前言
第一部分 基础理论篇
项目1　人工智能基础 2
任务1.1 熟悉计算机基础 2
1.1.1 通用电子计算机 3
1.1.2 图灵测试及其发展 3
1.1.3 大数据定义 4
1.1.4 大数据的3V特征 5
1.1.5 人工智能的定义 6
1.1.6 人工智能发展的“中国风” 6
任务1.2 进入人工智能时代 9
1.2.1 强人工智能 9
1.2.2 弱人工智能 10
1.2.3 实用型AI 11
1.2.4 机器学习 11
1.2.5 深度学习 13
1.2.6 机器学习与深度学习的关系 14
【作业】 14
【实训与思考】探索AI在日常生活中的应用 16
项目2 生成式AI与AIGC 18
任务2.1 从自然语言处理起步 18
2.1.1 Blockhead思维实验 18
2.1.2 NLP研究内容 19
2.1.3 深度学习的影响 20
2.1.4 LLM崛起 21
2.1.5 LLM的幻觉 22
任务2.2 熟悉生成式人工智能 24
2.2.1 关于判别式AI 24
2.2.2 关于生成式AI 25
2.2.3 生成式AI的层次 26
2.2.4 定义AIGC 28
2.2.5 生成式AI与AIGC的关系 29
2.2.6 AIGC应用场景 29
【作业】 31
【实训与思考】熟悉阿里云大模型“通义千问” 32

第二部分 核心技术篇
项目3 大语言模型技术 36
任务3.1 熟悉算法、算力与算料概念 36
3.1.1 算法：人工智能的智慧之源 36
3.1.2 算力：人工智能的动力引擎 37
3.1.3 算料：人工智能的燃料之源 37
3.1.4 DeepSeek带来的启示 37
任务3.2 熟悉LLM工作原理 38
3.2.1 词元及其标记化 38
3.2.2 基础模型 38
3.2.3 词嵌入及其含义 39
3.2.4 生成和理解 40
3.2.5 预训练与微调 40
任务3.3 熟悉关键生成模型 41
3.3.1 语言模型基础 41
3.3.2 生成对抗网络GAN 41
3.3.3 变分自编码器VAE 44
3.3.4 流模型 46
3.3.5 接入LLM的几种方法 47
【作业】 49
【实训与思考】LLM典型案例分析 51
项目4 提示工程与技巧 54
任务4.1 熟悉提示工程技术 54
4.1.1 提示的原理 55
4.1.2 提示词的分类和调优 56
4.1.3 链式思考提示 57
4.1.4 生成知识提示 58
4.1.5 少样本提示 58
4.1.6 自一致提示 58
4.1.7 思维树提示 59
任务4.2 掌握提示工程技巧 60
4.2.1 提示词的原则 60
4.2.2 提示学习 61
4.2.3 语境学习 62
4.2.4 提示词框架推荐 63
4.2.5 提示词实践技巧 65
【作业】 66
【实训与思考】练习撰写提示词 68
项目5 文本生成技术 71
任务5.1 熟悉典型语言模型方法 71
5.1.1 基于规则的方法 72
5.1.2 统计语言模型 73
5.1.3 循环神经网络及其变体 74
5.1.4 Transformer模型 75
5.1.5 Transformer结构 80
5.1.6 Transformer模块 81
5.1.7 混合模型 82
任务5.2 掌握典型文本生成技术 83
5.2.1 文本摘要 83
5.2.2 诗歌生成 83
5.2.3 简单对话系统 84
5.2.4 翻译任务中的应用 84
【作业】 85
【实训与思考】熟悉AI助手Kimi 87
项目6 图像生成技术 90
任务6.1 熟悉图像生成模型 90
6.1.1 扩散模型 91
6.1.2 自回归模型 91
6.1.3 典型图像生成模型 92
6.1.4 图像生成应用场景 92
任务6.2 熟悉图像与视频生成技术 94
6.2.1 图像风格迁移 95
6.2.2 超分辨率重建 96
6.2.3 视频生成 98
6.2.4 医疗影像合成 99
6.2.5 挑战与未来发展 100
【作业】 101
【实训与思考】基于深度学习的图像生成 103
项目7 音频生成技术 105
任务7.1 熟悉音频生成技术 105
7.1.1 音频与音乐 106
7.1.2 音频生成核心技术 106
7.1.3 语音合成 107
7.1.4 音乐旋律生成 109
7.1.5 波形建模 110
7.1.6 用户交互与自动化 111
任务7.2 掌握音频增强与修复 112
7.2.1 噪声减少 112
7.2.2 回声消除 113
7.2.3 音频修复 113
7.2.4 动态范围压缩 113
7.2.5 等化 114
7.2.6 时间拉伸与音高转换 115
【作业】 116
【实训与思考】探索音乐旋律生成模型 117
项目8 多模态生成技术 120
任务8.1 熟悉多模态生成的概念 120
8.1.1 多模态生成技术基础 120
8.1.2 模型结构融合策略 121
8.1.3 多模态生成的应用场景 122
8.1.4 技术挑战与发展趋势 124
任务8.2 掌握典型多模态生成技术 126
8.2.1 视觉与文本结合 126
8.2.2 跨媒体内容生成 127
8.2.3 智能感知与响应 129
8.2.4 生成中的情感一致性 131
8.2.5 案例：Muse文生图模型 131
【作业】 132
【实训与思考】多模态生成技术应用—情感音乐可视化 133

第三部分 应用场景篇
项目9 AIGC促进文化创意 137
任务9.1 文化创意应用场景 137
9.1.1 AIGC用于文学创作 138
9.1.2 自动化写作工具 139
9.1.3 激发创意灵感 139
9.1.4 AIGC带来新商业模式 140
9.1.5 版权保护与交易机制 140
任务9.2 视觉艺术创作 141
9.2.1 图像生成与编辑 141
9.2.2 艺术风格迁移 141
9.2.3 VR与AR 142
9.2.4 AI绘图工具 142
9.2.5 视频生成典型工具 144
任务9.3 音乐与音频制作 145
9.3.1 自动作曲 145
9.3.2 效果迁移与融合 146
9.3.3 音频处理与配乐 146
9.3.4 智能混音与母带处理 146
9.3.5 互动式音乐体验 146
任务9.4 影视娱乐开发 148
9.4.1 剧本开发与优化 148
9.4.2 视觉效果生成 148
9.4.3 智能剪辑与叙事结构 148
9.4.4 互动式影视体验 149
【作业】 149
【实训与思考】文生图：注册使用Midjourney绘图工具 151
项目10 AIGC提升金融服务 153
任务10.1 智慧金融服务 153
10.1.1 金融服务概述 153
10.1.2 智能客服 155
10.1.3 风险评估 156
10.1.4 个性化推荐 157
10.1.5 智能投顾 159
10.1.6 反欺诈系统 161
任务10.2 金融服务应用AIGC典型案例 162
10.2.1 智投宝智能投顾平台 162
10.2.2 智安盾金融反欺诈系统 163
【作业】 164
【实训与思考】AIGC在金融服务中的应用探索 166
项目11 AIGC助力智能制造 169
任务11.1 智能制造基本概念 169
11.1.1 智能制造系统 170
11.1.2 综合特征 171
11.1.3 智能技术 172
11.1.4 测控装置 173
11.1.5 运作过程 173
任务11.2 将AIGC应用于智能制造 174
11.2.1 产品设计与创新 174
11.2.2 工艺规划生产流程优化 175
11.2.3 生产调度与资源配置 175
11.2.4 数据驱动精准需求预测 176
11.2.5 生产流程模拟与优化 176
11.2.6 生产过程监控与质量控制 177
11.2.7 设备维护与故障预测 177
任务11.3 AIGC优化智能制造供应链 177
11.3.1 需求预测与库存管理 177
11.3.2 物流与运输 178
11.3.3 供应商管理与协同 179
11.3.4 生产过程质量控制 179
11.3.5 面临的挑战与应对 179
【作业】 180
【实训与思考】AIGC在智能制造中的应用探索 182
项目12 AIGC赋能科学研究与设计 185
任务12.1 AIGC应用于设计 185
12.1.1 AIGC设计应用场景 185
12.1.2 与设计师的协同模式 186
12.1.3 跨学科合作 189
12.1.4 科研文献管理 190
12.1.5 开放科学与共享平台建设 191
任务12.2 AIGC典型科研应用 192
12.2.1 数据增强 192
12.2.2 科学模拟 192
12.2.3 自动化实验设计 193
12.2.4 模型训练与改进 193
12.2.5 理论验证与假设测试 194
任务12.3 AIGC科研应用案例 195
12.3.1 加速药物发现 196
12.3.2 生命科学案例 197
12.3.3 材料科学案例 197
12.3.4 环境科学案例 197
12.3.5 社会科学案例 198
12.3.6 物理科学案例 198
【作业】 198
【实训与思考】AIGC在科研中的应用探索 200
项目13 AIGC造就智慧城市 203
任务13.1 智能交通概念 203
13.1.1 智能交通要素 204
13.1.2 智能交通关键技术 205
13.1.3 车联网技术 206
13.1.4 AIGC应用于智能交通 208
13.1.5 AIGC应用于自动驾驶 209
任务13.2 智慧城市发展与AIGC 211
13.2.1 智慧城市组成与特点 212
13.2.2 AIGC应用于智慧城市 212
13.2.3 AIGC应用于医疗服务 213
13.2.4 个性化健康管理 214
13.2.5 康复与治疗支持 215
【作业】 215
【实训与思考】AIGC智能交通应用案例分析 217

第四部分 社会影响篇
项目14 伦理与法律考量 222
任务14.1 AIGC面临的伦理挑战 222
14.1.1 AIGC伦理问题 222
14.1.2 数据主权和数据权问题 223
14.1.3 数据利用失衡问题 224
14.1.4 构建隐私保护伦理准则 224
14.1.5 健全道德伦理约束机制 225
任务14.2 AI伦理原则与知识产权 225
14.2.1 职业伦理准则的目标 225
14.2.2 创新发展道德伦理宣言 226
14.2.3 欧盟可信赖的伦理准则 227
14.2.4 封禁存在“不可接受风险”AI系统 228
14.2.5 LLM的知识产权保护 228
14.2.6 边缘群体的数字平等 232
【作业】 232
【实训与思考】AI独立完成的视觉艺术品无法获得版权 234
项目15 面向AGI 236
任务15.1 生成式AI进步 236
15.1.1 生成式AI的关键方面 237
15.1.2 AGI的定义 238
15.1.3 龙头企业对AGI的认识 239
15.1.4 LLM与AGI 240
15.1.5 生成式AI与AGI 240
任务15.2 从生成式AI迈向AGI 241
15.2.1 迈向AGI的关键步骤 241
15.2.2 迈向AGI的关键要素 241
15.2.3 面临的挑战 242
15.2.4 潜在的发展路径 242
15.2.5 AI的未来发展 243
【作业】 244
【课程学习与实训总结】 245
参考文献 249