主要内容 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…… 01 对AI技术的认知  AI是一种工具，也是一种赋能，更是一种思考范式。  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 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 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 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 ◼ 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

建设困境以及业务系 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、 决策支持的应急大脑，从而实现整体业务系统智能化水平从感知智能到认知智能的提升。 关键词 大语言模型，智慧应急，知识管理，应急大脑 引用格式 龚晶，黄欢. 基于大语言模型技术的智慧应急应用：知识管理与应急大脑 [J]. 指挥与控制学报，2025，11（2）：217-224 abili⁃ ties）[5]，不仅能够理解和生成自然语言，还具有抽象 和推理的能力[6]，能在艺术创作、代码编写、科学研 究等多个领域展现出类似人类水平的创造力。这些 能力的涌现，使得知识创新不再受限于个体的认知 和经验，能够打破学科和专业的壁垒，加速知识的 融合和创新，预示着知识生产方式正在经历一场深 刻的变革，将引领我们进入了一个人机协作的知识 生产新模式 [7-8]。 1.1 知识获取 1.1.1 杂的、模糊的问题。 1.1.2 主动学习 与传统结构化的知识获取方式相比，大模型采 用自监督学习方法，主动捕捉训练文本中更深层次 的特征和规律，而非在预设知识结构下的信息抽 取[11]，从而具有突破已有认知局限实现创新的潜能。 1.1.3 数值计算过程 模型通过优化其预测下一个单词（如 GPT）或填 充缺失单词（如 BERT）的能力，来调整多层神经网络 模型的内部大量神经元连接权重参数，实现对知识

《DeepSeek 零基础完全指南》 公众号“AI 跃迁派”出品 一、DeepSeek 全景认知 1.颠覆性定义：人人都能用的认知引擎 DeepSeek（深度求索）是中国首个全栈开源的大语言模型，由杭州深度求索人工智能 公司研发，定位为“认知智能引擎”。简单来说，它是一个能像人类一样思考、学习和解 决问题的超级 AI 工具。 核心能力： ⚫ 复杂推理：像学霸解数学题一样处理逻辑难题（R1 转型路径：建立“人机协作绩效评估体系”，重构岗位价值标准 ③认知依赖 ⚫ 思维退化：调查显示过度依赖 AI 导致 25%用户独立思考能力下降 ⚫ 应对策略：中小学增设“批判性使用 AI”课程，培养元认知能力 5.未来展望：AI 原生时代的生存法则 DeepSeek 预示的不仅是工具革新，更是认知革命的序幕： ①能力坐标系重构 核心能力： ⚫ 跨域整合（将 语音助手实现畜牧疾病远程诊断，死亡率降低 62% 六、未来图景与人类共生 1.技术进化：从工具到伙伴的范式跃迁 DeepSeek 的持续迭代正在重新定义人机关系，其技术发展呈现三大趋势： ①认知协作革命 ⚫ 智能增强：通过脑机接口技术，用户可直接用思维操控 DeepSeek 生成方案，写 作效率提升 10 倍 ⚫ 记忆外延：个人知识库与 AI 记忆网络深度融合，实现“瞬间调取

金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积累吸收高质量业务数据、深化垂直场景认知，并通过迭代形成“数据 - 模型 - 业务”的正向 循 环，不断提升金融服务水平。 围绕金融五篇大文章，大模型本身即是数字金融的工具，而科技金融、养老金融、普惠金融、绿色金融恰是应用场景。 人机协同的本质是认知能力再分配，并非效率叠加，人类与 AI 认为的“困难”各不相同 ; 结论 5 :“ 电力 + 算力 + 数据”是大模型本身的关键，但对于金融应用不断动态沉淀下来的数据和模式创新才是核心胜负手 ; 结论 6 : 智能客服的价值不只是 24 小时在线及拟人化的服务，而在于比客户早半步看见需求 ; 结论 7 : 理解业务与理解技术同样重要 :AI 是认知杠杆，不是流程替 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积累吸收高质量业务数据、深化垂直场景认知，并通过迭代形成“数据 - 模型 - 业务”的正向 循 环，不断提升金融服务水平。 围绕金融五篇大文章，大模型本身即是数字金融的工具，而科技金融、养老金融、普惠金融、绿色金融恰是应用场景。

兄弟姐妹：影响教育一致性（如代际观念冲突） 。 2. 系统目标 长期目标 独立人格 、社会适应力 、终身学习（如培养责任感） 。 短期目标 解决具体问题：行为矫正（如拖延症） 、学业支持。 分领域目标 价值观（诚信） 、认知发展（逻辑思维） 、生活技能（自理） 、身心健康（情绪管理） 。 3. 系统内容 显性教育 学科辅导 、技能训练（编程 / 乐器） 、规则制定（作息时间） 。 隐性教育 家庭文化（餐桌礼仪） 、情感联结（亲子共读） 20% 内容强制原创 3. 期望过高 母亲看到虚拟实验室使物理实操考核 满分， 要求孩子两个月内从班级中等 跃升至年级前 10 ， 每天强制进行 2 小 时 AI 强化训练 超出认知发展规律的压力导致孩子产生 厌学情绪， 实验报告出现故意输错数据 的反抗行为 l 结合 AI 生成的能力雷达图设定 阶梯目标 l 采用 "70%A I 训练 +30% Ø AI 可以提供高质量的学习资源， 引 导学习者深入研究特定领域 ，提高 其创新能力 、批判性思维和解决问 题的能力。 ④ 超 能 到 异 能 拓展认知边界与创新思维模式 Ø 通过拓展认知边界和创新思维模式， 帮助学习者从超高能力状态发展 到 异能状态。 Ø AI 可以协助学习者挖掘潜在的认 知 能力，开发出前所未有的思维方 式， 以应对未来社会的挑战和变革。

北京信息科学与技术国家研究中心主任 脑与认知科学研究院院长 《智能世界 2035》较系统地勾勒了未来十年智能技术演进与社会形态重塑的宏伟蓝图，视野开 阔、分析深入。值此研究报告发布之际，我愿从复杂系统与智能演进的内在逻辑出发，谈几点思考。 智能的本质，并非仅仅是数据模式的识别与归纳，更在于其对物理世界的理解、互动与重塑能 力，因为对物理世界已有的认知汇聚了人类的重要的知识和智慧。《智能世界 形成的必由之路”。当前基于大模型的人工智能在感知和 生成上取得了重大成就，但其认知模式仍困于基于多重线性统计关联的框架内，因此，普遍认为它 仍缺乏对复杂物理现象以及因果关系的深层次抽象与推理的能力。真正的突破或将源于一种使数据 空间和物理空间深度融合的超越现有范式的新架构，这个新架构应能够将数理原理或知识内嵌到数 据空间中，使其能完整准确认知数据系统中的复杂性，这是我们研究和经常讲到的精准智能或 SCI 物理与数字融合的“镜像世界”中进行大规模、实时、可靠的交互与决策。智能体（Agent）作为 核心载体，其从执行工具到决策伙伴的演进，标志着人工智能从处理信息的工具转变为能够主动规 划、协作并作用于环境的认知主体。这不仅是技术的升级，更是生产力和生产关系的范式革命。 智能革命的真正价值，最终要体现在对千行百业的赋能乃至重塑上。《智能世界 2035》不仅 聚焦于技术本身的跃迁，更用大量篇幅深入剖析了智能体将如何作为新质生产力的核心，驱动医

人力需求的重塑。AIGC交互界面的用户友好性、大模型开源及API价格的降低、插件服务带来的应用生态繁荣等，都使得AI技术或将 成为像水、电、网络一样的基础设施，渗透并改变千行万业。然而，大模型具有认知、分析、推理能力，不同于自动化浪潮下对蓝 领的冲击，AIGC时代受AI影响最大的可能是初级专业人士和技术人员，即部分白领。据Challenger报告显示，2023年5月，美国因AI替 代造成的失业人 科壁垒不断消融，跨专业人才需求紧俏。 来源：麦肯锡《生成式人工智能的经济潜力:下一个生产力前沿》、世界经济论坛《未来就业报告2023》 ，艾瑞咨询研究院根据公开资料自主研究绘制。 AI成为基础设施，基础工作被替代 AI大模型具备认知、分析、推理能力，冲击替代的对象涉及部分专业化岗位： 需要一定知识储 备的辅助性工作： 法律案件整理等 精度及标准化要求不 高的图文工作：如海 报设计、物料生成 专业性较高，但模型 化程度也较高的工作： ，表示人类对世界的认识和规律把握的能力增强， 人类认知和沟通的障碍降低，知识经验传授和传承的范围进一步扩大；机器语言的出现，人类把数字语言体系外化给机器，并演变 为各类模型、算法，由此人类认识世界、改造世界的能力通过机器得到了放大、倍增和质变。大语言模型作为最新的技术突变成果， 在发现、认识、运用规律上相较于人类有着明显的优势，人造工具突破人类认知和能力的边界，推动教育内容和评价、教学方法的 革新。

规则，建立模型和关系的知识数据， 进行推理、比对和分析，获取深入 的数据洞察与决策依据 通过增强现实、虚拟现实等技 术，以自然友好的方式进行人 机交互 从知识大数据中快速提取关键信息， 基于神经网络进行学习和认知，优 化计算模型 人工智能中枢 1 IaaS 云服务器 云存储 云计算 IDC 服务 器 IDC 存储 IDC 计算 网络 私有网络 公有网络 SDK 非结构化 结构化 业务数据 跨国传输 详细针对人工智能技术实现、应用场景划 分标准与范围界定、市场整体环境与具体 需求、企业业务模式与市场策略、下一步 发展的 机会与风险等细节问题，进行深入 挖掘，听取来自行业第一线工作者和企业 领导层对行业的见解和认知。 智能医疗概述 AI+ 医疗 应用场景 虚拟助理 医学影像 辅助诊疗 疾病风险预测 药物挖掘 健康管理 医院管理 辅助医学 研究平台 1 赋能 现象 发展 矛盾 广阔 典型应用场景  产品形态及发展环境： IBM Watson for Oncology 是基于认知计算的医疗大数据辅助诊疗解决方案，这 是全球第一个将认知计算运 用于医疗临床工作中的 案例。认知技术是比人工智能更宽泛的概念，比如会 用到深度学习算法等。如果说人工智能关注的是“读 懂 人的世界”的话，那么认知计算可以说更关注“读懂 大数据的世界” 。 IDC Digital 预测，医疗数据量将达

通 运输活动中生产、交互、存储了海量的交通信息，交通信息广泛存在 于各类参与要素、各类运输方式以及运输周期的各个阶段之中。人工 智能的核心环节包括智能感知、数据认知和反馈控制，通过对交通信 息的采集、分析和控制，从感知、认知、行动等层面赋能交通行业， 提升交通安全、改善运行效率、实现节能减排。 人工智能技术在计算机视觉、智能语音语义等领域的技术产业突 破，极大拓宽了交通感知的维度和深度，不仅可以采集摄像头、激光 比如结合不同时间地点的道路拥堵、公交、地铁、人流等信息，为大 众提供实时个性化的路径导航服务。认知类的典型赋能场景包括路径 规划、个性化出行推荐、行车导航、主动安全预警、驾驶员行为评估、 违章抓拍、路况预测、车辆行驶轨迹跟踪等。人工智能认知类技术服 务常常建立在算法研究和对业务场景的深入理解之上，此类技术的应 用也在迅速推进。 人工智能在完成感知、认知之后，还可以将控制信息实时发送至 相关人员、设备，快速精确的指挥行动，完成流程上的闭环。比如城 数据资源共享，系统互联互通。移动互联网技术使得信息在不同主体 之间顺畅交换，实现交通要素的合理布局、实时互动和高效运行。人 工智能技术则在海量数据和计算力的基础上，进一步提升交通要素的 感知、认知、决策和控制能力。 （二）人工智能在交通领域应用现状 我国的交通产业经过长期持续的发展，已经得到长足的进步，尤 其是交通基础设施，公路、铁路等的总里程均位居世界前列，交通行 业的发展也表

此外，如何自动生成满足意图需求的算网融合策略也是实现算网 服务生成的关键。传统的策略生成方法依赖大量的人工经验设计，而 且无法适应动态变化的用户意图和网络状态。为此，需要构建基于用 户意图和算力网络的双向认知的策略生成机制，通过对用户意图和网 络状态信息进行特征挖掘和抽象聚类，提炼出满足各类意图共性和规 律的算网融合策略，并将两者的匹配策略以知识的形式进行保存复用， 从而为策略生成提供先验知识。 产生新的知识，这也是内生智能体所需要具备的重要特征之一。 基于上述系统架构，服务生成算力网络需要提升自身自动化和智 能化水平，主要体现在感知、分析、决策及执行四个方面。 1）全维感知：用户-算网双向认知 服务生成算力网络利用网络手段将计算、存储等基础资源在云边 端之间进行连接与协同，从而提升业务服务质量和用户的服务体验。 精准地对泛在异构、动态时变的计算资源的部署位置、实时状态、负 载信 服务生成算力网络白皮书 17 要对故障根因进行分析，快速准确地定位出故障节点，并能够提供解 决意见或方案。此外，服务生成算力网络还需要对业务承载、系统运 行、故障分析等功能背后的机理进行认知，在解决问题的过程中将相 关的规律、法则、策略等凝练为可复用的知识，从而支撑算网进行推 理分析、闭环决策、自治运行等。 3）自主决策：知识定义的自主决策 在服务生成算力网络中，将复杂多元的计算任务分派并调度到最