人文艺术·微课版）文生文模型02什么是文生文模型？▍核心定位👀人类意图的“解析器”

精准捕捉自然语言指令背后的深层语义、逻辑关系与真实诉求。🔄多模态生成的“中转站”

将模糊的人类自然语言指令，转化为驱动文生图、文生视频等下游模型的标准化、结构化指令。▍核心能力📖文本理解(Comprehension)

深入理解上下文语境，识别关键信息，准确把握用户的核心意图。✍️文本生成(Generation)

基于理解的内容，生成逻辑通顺、表达自然、风格多样且贴合需求的高质量文本。🧠知识推理(Reasoning)

调用预训练的海量知识，通过逻辑推理解决问题、回答复杂提问。▍定义：文本到文本的转换引擎一种高级语言处理系统，以“文本输入-文本输出”为核心范式，旨在理解和生成人类语言，打破传统NLP任务边界。人工智能通识（人文艺术·微课版）文生文模型技术演进之路架构创新期（2017年以前）从统计语言模型N-gram到循环神经网络(RNN/LSTM)，语言模型能力稳步提升。里程碑突破：2017年Transformer架构横空出世，引入自注意力机制，彻底改变了深度学习格局，为后续大模型爆发奠定基石。规模突破期（2018-2022）OpenAI推出GPT系列模型，通过指数级扩大参数量与训练数据，模型出现了不可预测的“能力涌现”现象。人机对齐：ChatGPT引入RLHF(基于人类反馈的强化学习)技术，大幅提升了模型的可用性与安全性，实现了技术与产品的结合。效率优化期（2023年-至今）单纯堆参数量已不再是最优解，行业聚焦于在保证性能的前提下，降低训练与推理成本。关键方向：MoE(混合专家模型)、混合精度推理、Kimi、DeepSeek等国产模型崛起，通过架构优化与数据工程实现了性价比的全面超越。人工智能通识（人文艺术·微课版）人工智能通识（人文艺术·微课版）实践案例：智能教育辅助▌应用场景针对不同认知水平的学生，通过技术手段动态生成差异化教学内容，打破“千人一面”的传统课堂限制，实现因材施教。▌核心价值主张将教师从大量重复性、机械性的知识讲解与作业批改中彻底解放出来，把宝贵的时间和精力聚焦在启发学生思维、培养学习兴趣以及给予情感关怀这些AI无法替代的核心教育工作上。▌AI赋能的四大维度01.个性化适配

基于学生历史学习数据，自动识别薄弱点，智能调整知识点讲解的深浅程度和呈现顺序。02.多重解释视角

针对同一难点，自动生成多种生活化的类比和解释方案，匹配不同学生的思维习惯。03.即时精准反馈

在学生练习过程中，实时分析作答逻辑并纠错，即时生成针对性的强化练习题目。04.教师减负增效

自动化生成各类习题、试卷以及详细的参考答案，显著降低教师的备课与批改负担。人工智能通识（人文艺术·微课版）实践案例：编程辅助与商业分析▍编程辅助💻应用场景•快速编写各类基础代码片段，减少重复劳动。

•智能识别并调试代码中的潜在错误与性能瓶颈。🚀AI核心价值•提效与降门槛：大幅缩短开发周期，降低编程学习与使用的技术门槛。

•成长与赋能：充当开发者的“智能副驾驶”，在调试与学习中提