大模型时代的AI教育_思考与实践（36页 PPT）

微信扫码，打开到小程序

大模型时代的 AI 教育：思考与实 践 肖睿 xiaorui@pku.edu.cn 30 分钟和大家分享的内容： • 01 ：对 AI 技术的认知 • 02 ：对 AI 教育的思考 • 03 ：我们的 AI 教育实践 VUCA 时代， AI 技术日新月异，所有的认知、思考、实践都在迭代 中 …… 主要内容 01 对 AI 技术的认知 n AI 是一种工具，也是一种赋能，更是一种思考范式。 n 我们从三个角度来认知 AI 技术： • 人工智能的本质 • 大模型的能力边界 • 通向 AGI 之路 01 对 AI 技术的认知：人工智能的本质 智能（ Intelligence ）：以模型为核心，是对真实世界的模拟和解释 • 用语言逻辑方法获取理论模型：模糊 • 用解析数学方法获取数学模型：精确 • 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数 人类智能 • 抽象（语言）：概念，数字，理 念 • 逻辑（理性）：归纳，演绎，类 比 • 计算（模型）：科学方法 • 基于观测经验，发现规律 • MIT ：一切问题都是模型问题 • 模型： 一个映射， 一个函数 科学范式 ◼ 从规则到数据：逐步破除我执（去人类中心主 义） 1. 第一代（规则系统）： 推理为核心 2. 第二代（知识工程）： 知识为核心 3. 第三代（数据模型）：学习为核心 ◼ 从机 器学习到深度学习 1. 任务：判别、预测，通过学习数据分布规律 2. 边界：有规律、可以数字化，属于经验科学 3. 要素：机器学习 - 深度学习 • 模型：神经网络模型（分层；单向） • 策略：损失函数定义 01 对 AI 技术的认知：人工智能的本质 人工智能（ ArtificiaI Intelligence ）：第三代，核心是数据智能，以史为鉴 n 从感知智能到认知智能 1. 专用任务模型： NLP 、 CV 、 Gaming…… 2. 通用任务模型： AIGC • Diffusion 、 transformer ◼ 从 NLU+NLG 到 LLM （大语言模型） 1. 语言逻辑和数据集蕴含了人类的认知智能 2. LLM 是人类的认知智能的实现方式之一 3. LLM 的原理很简单；工程很复杂；效果很神奇 3. 推理能力（涌现）：一般需要 10B 以上， GPT-3 时达 到 • 模仿学习：代码中蕴涵、文字中蕴含 • 提示能力： ICL • 思考能力： CoT ReACT ， Agent O1 的最新进展（ GPT-1 时刻）：表现是慢思考；本质是合成数 据 有些是产品能力，不是模型本身的能力： RAG Function Call 1. 语言能力： 一本正经地说话，语言顺畅， GPT 时达 到 • NLG+NLU ：语言理解、语言表达（包括温度和情商） • 人类语言、代码语言、 XX 语言 2. 知识能力：海量公开知识，言之有物， GPT-2 时达 到 • 顺带学习（基座模型）：文字中蕴含了知识 • 压缩：幻觉 • 遗忘：微调（迁移学习），尤其是 RLHF 用人工神经网络获取网络模型：深度学习 -Transformer 模型 - 大语言模 型 大语言模型的核心原理：数据化 - 语义化 -NTP （ Next Token Prediction ） 大语言模型的三层能力：语言能力 - 知识能力 - 推理能力 01 对 AI 技术的认知：大模型的能力边 界 nLLM 的三个能力的应用：选型标准 1. 语言处理场景：语言能力 • 文字处理：翻译、摘要、判别、生成等 • 人机界面：指令、信息、 prompt 2. 知识助手场景：语言能力 + 知识能力 • 知识压缩、知识提取、知识组织 • 智能问答 3. 任务执行场景：语言能力 + 知识能力 + 逻辑能力 • 任务分解、任务执行 • 操作外部工具或软件接口 • Agent n 三种应用类型 1. 模型增强： FT ； MaaS ；产品包装 （ ChatGPT ） 2. AI 赋能：用 AI 提高原有流程和工具的效率 3. AI 原生：新场景、新需求、新应用 n 三种技术 1. 闭卷考试： RAG 2. 开卷考试： FT 3. 引导能力： Prompt 工程 01 对 AI 技术的认知：大模型的能力边 界 基于 LLM 的三层能力做产品：锤子和钉 子 n 四条道路 1 、数据智能： LLM 取得了突破，最被看好 • 概率模型，机器学习（统计学习方法）、数据模型、计算数学 2 、学习人脑：当前遇到挑战，可能会成为道路 1 的一部分 • 抽象模型：杨立昆的世界模型 + 功能分区 • 类脑计算：意识研究、认识论（哲学物理学）、认知神经科学 包括生物计算，不排斥数据科学方法（ mortal computation ） 3 、具身智能：刚起步，研究热点，可能会成为道路 1 的未来 • 强化学习，环境交互，自我进化 4 、集群智能：持续研究，给道路 3 以启发 • 生命智能，混沌理论：细胞、生态、鸟群 n 两个阶段：特定任务到泛化任务 • 弱人工智能：可以完成训练过的特定的智能任务，特定 • 强人工智能：可以完成没有训练过的新智能任务，通用 n 三个能力 • 感知智能：知识表达 • 认知智能：知识处理 • 行动智能：环境交互 对 AI 技术的认知：通向 AGI 之 路 通用人工智能（ AGI ）：泛化任务、自主学习、自主行 动 01 AGI 实现后的问题与挑战 n 科学问题 n 哲学问题 • AGI 工作机制的可解释性：不可解释就不可信吗 • 两种科学：以人为主的科学，以 AGI 为主的科学（人可能不能理解） n 社会问题 人类有统一的目标吗：族群、国家、阶级等等 • 工作替代、角色分工：人的新定位（问题洞察能力、结果鉴别能力） • 认知融合：人与动物的不同始于认知革命 • 新的人机接口：人类自然语言（ javis ），重做一次应用 人人融合：所有人类的智慧可以融合，个人可以利用所有人类的智慧 人机融合：人无缝融合于机器，彻底融合物理、心理、数字三个世界 • 知识平权：知识分子的优势丧失；科学范式的变化 人的本质和人的异化：人的权利、 AI 的权利 文本时代结束：文本不再是知识的唯一载体和工具 • 人在回路，人和机器的互相驯化 知识不再代表智能：公开的知识不再有价值，个人数据 + 三观过滤更有价值 无法使用 AI 的人类个体被淘汰，镜子理论 • 法律责任：自动驾驶 无法融合人类的 AI 个体被淘汰 n 思想问题： AIGC • 信息茧房、信息幻象、 DIK 生成 • AGI 产生了自己的目标怎么办？意识呢？ 人类有明确的目标吗：功利主义（火车 道难题） 对 AI 技术的认知：通向 AGI 之 路 01 30 分钟和大家分享的内容： • 01 ：对 AI 技术的认知 • 02 ：对 AI 教育的思考 • 03 ：我们的 AI 教育实践 VUCA 时代， AI 技术日新月异，所有的认知、思考、实践都在迭代 中 …… 主要内容 本报告来源于三个皮匠报告站（ www.sgpjbg.com） , 由用户 Id:529794 下载 , 文档 Id:179018, 下载日 n AI 教育是指 AI 人才的培养，也是指 AI 对教育的影 响 n 我们从三个角度来思考 AI 教育： • AI 重塑就业岗位和组织结构 • 如何培养 AI 专业人才和 AI 赋能人才 • AI 如何赋能教育 02 对 AI 教育的思 考 第一届人工智能教育大会 （ 2019 ） n 从职业角度来看，人工智能将带来三类影响 1. 替代少部分基础岗位 • 一些简单的重复性、模板化、“照本宣科式”的智力劳动可能会被替代，例如：基础客户服务、简单文秘、甚至一些翻译工作 2. 革新大部分岗位的职业技能 • 程序员、数据分析师、广告文案、内容编辑、医生、律师等 普遍借助 AI 辅助工作，提高工作效率和质量，同时改变阅读和学习习惯。 • 原画、平面设计、商业摄影、短视频、广告、动画、电影等创意行业 基于大语言模型 ( 大语言模型 ) 和 AI 生成内容 (AIGC) 工具，工作流程已经发生根本性变革，实现效率 和创意质量的双重提升 3. 创造新职业 • 提示词工程师、大模型数据工程师、大模型应用开发工程师、 AI 架构师等 • AIGC 设计师、 AI 产品经理、 AI 游戏策划、 AI 安全专家、 AI 伦理与法规专家 n 从组织结构和工作流程角度来看，人数很少的公司可能做出影响世界的产品 1. 从人机协作（ AI 作为 Copilot ） 2. Agent 数字员工和人类员工共同工作 3. 以 AI Agent 为主、人工为辅 02 对 AI 教育的思考： AI 重塑就业岗位和组织 结构 n 人工智能专业 n 大专：编程基础 | 数据处理 | 模型训练 | 算法应用 | 工具使用 本科：基础知识掌握 | 编程能力 | 算法理解 | 实践应用 | 跨学科意 识 硕士：专业深化 | 研究方法 | 创新能力 | 工程实践 | 领域专精 博士：原创研究 | 理论突破 | 学术前沿 | 独立科研 | 行业引领 n AI+ 学科 各学科（非人工智能专业）与人工智能的深度融合的课程 n AI 通识教育 面向院校所有学生、教师和教职工 基础概念 | 技术认知 | 伦理思考 | 社会影响 | 应用场景 | 未来趋势 n 培养什么人 1. 思维能力：批判思维、独立思维、逻辑思维 2. 学习能力：终身学习，善用 AI 3. 热爱人类 n 如何培养人 1. 赋能：个性化学习，学本教育，因人育材，未来学校 学习的定位是一种思维训练，知识、写作、记忆力等只 是训练工具 终身学习的方式可能从知识搜索转向了古老的对话式学 习 2. 让人学会与 AI 共舞，尤其是生成式 AI 将成为人的必备技能 02 对 AI 教育的思考：如何培养 AI 专业人才和 AI 赋能 人才 n 应对措施 1. 加强信息安全 • 建立安全分类框架，制定安全保护政策，进行安全培训 2. 警惕 AI 的幻觉和偏见 • 技术层面：代码，算法，数据，提示词 • 思维层面：理解原理，鼓励批判性思维 3. 为教与学提供具体的指导 • 教师：教学培训，交流和社区， AI 教学助手 • 学生： AI 素养，个性化学习路径， AI 助教 4. 进行短期和长期的影响评估 • 评估，优化，迭代 5. 促进技术公平使用 • 推动均衡发展，缩小数字鸿沟，建立包容文化 n 方式 1. AI 赋能学习 • 个性化学习系统 • 智能 AI 助教 • AI 驱动的内容生成 2. AI 赋能教学 • 智能教学助手 • 智能课堂管理系统 • 课程内容优化 • 数据驱动的教学决策和协作教学支持 3. AI 赋能评价 • 基于生成式 AI 的多元评价系统 • 数据驱动决策 n 挑战和风险 1. 法律、隐私与信息安全 2. 伦理与学术诚信 3. 教育质量与学生发展 4. 教师角色与职业转型 5. 教育公平与数字鸿沟 6. 组织转型与系统适应 02 对 AI 教育的思考： AI 如何赋能教 育 30 分钟和大家分享的内容： • 01 ：对 AI 技术的认知 • 02 ：对 AI 教育的思考 • 03 ：我们的 AI 教育实践 VUCA 时代， AI 技术日新月异，所有的认知、思考、实践都在迭代 中 …… 主要内容 • 智能分发多模型开放平台 • 大模型训练服务 • 数据工程服务，建设模型训练的知识库、数据 集 • 私有化部署服务 • 智能录课 • 智能助教 • 青鸟人工智能实验室 • 智能学习平台 • 青鸟教育大模型 • 人工智能技术课程体系 • 等等 …… • 技术选型与数据验证 • 经过 300+ 技术选型 • 经过 2000+ 验证试验 • 经过 200000+ 的数据论证 • 经过 30+ 开 / 闭源模型评测 • 经过 5000+Prompt 的验证组合落地 • 经过 100+Function calling • 多种 RAG 框架论证 • 多种 Vector DB 验证 • 开展以基于学习科学的职业教育人工智能大模型建 设 • 结合大模型工程化实践的系列论文规划与发表 • AI 领域顶级会议论文发表 • 开源高质量的 Python 中文数据集，提高贡献度 03 我们的 AI 教育实 践 • 用于录制课程、短视频等 • 可以参照真人快速生成数字 人形象， 智能 匹配 口型和手 势 • 可以训练 真人 的声音 ，调整个性化音色 • 可以根据课件图片自动生成讲解 文稿 ，并 辅助教师进行 文稿优化 • 可以根据文稿自动生成授课 语音 并合成授 课视频， 自动根据 语义增加 语气 词等 03 我们的 AI 教育实践：智能录 课 • 用于 7X24 的学习陪伴 • 通过人工智能、计算机图形学、动作捕捉技术等手段创建出来的虚拟角色 • 通过 RAG 和青鸟大模型提供针对特定课程的有温度、启发式的答疑和陪伴服务 03 我们的 AI 教育实践：智能助 教 人工智能专业（群）建设 • 人才培养方案优化 • 实训设备建设 • 实训项目建设 • 教学资源库建设 • 教学数字化 • 学情数据诊断 • 教师队伍建设 科研创新 • AI 实验室建设 • 专业垂类大模型训 练 • AI 技能大赛 • 教学创新大赛 • AI 相关课题转化 • AI+ 学科教材共研 • AI 领域科研论文 人工智能通识课 • 人工智能通识课建设 • 实验设备、系统搭 建 • AI+ 学科交叉融合 • AIGC 课程建设 • AIGC 技能大赛 03 我们的 AI 教育实践：青鸟 AI 实验 室 解决学校的三大需求 科研 创新平台 NovaAI 开放平台 算力基础设施 高校科研创新实验平台 人工智能通识课实验平台 解决学校的三大需求 的方案 03 我们的 AI 教育实践：青鸟 AI 实验 室 人工智能专业（群）建设 七类主要产品和服务 课程 实训平台 教学资源库 教学平台 教研平台 模型训推 自然语言 图像处理 语言识别 文字识别 深度学习 动态监控 资源监控 集群监控 全景大屏 状态信息 资源使用 任务运行 管理功能：任务、资源、 镜像、存储、数据、 用户、运维 PY Torch 动态拓展、镜像存储、 隔离策略、高可用、 单机多卡、多机多卡 ⃞ku berne tes • 轻运维设计 • 开箱即用，动态资源分配，可视 化算力调整 • 可扩展，企业级安全加密 计算节点 管理节点 存储节点 网络节点 硬件层 操作系统： Centos/ Ubuntu 分布式 / 并行文件系统 GPTJ-6B LLAMA2-7B ChatGLM3-6B BLOOM-7B QWEN-14B LLAMA2-70B AI 实验室算力基础设 施 系统 层 容器层 应用 层 监控层 业务 层 开放 API ： 1.RAG 问答服务、意图识别服务、问题推荐服务、定制学习策略、学习引导服务、搜索增强服务、文字向量化服务、 TTS 语音服务、图片理解服务 2. 可基于 API 开发学校自主应用、大赛赛题、横向课题 定制化模型训练： 1. 训练学科领域的垂类大模型 2. 基于青鸟教育大模型训练高校自有模型 各院校可以基于自身数据进行 LoRA 模型的定制化训练，精准适配科研 课题及教学需求。院校能够构建个 性化的智能解决方案，提升研究与 教学的针对性与效果。 借助先进的多模态技术，用户通过 文字，图片、语音等进行深度交互， 迅速提炼关键知识点。适配多元化 学习需求，汇聚业界精英教师与学 习同伴，共同打造高效、便捷的学 习新体验。 能够根据讲师的具体教学场景，生 成量身定制的教案、课件及试题， 精准对接教学目标。大幅提升教学 准备效率，助力讲师更好地达成教 学效果。 青鸟教育大模型：依托青鸟 30 年教法数据、学习数据训练而成，拥有庞大且精准的知识能 力 学习伙伴 教学赋能 千校千面 NovaAI 开放平 台 大模型指令实训系统 • P rompt 实 验 与 验 证 ； P rompt 模 板 案 例 学 习 ； • 交互引导指令 ；意 图 识 别 指 令 ； • 情感分析指令 ； P rompt 的 迭 代 优 化 课程实训平台 1 大模型应用开发实训系统 • A PI 调用练习 、 竞 赛 赛 题 训 练 • 计 算 机 视 觉 技 能 训 练 、 自 然 语 言 处 理 技 能 训 练 、 A PI 文 档 学 习 与 实 践 • 错 误 处 理 与 调 试 、 安 全 性 与