HELLO, INTELLIGENCE 人工智能 · 主题班会
AI
不是魔法.
从“它怎么做到的”，到“我该怎么使用”。
一堂看得见原理、可以亲手实验的课。
认识原理回看历史动手探索
AI 不是魔法
AI
02 / EVERYDAY AI 从身边开始
还没打开聊天框，
你可能已经
用过 AI 了。
AI 不只有聊天机器人。它也能识别图像、预测偏好、把声音转成文字。
点一下右侧卡片，发现它正在完成的任务。
03 / THREE CONCEPTS 先分清概念
三个词，
三层关系。
人工智能 AI让机器完成通常需要智能的任务，如推理、识别、规划。
机器学习 MLAI 的一类方法：通过数据学习规律，而非逐条手写全部规则。
深度学习 DL机器学习的一类方法：用多层神经网络学习数据表示。
“生成式 AI”描述的是生成内容的能力，不是这张图里的第四层。
04 / LEARN → APPLY 机器怎样学会一个任务
先从例子中学习，
再面对没见过的问题。
TRAINING / 训练
调整模型里的参数
输入例子→计算预测→比较答案↻
损失函数衡量预测差多少。优化算法根据梯度等信息调整参数，反复练习。
INFERENCE / 推理
用学到的规律给出结果
新的输入→已训练模型→输出结果
通常不会因为你输入一句话，就立即重新训练模型；对话内容可以作为当前上下文。
训练题做得好，不代表新题一定会。我们还要用未参与训练的数据，检查模型能否泛化。
05 / LIVE EXPERIMENT 实验一 · 真正计算
一个小模型，
怎样越学越准？
给它几个例子，它要学的是一条形如
y = w × x + b 的规律。
数据点 · 3 个
/ 最多 10 个
点击图表空白处添加；拖动圆点调整；双击或点右上 × 删除。
等待训练。先猜一猜：输入 4，输出会是多少？
线性模型 · 梯度下降待机
0训练轮数
—均方误差 · 越小越好
1.10x = 4 时的预测
y = 0.250 × x + 0.100
06 / NEURAL NETWORK 把计算连成网络
一层层计算，
一层层提取特征。
输入可以是像素、声音或文字的数字表示。每个节点把输入按权重组合，再进行非线性变换。
识别图片时，某些层可能响应边缘、纹理或更复杂的特征。具体学到什么取决于任务和训练。
神经网络结构示意ANIMATION
点击按钮，跟随信号穿过三层计算。
节点数量仅作示意；该动画不执行图像识别。
07 / NEXT TOKEN 实验二 · 语言模型
一段回答，
是怎样接出来的？
① 切成 token把文字切成词、字或片段等计算单位。不同模型的切分方式不同。
② 计算候选概率结合上下文与训练所得参数，估计下一段可能是什么。
③ 选择，再继续按生成策略选取一个 token，接回上下文，重复这个过程。
下一段，会是什么？课堂模拟
今天的天空很
点击候选词，也可以由程序按所示概率抽取。
概率由课堂示例设定，不是真实大模型输出；可读片段用于模拟 token。高概率不代表事实一定正确。
08 / A SHORT HISTORY 技术不是突然出现的
七十多年的探索，
走进我们的日常。
这是几个关键路标，并非完整历史。研究也曾遇到数据、算力、方法的瓶颈，经历多次热潮与低谷。
09 / REAL APPLICATIONS 从能力走向用途
从一种输入，
走向多种表达。
文字 · 学习搭档
把“帮我写答案”改成“我已经这样解题，请指出推理漏洞，只给提示”。
解释概念 / 比较观点 / 梳理提纲图像 · 创意草图
为校园环保海报提供构图与配色草案，再由同学选择、修改和制作。
看图描述 / 生成草图 / 视觉检索声音 · 交流辅助
把发言转成文字辅助整理；练习外语时，比较发音与建议。
语音识别 / 语音合成 / 翻译代码 · 编程助手
请它解释报错、列出排查步骤。运行代码、检查结果，理解后再使用。
解释代码 / 协助调试 / 生成初稿多模态：模型能处理或生成多种类型的信息。能处理哪些输入、能完成哪些任务，取决于具体模型。
10 / PROMPT WORKSHOP 动手拼一条好提示
更清楚的表达，
更容易合作。
点亮下面的要素，观察右侧提示词如何变化。
写清楚需求可以提高可用性，但不能保证答案准确。重要事实仍要核查。
1 / 5 项
这里会逐字播放该场景的人工编写示例，供课堂比较；不会根据自定义提示词调用
AI。
预设示例用于展示讲解方式，与选中场景对应，不是对编辑内容的实时回答。
11 / QUESTION THE ANSWER 虚构情境 · 一起判断
看起来很像真的，
也要问一句：证据呢？
AI 的“幻觉”是生成了看似可信、实际缺乏依据或错误的内容。先找原始来源，再看日期，最后交叉核实。
12 / USE IT WELL 我们的使用约定
保留好奇心，
也保留判断和责任。
01 / 隐私
先想清楚上传什么
不上传密码、身份证、家庭住址和同学隐私。能用匿名信息完成的任务，先做脱敏。
02 / 诚信
交代 AI 帮了什么
遵守作业要求；记录工具用途和自己做的修改，保留独立思考与推导过程。
03 / 尊重
尊重他人的作品与肖像
不把生成内容冒充他人真实言行；使用图片、文字和声音前考虑授权与使用规则。
04 / 核验
重要决策要找可靠依据
健康、财务等重要问题应向可信专业人士求证，不能仅凭一次聊天做决定。
13 / KNOWLEDGE CHECK 来一次快速挑战
这一次，
由你来判断。
四道题，从原理到应用。
先说理由，再选答案。
第 1 / 4 题
14 / WHAT COMES NEXT 继续追问
从“给出回答”，
到协作完成任务。
01 / 多模态
结合文字、图像和声音
让信息表达更自然，也要考虑误识别、无障碍体验与使用场景。
02 / 工具与智能体
拆解任务，调用工具
模型可以结合搜索、代码等工具推进任务。执行前要限制权限，执行后要检查结果。
03 / 可靠性
让能力经得起检验
减少错误与偏差，保护隐私，让结果更容易验证，是持续研究的方向。
值得长期练习的能力：提出问题 · 清晰表达 · 查证信息 · 独立思考
15 / TAKE IT WITH YOU 今天的收获
与 AI 同行，
把思考
留给自己。
把思考
留给自己。
技术可以帮助我们探索，
好问题与判断力，需要自己练习。
01许多现代 AI 从数据学习规律；面对新问题，表现仍要检验。
02清晰的提示、具体的背景和可靠的证据，让合作更有用。
03对隐私、作品与他人负责；理解之后，再决定怎么使用。
课后小任务
写出一个你真的想解决的问题，
配上一条提示词和一种核验方法。
讲述人：马丁青阳 制作人：汪禄迪