人工智能-通识到应用课件 项目5：大模型应用实践

大模型应用实践CONTENTS目录01

项目概述02

大模型工具概述03

国内大模型工具04

大模型与行业融合05

项目实践06

项目总结与汇报07

未来展望01项目概述项目背景与目标大模型的重要性在人工智能浪潮中，大模型作为技术巅峰，正改变各行各业。它从自然语言处理到计算机视觉等多领域广泛应用，提升数据处理与理解能力，催生创新应用与商业模式。知识目标了解大模型基本概念、技术架构、训练方法等；明确其在人工智能领域的地位与作用；知晓在医疗、金融等多行业的应用场景与案例；理解与行业知识结合解决实际问题的方式。技能目标具备数据预处理、标注及分析能力，能选合适处理流程；可根据任务选合适大模型；掌握国内主流大模型工具基本操作，如文本生成、图像识别；掌握对大模型输出结果微调与优化方法。素质目标培养创新思维，探索新应用场景与解决方案；提升团队协作能力，学会有效沟通协作；增强问题解决能力，独立思考分析并提出方案；激发对AI技术兴趣，养成持续学习跟踪前沿的习惯。知识导图与导学知识导图通过知识导图，能直观呈现项目整体知识架构，涵盖大模型工具概述、国内大模型工具及大模型与行业融合等内容，为学习提供清晰框架。项目任务清单包括大模型工具概述，涉及定义、分类、架构、训练方法等；国内大模型工具，如百度文心、华为盘古等基本使用方法；大模型与行业融合，如在医疗、金融等行业的应用案例。课前测试作业扫描微课视频二维码学习后完成测试，涵盖大模型核心优势、分类、国内主流大模型特点及行业应用等问题，帮助检验课前学习效果。02大模型工具概述大模型的定义与分类大模型的定义大模型是人工智能领域的机器学习模型，通过学习大量数据，获得类似人类理解语言、图像和声音的能力，能处理复杂数据和任务，有强大泛化与应用能力。按处理数据类型分类语言大模型（NLP）专门处理文本数据，如GPT系列、BERT；视觉大模型（CV）处理图像数据，像Inception、ResNet；多模态大模型能处理多种类型数据，例如DALL-E模型可根据描述生成图像。按应用领域分类通用大模型可在多领域通用；行业大模型针对特定行业，用行业相关数据训练；垂直大模型针对特定任务或场景，用任务相关数据微调。技术架构与原理深度神经网络结构大模型通常采用深度神经网络，由多层组成，每层有若干神经元，神经元通过权重连接，网络层数增加可学习更抽象特征。激活函数用于引入非线性，使模型学习复杂特征，常见的有ReLU、Sigmoid和Tanh等。损失函数衡量模型预测与真实值的差距，训练中通过优化它调整参数，常见的有均方误差（MSE）等。优化算法调整模型参数以最小化损失函数，常见的有随机梯度下降（SGD）、Adam和RMSProp等。正则化技术防止模型过拟合，提高泛化能力，常见的有L1/L2正则化和Dropout等。训练方法与挑战

01训练步骤包括数据预处理（清洗、标注和格式化）、模型初始化（设置初始参数和结构）、前向传播（计算预测结果）、计算损失（根据预测和真实值计算）、反向传播（调整参数）和迭代训练（重复步骤直至满足条件）。

02计算资源限制大模型训练需要高性能硬件和大量存储空间，是制约训练的主要因素之一。

03数据质量问题数据质量影响模型性能和公平性，需有效清洗和预处理。

04模型可解释性大模型决策过程需更透明和可解释。

05环境影响大模型训练对环境有一定影响。性能评估指标

准确率（accuracy）模型在训练数据集中成功识别样本的比例。

精度（precision）模型预测出正确结果的比率。

召回率（recall）在一定样本实际结果中，被模型预测正确的比率。

F-Score（F1score）精度和召回率的调和平均值，综合评估模型性能。性能评估指标AUC（areaunderthecurve）

ROC曲线下的面积，表示分类器性能好坏。鲁棒性（robustness）

模型对训练数据集中噪声的适应性。随机性（randomness）

模型训练过程中正确率的可控性。03国内大模型工具百度文心大模型

知识增强文心大模型通过持续学习技术，不断吸收海量数据新知识，使回答问题、生成内容更准确、丰富和深入。

检索增强具备强大检索能力，能从海量数据快速找到相关信息，结合知识图谱进行语义理解和推理，应对复杂查询表现出色。

对话增强实现与人自然流畅、逻辑清晰、知识多元、情感丰富的多轮聊天，在智能客服、教育辅导等场景应用广泛。

创作增强具备内容生成（AIGC）能力，助力内容规模化生产，为文学创作、艺术设计等创意领域提供支持。百度文心大模型高清晰度与高还原度在图像修复中，能补全缺失图像内容，保持高清晰度和还原度，修复后的图像几乎与原作无异。易用性与集成性“文心千帆”平台提供开箱即用服务，有全面工具链和全流程优化，还有插件拓展能力边界，企业部署应用更轻松。安全性与开放性保障数据安全，允许用户自定义输入提示，根据零样本或少样本输入生成结果，满足多样化需求。跨领域应用具备跨领域通用性和泛化性，已在保险合同管理、金融风控、电商服务考核、新闻资讯等场景应用验证。华为盘古大模型

技术先进基于巨型神经网络构建，参数量超100亿，是目前最大的中文语言模型之一，能更好捕捉语言特征。

性能优越高效性体现在短时间完成大量数据处理分析；泛化性使其能适应不同领域场景；稳定性通过双向编码和语义平滑技术降低错误率。

应用广泛可用于智能客服，实现7×24小时在线服务；电商智能推荐，提供个性化购物体验；智能教育，辅助教学和构建题库；

安全可靠采用数据加密、备份和审计等安全技术，保护企业和开发者数据安全，知识蒸馏技术防止泄露用户隐私。阿里云通义大模型

技术领先与模型规模通过整合海量数据和强大算力预训练，拥有千亿级参数规模，通义千问2.5版本中文性能超GPT-4Turbo。

泛化性和普适性能跨越多个行业领域，提供多种服务，生态伙伴可结合行业知识精调打造专属模型。

生成式能力可生成图像、诗歌、文本、音乐等多种内容，具备多模态能力，处理复杂多样化输入。

理解与推理能力深入理解人类语言，自然交流和推理，逻辑推理能力提升，处理复杂任务更高效准确。阿里云通义大模型

高安全性与隐私保护阿里云提供高安全性、合规性的数据保护，服务器端加密，伙伴和企业行业数据独立安全。

强大的算力与技术支持阿里云有自研云操作系统飞天和领先云计算平台，支持千亿级模型万级并发推理。

广泛的应用场景在工业制造、金融服务、媒体与传媒、教育等行业，提升检测精度、服务效率、生产创新和教学管理能力。腾讯混元大模型01技术先进与模型规模基于Transformer架构，具备万亿级参数规模，混元文生图大模型是业内首个中文原生DiT架构文生图开源模型。02语言理解与生成能力准确理解自然语言文本含义，生成连贯有意义文本，支持中英文双语输入及理解。03多模态处理能力能处理文本、图像、音频等多模态数据，文生图大模型可将文本描述转化为高质量图像。04逻辑推理与任务执行能力具备复杂语境逻辑推理能力，准确理解用户意图并推理分析，可靠执行复杂任务。05持续优化与更新腾讯大量技术自研，降低幻觉比例、提升推理能力等，模型持续更新适应新需求。06应用前景广泛在教育行业提供教学辅助和资源生成；金融行业用于风险评估和投顾；广告营销领域提供素材创作和策略制定服务。深度求索DeepSeek大模型

多模态处理能力能同时处理文本、代码、数学推理、图像等信息，上下文窗口扩展提升长文档处理效率。

双语能力卓越中文处理能力居权威评测第一梯队，英文能力与国际顶尖模型相当，支持跨语言场景应用。

开源生态及算法创新采用混合专家架构、FP8混合精度训练和多Token预测等创新算法，推动开源社区发展，降低企业开发门槛。

多领域应用案例在电子工程、金融、医疗、教育、艺术创作等多领域有应用，如电子工程解析图纸，医疗辅助诊断等。

推动行业发展提升各行业工作效率，降低技术门槛，推动普惠AI发展，为人工智能合力研发奠定基础。大模型的基本使用方法

百度文心一言使用步骤在浏览器访问官网，注册登录百度账号，查看使用指南，输入包含文字、图片等的提示，可微调结果。

DeepSeek使用案例高职大一新生小李在DeepSeek官网注册登录后，提问职业生涯规划问题，进一步询问霍兰德测试，快速完成规划文档。

使用要点总结创建合适输入，准确描述需求使用较简单，也可用编程语言调用模型或在自有数据集上训练微调。04大模型与行业融合智能医疗

01应用背景肺癌严重威胁人类健康，早期发现和准确诊断对提高患者生存率至关重要。但传统肺癌诊断方法依赖医生经验，存在误诊和漏诊风险。

02技术实现某科研机构与医院合作，开发基于预训练大模型的肺癌诊断系统。该系统通过大量医学影像数据训练，学习肺癌病变特征和模式，具备高准确率诊断能力。

03具体应用影像分析可自动识别疑似病变区域并给出初步诊断意见；多模态数据融合结合病历和基因测序数据，提高诊断准确性；能根据患者情况制定个性化治疗方案，提升治疗效果并降低成本。

04应用成效该肺癌诊断系统临床应用成效显著，诊断准确率超90%，能为医生提供参考信息和治疗方案建议，提高工作效率和治疗水平。金融科技

应用方向大模型在金融科技领域可用于风险评估、反欺诈、智能投顾等，有效提升金融服务效率与质量，反欺诈是重要应用方向。

体系构建中信银行建立以客户为中心的零售业务链式反欺诈智能风控体系，完善风险决策内链，建立信息共享外链，构建风险处置协同链。

运行方式通过结合业务安全组件部署应用，跨渠道、跨业务感知客户操作风险；实时通报可疑交易并管控账户，实现多级联动处置。

应用成效自2021年5月至今，该体系累计保护客户302人，拦截资金6402万元，有效防范金融欺诈风险。智能制造设备预测性维护某化工企业采用故障预测模型及应用系统，对关键设备实时监控，提前发现安全隐患，防范事故发生。风力发电和电力企业也用此类系统降低设备故障率，提高发电和供电效率。供应链优化顺丰“丰知”物流决策大模型将大模型技术用于智能化分析、销量预测等决策领域，实现更精准预测和高效运输路径规划，降低运输成本和时间。应用影响大模型在智能制造中的应用，提高了设备运行的可靠性和供应链的效率，降低了生产成本，提升了制造业的整体竞争力。智慧城市

交通管理应用基于大模型的智能交通系统可预测交通流量、识别瓶颈、优化信号配时，通过实时监测和分析路口车流量和行人流量数据，自动调整信号灯时长，优化交通流量分配。

环境监测应用北京市“三监”大模型在环境监测中，构建多元数据感知体系，融合20多万个智能感知端设备数据；接入多源数据库和环保专业知识库，进行智能分析等功能；精准定位污染区域，流转线索至执法部门，提升治污效能。

应用成效大模型在智慧城市的应用，改善了城市交通状况，提高了环境质量，为居民提供了更加便捷、宜居的生活环境。05项目实践大模型工具应用01任务描述掌握至少一种国内大模型工具的基本操作，拍摄本页内容，上传图片到大模型，完成图像中文字识别的任务。02任务分析需选择并注册国内大模型平台，如百度文心；学习平台文档与教程掌握使用方法；准备输入数据上传并输入任务描述，如识别图片文字并总结内容；最后分析结果并优化输出。03任务实现步骤1：注册平台注册百度文心一言大模型平台。04任务实现步骤2：学习教程学习百度文心大模型平台教程。05任务实现步骤3：识别文字在文心一言输入框单击“图片”按钮上传图片，输入“识别该图像中的文字，并简要介绍相关内容”。06任务实现步骤4：查看结果查看数据识别结果及准确率，还可在手机应用市场下载“文心一言”App使用。大模型工具与专业融合实践

任务描述结合所学专业，探索大模型在专业领域的应用场景，设计并实施基于大模型的专业项目或解决方案。

任务分析调研需求确定应用方向；选择合适大模型工具；进行功能验证与性能评估；撰写项目报告总结经验与改进方向；

步骤1:注册平台注册DeepSeek大模型平台。

步骤2:输入数据输入数据，呈现自然语言理解与生成的输入和输出情况。

步骤3:调整策略根据大模型理解，调整专业领域问题研究与实施策略。06项目总结与汇报项目总结

大模型基本概念学习学习了大模型的定义与分类，如按处理数据类型分为语言、视觉、多模态大模型；了解其技术架构原理，采用深度神经网络；掌握训练方法及性能评估指标等。

大模型与行业融合案例了解大模型在智能医疗（肺癌诊断系统）、金融科技（中信银行反欺诈体系）、智能制造（顺丰物流决策模型）、智慧城市（北京“三监”大模型）等领域的应用案例。项目总结

国内大模型工具熟悉熟悉了百度文心、华为盘古、阿里云通义、腾讯混元、深度求索DeepSeek等国内大模型，知晓其特点，如百度文心知识增强、华为盘古参数量超100亿等。

项目实践操作技能通过项目实践，掌握了国内大模型工具的基本操作，如文心一言识别图像文字；学会结合专业探索大模型应用场景并设计解决方案。项目汇报要求

实践报告内容实践报告需包含项目名称、个人信息（姓名、学号）、小组名称，以及任务5.1大模型工具应用和任务5.2大模型与专业融合实践的案例简介、案例分析、收获体会与改进思考。

小组分工说明明确小组成员的职责分工，记录完成情况，由组长进行评价。