大叔自由人
高职院校人工智能应用通识课（大语言模型应用导向）
随手记

高职院校人工智能应用通识课（大语言模型应用导向）

· 更新于 2024.12.15

最近要与某院校合作开AI通识课，做了个大纲。

课程名称：人工智能应用基础（大语言模型导向）
课程代码：AI101
学时数：32 学时
学分数：2 学分
授课对象：全校各专业学生 (零基础)
先修课程：无

一、课程目标

  • 消除恐惧：建立对人工智能的正确认知，消除对 AI 技术的神秘感和恐惧感。

  • 工具使用：掌握常用 AI 工具和平台的基本操作，能够利用这些工具辅助完成简单的任务，尤其关注大语言模型相关的工具。

  • 案例理解：通过分析实际案例，理解 AI 在不同场景下的应用，培养 AI 思维。

  • 跨学科思考：初步探索 AI 与自身专业的结合点，拓展视野，提升职业竞争力。

  • 伦理意识：了解人工智能的基本伦理问题，培养负责任的 AI 使用态度。

  • 理解原理：初步了解大语言模型的基本原理，理解其工作机制。

  • 掌握技巧：学习并掌握提示词工程的技巧，能够有效地与大语言模型进行交互。

  • 提升稳定性：了解影响大语言模型输出稳定性的因素，并学习一些提高稳定性的策略。

二、教学计划

周次教学内容教学方法课时备注
1人工智能入门：什么是 AI？讲授、视频、互动讨论2
2AI 的应用场景：AI 在生活中的应用案例展示、小组讨论2新增大语言模型应用案例，例如：聊天机器人、写作助手
3大语言模型初探：什么是大语言模型？讲授、演示2用通俗易懂的语言解释
4-5提示词工程基础：如何与 AI 沟通？演示、实践、分组练习4明确指令、提供上下文、设定输出格式
6-7提示词工程进阶：优化提示词演示、实践、案例分析4迭代优化提示词, 提高输出质量
8-9提高输出稳定性：如何控制 AI 的“脑洞”？讲授、讨论、实践练习4影响输出稳定性的因素和策略
10-11AI 工具软件：大语言模型相关工具和平台演示、实践、小组作业4例如：ChatGPT, 文心一言,通义千问等
12-13案例分析：大语言模型在不同行业的应用案例分析、小组讨论、角色扮演4
14-15AI 与我的专业：结合大语言模型，头脑风暴引导式讨论、小组汇报4
16AI 伦理与未来：大语言模型带来的机遇和挑战小组辩论、开放式讨论2

三、教学大纲

模块一：人工智能入门 (2 学时)

  • 1.1 什么是人工智能：类比解释、举例说明、核心概念。

  • 1.2 人工智能的发展历程：早期阶段、机器学习时代、深度学习时代。

  • 1.3 人工智能的分类：弱人工智能、强人工智能、超人工智能。

  • 1.4 人工智能的研究领域：计算机视觉、自然语言处理、机器学习、机器人学等。

模块二：AI 的应用场景 (2 学时)

  • 2.1 AI 在生活中的应用：智能手机、推荐系统、导航软件等。

  • 2.2 AI 在各行业的应用：

    • 传统行业应用案例：

      • 医疗诊断： 医学影像分析（例如：识别 X 光片中的病灶）、辅助诊断（例如：根据患者症状提供初步诊断建议）、药物研发（例如：利用 AI 预测药物疗效）。

      • 金融风控： 信用评估（例如：根据用户的信用记录评估其信用等级）、风险预测（例如：预测股票市场波动）、反欺诈（例如：识别信用卡盗刷行为）。

      • 自动驾驶： 环境感知（例如：识别道路、车辆、行人等）、路径规划（例如：规划最佳行驶路线）、车辆控制（例如：控制车辆加速、减速、转向等）。

      • 智能制造： 产品缺陷检测（例如：使用机器视觉技术识别产品表面的缺陷）、预测性维护（例如：根据设备运行数据预测设备何时需要维护）、生产优化（例如：优化生产流程，提高生产效率）。

    • 贴近日常生活和工作的应用案例：

      • 电商/零售： 个性化推荐、智能客服、库存管理。

      • 娱乐/媒体： 短视频推荐、AI 生成音乐/图像、游戏 AI。

      • 办公自动化： 智能文档处理、邮件过滤、会议记录。

      • 客户服务/营销： 精准营销、客户关系管理 (CRM)。

      • 教育： 个性化学习、自动批改作业、在线教育平台。

  • 2.3 大语言模型的应用：聊天机器人、写作助手、代码生成、翻译、语音合成等。

模块三：大语言模型初探 (2 学时)

  • 3.1 什么是大语言模型 (LLM)：类比解释、核心概念。

  • 3.2 大语言模型如何工作：输入处理、模型预测、输出生成。

  • 3.3 大语言模型的能力和局限性：优势、局限性。

模块四：提示词工程基础 & 进阶 (8 学时)

  • 4.1 什么是提示词工程：定义、重要性。

  • 4.2 提示词工程基本技巧：明确指令、提供上下文、设定输出格式，并提供示例。

  • 4.3 提示词工程进阶技巧：Few-shot learning、Chain-of-thought prompting、迭代优化，并提供示例。

  • 4.4 实践练习：不同类型的提示词练习、提示词修改和优化练习。

模块五：提高输出稳定性 (4 学时)

  • 5.1 影响输出稳定性的因素：提示词的清晰度、模型的训练数据、随机性、温度参数等。

  • 5.2 提高稳定性的策略：使用更明确的提示词、提供更丰富的上下文、控制随机性、调整温度参数。

  • 5.3 实践练习：温度参数调整练习、多次生成结果并比较。

模块六：AI 工具软件：大语言模型相关工具和平台 (4 学时)

  • 6.1 百度文心一言。

  • 6.2 讯飞星火认知大模型

  • 6.3 阿里云通义千问

  • 6.4 其他国内 LLM 平台和工具 (拓展)：

  • 6.5 Dify.AI 及其类似平台：构建你自己的 AI 应用 (实践导向)

  • 6.6 大语言模型的 API 调用 (选学，对于有编程基础的学生)：
    对于有一定编程基础的学生，可以简单介绍如何通过 API 调用大语言模型，并进行一些简单的编程练习，以加深他们对大语言模型的理解。 选择 Python 作为教学语言，并提供一些代码示例和练习题。

模块七：案例分析：大语言模型在不同行业的应用 (4 学时)

  • 7.1 案例选择：选择来自不同行业和领域的 LLM 应用案例。

  • 7.2 案例分析方法：引导学生从用户需求、技术实现、商业模式、伦理影响等多个维度分析案例。

  • 7.3 案例讨论：小组讨论，分享见解，并进行总结和提升。

模块八：AI 与我的专业：结合大语言模型，头脑风暴 (4 学时)

  • 8.1 头脑风暴：引导学生思考 LLM 如何与自身专业结合。

  • 8.2 小组讨论：分享想法，并进行总结和提炼。

  • 8.3 方案设计：设计一个简单的 AI 应用方案，并进行汇报和展示。

模块九：AI 伦理与未来：大语言模型带来的机遇和挑战 (2 学时)

  • 9.1 AI 的潜在风险和挑战：数据隐私、算法歧视、就业冲击、虚假信息等。

  • 9.2 AI 伦理原则：公平性、透明性、责任性、可解释性等。

  • 9.3 AI 的未来发展：引导学生思考 AI 的未来发展方向，以及如何负责任地发展和应用 AI 技术。

  • 9.4 AI 会不会超越人类：引导思考 讨论的重点不在于得出结论，而在于引导学生思考 AI 与人类的关系，以及如何负责任地发展和应用 AI 技术

四、考核方式

  • 平时成绩 (40%): 课堂参与、作业完成情况、实践操作

  • 案例分析报告 (30%): 对指定案例进行分析，撰写报告

  • AI 应用创意方案 (30%): 结合自身专业和对大语言模型的理解，提出一个 AI 应用创意方案

五、教材及参考书目

  • (根据所选工具平台和案例自行选择合适的教材和参考书目，并推荐一些 AI 入门书籍和科普文章)

六、教学资源

  • 计算机教室、网络环境

  • AI 工具平台账号

  • 相关软件和数据集

  • 在线学习平台