《人工智能通识实战教程》课件 项目2 建立人机协作新思维

项目2建立人机协作新思维

学习目标​（一）知识目标1.了解AI的核心能力边界，能区分AI擅长与不擅长的任务类型；2.掌握与AI有效沟通的提问原则，理解不同提问方式对AI回复质量的影响；3.理解职业场景中AI思维的三要素，熟悉推荐系统等典型AI应用的原理。（二）能力目标1.能通过对比测试、场景模拟，分析AI在创造性任务、专业咨询场景中的局限性；2.会运用提问优化技巧，将模糊问题转化为精准指令，提升AI回复的可用率；3.能结合具体职业场景，设计简单的AI应用方案，实现人机协作落地。（三）素质目标1.通过分析AI的能力边界，养成“理性看待AI、合理使用AI”的思维习惯，避免过度依赖或忽视AI价值；2.通过职业场景AI思维训练，具备“用AI提效、用人类决策把关”的协作意识，提升未来职场竞争力；3.通过优化AI提问与方案设计，培养“目标导向、逻辑拆解”的问题解决能力，适应智能时代工作模式。任务1明确AI的能力边界任务1明确AI的能力边界

任务描述​本任务需通过三类测试，全面认知AI的能力边界：一是AI与人类在创造性任务（诗歌创作）中的对比测试，分析AI在情感表达、意象深度上的局限；二是医疗咨询场景的压力测试，验证提问方式对AI专业回复质量的影响；三是文化深度理解测试，挖掘AI在传统文化知识维度的盲点。最终形成3份分析报告/指南，明确AI的适用场景与使用注意事项。任务1明确AI的能力边界相关知识一、AI的核心工作逻辑AI与传统计算机程序的本质区别，在于其“数据驱动而非规则驱动”。传统编程中，人类需输入明确规则（如“若A则B”），计算机仅能按固定逻辑执行；而AI通过大量数据学习规律，自主分析、总结并推理最优解，模拟人类“基于经验调整行为”的学习过程。这种灵活性让AI能处理复杂、动态的任务，但也决定了其能力受数据质量与场景适配度的限制——例如在办公场景中，AI可自动处理数据录入却无法替代人类进行战略决策。任务1明确AI的能力边界相关知识二、AI的优势领域1.重复性、高风险工作替代2.专业领域效率提升三、AI的核心局限性1.情感与创造力缺失2.常识推理与模糊场景适配不足任务1明确AI的能力边界任务实施一、AI能力对比测试（创造性任务）二、医疗诊断场景压力测试（专业咨询）三、文化理解深度测试（知识解读）任务1明确AI的能力边界任务评价任务拓展一、场景延伸：教育场景的AI能力验证二、风险规避：AI使用的核心“不依赖”原则任务2掌握AI沟通的提问原则

任务2掌握AI沟通的提问原则任务描述​本任务围绕“AI提问优化”展开，通过三类实战训练提升与AI的沟通效率：一是“低效-高效”问题改写训练，掌握“清晰化、具体化”的提问技巧；二是跨领域结构化提问训练，学习“逐层追问、细化需求”的逻辑；三是迭代提问训练，理解“根据AI回复补充条件”的动态优化方法。最终形成《提问优化对照表》《结构化提问记录》等成果，建立标准化的AI提问思维。任务2掌握AI沟通的提问原则相关知识一、AI提问的核心原则1.清晰明确：避免模糊歧义AI对模糊指令的解读能力有限，提问需明确“主体、场景、需求类型”三要素。任务2掌握AI沟通的提问原则相关知识一、AI提问的核心原则2.简明扼要：避免冗长冗余AI更易捕捉简洁指令中的核心信息，需剔除无关描述，简化句子结构任务2掌握AI沟通的提问原则相关知识一、AI提问的核心原则3.结构化：拆分复杂需求、动态迭代（1）拆分复杂问题：若需求涉及多维度（如“区块链技术+物流应用”），可拆分为“基础概念→领域应用→具体案例”的逐层提问，避免一次性输入复杂指令；（2）动态迭代优化：若AI回复不符合预期，需根据回复补充条件（如AI仅解释区块链概念，可补充提问“举例说明区块链在物流溯源中的落地案例”），逐步缩小需求范围。任务2掌握AI沟通的提问原则相关知识二、提问质量对AI回复的影响低质量提问（模糊、冗长、无结构）会导致AI回复“笼统、偏离需求、信息缺失”；而高质量提问可使AI回复的精准度提升60%以上，减少反复沟通成本，这也是企业建立“AI提问模板库”的核心原因。任务2掌握AI沟通的提问原则任务实施一、提问优化实战训练二、跨领域结构化提问训练三、迭代提问训练任务2掌握AI沟通的提问原则任务评价任务拓展一、场景应用：职场汇报的AI提问实践二、技巧固化：个人提问模板库搭建任务3培养职业场景中的AI思维任务3培养职业场景中的AI思维任务描述​本任务以“职业场景落地”为核心，通过三个实战项目培养AI思维：一是智能营销文案项目，用AI分析竞品卖点、生成短视频文案与海报，理解“数据支撑创意”的逻辑；二是智能招聘系统设计项目，用AI搭建简历筛选流程并加入防歧视机制，掌握“算法适配业务需求”的方法；三是智能产品设计项目，用AI挖掘用户痛点、生成产品方案与成本评估，建立“人机协同优化方案”的思维。最终形成可落地的AI应用方案，实现AI思维与职业场景的结合。任务3培养职业场景中的AI思维相关知识一、职业AI思维的三要素1.数据意识在职业场景中，培养AI思维有助于更好地利用人工智能提升工作效率与质量。AI思维首先体现在数据意识上，需认识到“数据是AI的基础”：（1）数据收集：主动收集与业务相关的数据；（2）数据整理：将分散数据按“结构化形式”分类（如表格、清单）；（3）数据价值：从数据中发现问题与机会。任务3培养职业场景中的AI思维相关知识一、职业AI思维的三要素2.算法思维要具备算法思维，理解AI背后的算法逻辑，能够根据业务需求选择合适的AI工具和技术方案：（1）算法适配：不同任务匹配不同算法；（2）工具选择：基于算法逻辑选工具；（3）效果预判：根据算法局限预判AI输出。任务3培养职业场景中的AI思维相关知识一、职业AI思维的三要素3.人机协作框架保持对AI技术发展的敏感度，持续学习更新知识，主动探索AI在自身职业领域的创新应用，明确“人类与AI的分工边界”：（1）AI擅长领域：重复性任务、数据密集型任务、标准化流程；（2）人类擅长领域：战略决策、情感判断、创新优化；（3）协作模式：“AI处理基础环节→人类优化核心环节”，例如AI生成3版营销文案后，人类结合品牌调性筛选并修改细节，提升工作效率的同时保证质量。任务3培养职业场景中的AI思维相关知识二、职业场景中典型AI应用的原理解析为什么刷抖音越来越上瘾？为什么淘宝会给我推荐刚好想买的东西？为什么网易云音乐推荐的歌基本都会觉得好听？因为它们背后都有一个叫做推荐系统的东西。顾名思义，推荐系统就是把用户可能喜欢的内容从海量备选物品中筛选出来推荐的智能系统，其核心是“精准匹配用户需求与内容特征”，原理主要包括以下三点：1.协同过滤：“喜欢A商品的人也喜欢B”2