3主题一 专题三 认识生成式人工智能

认识生成式人工智能学习目标知识目标：掌握生成式人工智能的定义，理解生成式人工智能四大类模型方法，掌握其在健康服务领域的典型应用场景。技能目标：学会使用人工智能工具辅助临床决策，提高工作效率。素质目标：培养智慧健康服务应具备的信息素养，树立“人机协同”的医疗价值观。学习情境急诊室的“时间魔法”假设你是一名急诊科医生，深夜接诊一位胸痛患者。•传统诊断：手动查阅心电图、病历，耗时约10分钟•AI辅助：30秒内完成初步诊断并生成报告这种效率飞跃背后的“魔法”是如何实现的？

（图片来自于网络）一、生成式人工智能的定义生成式AI是具备内容创造能力的智能技术。核心：基于大模型自主学习与生成特征：超越传统预测，实现创造性输出价值：重塑人机协作与内容生产模式（图片来自于网络）判别式AIvs生成式AI判别式AI核心能力：判断和分类对输入的数据进行识别和分类，如语音识别、图像识别。生成式AI核心能力：创造内容具备内容生产能力，能生成全新的数据样本。二、生成式人工智能的模型（一）生成对抗网络(GAN)：通过博弈实现数据生成优化（二）变分自编码器(VAE)：基于概率的生成与降维技术（三）注意力变换模型（Transformer）：大语言模型(LLM)的核心基座（四）扩散模型(DiffusionModels)：高质量图像生成的主流技术（图片来自于网络）（一）生成对抗网络（GAN）核心机制：GAN由生成器和判别器两个神经网络组成。两者在对抗中共同进步，最终生成器可以生成以假乱真的数据。角色分工：生成器负责“伪造”数据，判别器负责“分辨真假”。通俗理解：就像两个高手在“造假”和“识假”中互相较劲。（图片来自于网络）（二）变分自编码器（VAE）核心思想：将数据压缩为“潜在空间”，再重建生成。生成能力：不仅复刻相似内容，还能探索新样本。通俗理解：智能的“压缩-解压”系统，支持创新生成。数据压缩与生成示意图（图片来自于网络）（三）注意力变换模型（Transformer）核心机制：不依赖于顺序处理，可以并行处理整个输入序列主要应用：专为NLP中的序列建模问题而设计，用于翻译、文本生成等任务通俗理解：像“智能翻译官”，能同时把握整句话含义，而不是逐字翻译（四）扩散模型（DiffusionModels）训练：给真实数据逐步加入噪声，直到变成“纯噪声”生成：从噪声中逐步去噪还原，最终生成新的数据通俗理解：像“逆向修复”过程（模糊→清晰），最终生成新的图像（图片来自于网络）三、生成式人工智能的应用场景生成式AI的核心应用领域健康服务：辅助诊疗与个性化健康管理内容创作：自动化生成文案、图像与视频智能客服：24小时多模态交互响应（一）实现“人机双医”的协作模式核心价值：生成式AI将医护人员从繁重的文书工作中解放出来，回归诊疗核心。典型场景：智能病历生成：AI实时记录医患对话，自动生成结构化病历，显著提升效率。医生与AI协作场景（图片来自于网络）（二）推动诊断从经验驱动转向数据智能驱动AI赋能医疗诊断的核心价值：辅助医学影像诊断，提升病灶识别精度多模态数据融合，打破单一诊断局限中医诊断智能化，实现客观化与标准化结果：让诊断更精准、更高效医学影像AI辅助诊断示意图（图片来自于网络）（三）为患者提供7×24小时的连续照护利用AI技术打破时空限制，提供全天候健康服务：智能预问诊与分诊，快速匹配医疗资源医院智能客服，即时响应患者咨询需求专业康复指导，助力患者居家恢复健康远程患者监测，实时掌握健康数据变化远程患者居家健康监测场景（图片来自于网络）应用场景案例：1.豆包：家庭医生慢病管理助手利用豆包进行慢病随访管理，支持语音记录、自动生成报告、智能设置提醒，提升随访效率。2.蚂蚁阿福：AI健康管家提供症状咨询、医疗报告解读、就医引导等服务，为用户提供便捷的日常健康支持。（四）提升服务质量和服务效率小结生成式人工智能(GenAI)定义能从大规模数据中学习、创造原创内容的技术，核心具备内容生产能力生成式人工智能四大类模型方法生成对