人工智能应用公开课

课程目标：
理解AI发展趋势：让学员理解人工智能的历史发展脉络以及它如何成为第四次工业革命的关键驱动力之一。
掌握关键技术原理：使学员能够掌握从机器学习到深度学习等核心AI技术的基本概念及其工作原理。
认识通用人工智能的潜力：帮助学员认识到GPT这样的大语言模型以及其他生成式AI工具所代表的技术突破及其广泛的应用前景。
探索行业应用案例：通过具体案例分析（如智能制造中的预测性维护、自动化机器人技术），展示AI技术是如何被应用于实际场景中以解决特定问题，并带来显著效益的。
培养实践能力：引导学员思考如何将其所在领域内的专有知识和数据转化为有效的AI解决方案，增强企业的竞争力。

参训对象：
企业管理人员与决策者，特别是那些希望了解如何将AI技术整合到现有业务中的高层领导。
技术专家和工程师，他们需要掌握最新的AI技术来推动产品和服务创新。
从事制造业、服务业及其他相关行业的专业人员，对提升生产效率和质量感兴趣的从业者。
对AI技术感兴趣并希望在职业发展中利用这些知识的人士。

授课形式：
知识讲解、案例分析讨论、角色演练、小组讨论、互动交流、游戏感悟、头脑风暴、强调学员参与。

课程大纲：
模块一：通用人工智能的曙光：AI大模型时代的技术和产业趋势
1、人类历史是一部生产力和科技发展史从效率的角度看数字化和人工智能的源起
2、第四次工业革命的特征和要求
3、从早期人工智能算法到机器学习，到人工神经网络和深度学习：
a)人工智能是一类计算机模拟的，完成传统上认为只有人类可以执行的任务的硅基智能
b)机器学习是一类让算法从数据中找到规律、模式的设计:从判断信用卡交易是否套现的实现，看程序代码方式和机器学习方式的差异
c)人工神经网络是一类机器学习算法，通过模拟生物神经网络，处理相对抽象的信息：人工神经网络怎么能识别小狗的照片？其实跟我们教小朋友认小狗非常类似
4、从“偏科专才”到“通才”，通用人工智能的曙光：GPT为何如此令人兴奋？
5、生成式AI兴起 - 从分析式AI到生成式AI，AI从做判断题/选择题，到做填空/问答题
6、以ChatGPT为代表的等大语言模型基本核心原理
a)如何看ChatGPT 这其实是一个把文字变成数字编码的“变形器”
b)GPT如何理解文字？ 文字代表的概念，其实可以用一组数字属性来描述
c)GPT如何理解句子和逻辑？- 理解一段话，就象侦探理解一个犯罪现场
d)如何打造行业专家？ 深入浅出理解为什么深度人工神经网络可以学习到几乎一切模式和规律？
7、其他主流大模型主要类别和基本原理
a)以扩散模型为代表的文生图模型：训练机器对像素的“组装”和“组合”
b)为NeRF为代表的三维构建模型：算法对世界的“脑补”
c)通用人工智能新曙光：OpenAI的“世界模拟器”SORA
8、AI大模型具有成为“人”“机”翻译和“系统总调度”的巨大潜力

模块二：人工智能的工业赋能应用
9、预测性维护
概述： 预测性维护是利用传感器数据、历史记录以及机器学习算法来预测设备何时可能出现故障，从而提前进行维护。这种方法可以显著减少意外停机时间，延长设备寿命，并降低维护成本。
技术要点：
数据收集：通过安装在设备上的传感器实时监控关键参数。
数据分析：运用统计方法和机器学习模型处理收集到的数据。
故障预测：根据分析结果预测未来可能发生的故障。
案例分析：
背景：通用电气是一家多元化工业公司，其产品和服务涵盖航空、能源等多个领域。为了提高设备的可靠性和减少维护成本，GE开发了Predix工业互联网平台。
实施细节：Predix平台通过连接到全球范围内的各种工业设备，收集海量数据，并利用先进的数据分析技术来识别模式和趋势。这些数据包括温度、振动、压力等关键参数。Predix使用机器学习算法来处理这些信息，预测潜在故障发生的时间点。此外，该平台还支持远程监控功能，允许技术人员实时查看设备状态。
成果：使用Predix后，一些客户报告称其设备的计划外停机时间减少了20%以上，同时维护成本也显著降低。例如，在风力发电行业，通过提前检测并修复问题，风电机组的运行效率得到了大幅提升。这不仅提高了能源产出，也延长了设备使用寿命。
10、质量控制与检验
概述： 质量控制与检验是指利用计算机视觉技术自动检测产品缺陷的过程。这不仅提高了检测速度，还增强了准确性。
技术要点：
图像采集：使用高分辨率摄像头拍摄待检产品的图片或视频。
特征提取：从图像中提取有助于判断产品质量的关键特征。
缺陷识别：基于训练好的模型对提取出的特征进行分析，以确定是否存在缺陷。
案例分析：
背景：宝马是世界知名的豪华汽车制造商，对于产品质量有着极高的要求。为了保证每一辆出厂车辆都能达到最佳标准，宝马在其生产线上引入了高级视觉检查系统。
实施细节：这套质量控制系统采用了高分辨率摄像头和复杂的图像处理软件，能够在几秒钟内完成对车身表面的全面扫描。系统会自动比较实际图像与预设的标准模板，以发现任何细微的缺陷或偏差。此外，该系统还可以记录每次检查的结果，为后续的数据分析提供依据。
成果：自采用这一技术以来，宝马在提升最终产品的合格率方面取得了显著成效。相比传统的手工检查方法，自动化质量控制系统大大减少了漏检和误检的情况。更重要的是，它释放了大量人力资源，使员工可以专注于更复杂的工作任务，如工艺改进和技术研发。
11、生产计划与调度
概述： 生产计划与调度涉及优化生产线上的任务安排，以提高效率并减少浪费。AI可以通过模拟不同场景下的生产流程，找到最佳的操作方案。
技术要点：
需求预测：利用历史销售数据及市场趋势预测未来的需求量。
资源分配：根据预测结果合理配置原材料、人员及其他资源。
动态调整：随着实际情况的变化灵活调整计划。
案例分析：
背景：作为一家领先的自动化解决方案提供商，西门子致力于推动制造业向智能化转型。位于德国安贝格的数字化工厂就是这样一个典范。
实施细节：在这个工厂中，ERP系统和MES系统紧密集成，形成了一个高度协同的工作环境。基于历史数据和当前订单情况，AI算法能够快速生成最优的生产计划，并动态调整生产线上的资源配置。当遇到突发状况时，比如原材料供应延误或客户需求变化，系统也能迅速做出反应，重新优化整个流程。 成果：得益于这种灵活高效的管理方式，西门子能够在短时间内响应市场变化，实现小批量多品种生产的同时保持较高的产能利用率。据统计，与传统生产模式相比，数字化工厂的生产周期缩短了约40%，库存水平降低了近70%。这样的成绩不仅增强了企业的竞争力，也为其他制造企业提供了宝贵的经验借鉴。
12、物流与供应链管理
概述： AI可以帮助制造商更好地管理复杂的物流网络，包括库存水平、运输路线优化等方面，从而降低成本并加快交货速度。
技术要点：
库存优化：基于销售预测调整安全库存水平。
运输优化：设计最短或成本最低的配送路线。
供应商评估：定期评估供应商表现，确保供应链稳定性。
案例分析：
背景：作为全球最大的电子商务平台之一，亚马逊面临着巨大的物流挑战。为了确保快速准确地交付订单，该公司投入巨资建设了一个庞大而复杂的物流网络。
实施细节：亚马逊利用大数据分析工具来预测消费者购买行为，并据此调整仓库布局和库存策略。例如，根据季节性需求的变化，某些热销商品会被提前分配到靠近目标市场的配送中心。此外，亚马逊还在多个环节引入了自动化技术，如使用机器人进行货物拣选和包装，大幅提升了工作效率。
成果：这些创新举措使得亚马逊能够在极短的时间内完成从接单到发货的全过程。据官方数据显示，大约90%以上的订单可以在下单后的24小时内发出。与此同时，通过优化运输路线和提高装载率，亚马逊成功降低了物流成本，从而为顾客提供了更具吸引力的价格和服务。
13、安全监控
概述： 借助AI驱动的安全监控系统，企业可以在事故发生前采取预防措施，保障员工安全。
技术要点：
环境监测：持续监视工作场所内的温度、湿度等条件。
异常检测：一旦发现异常情况立即报警。
行为分析：通过视频分析工人的操作是否符合安全规范。
案例分析：
背景：霍尼韦尔是一家专注于工业自动化和安全解决方案的跨国公司。针对工业环境中存在的各种安全隐患，霍尼韦尔推出了基于物联网和人工智能的安全管理系统。
实施细节：这套系统集成了多种传感器，用于持续监测工作场所的关键指标，如气体浓度、温度、湿度等。一旦发现异常情况，系统将立即触发警报，并通过移动应用程序通知相关人员采取行动。此外，视频分析模块还可以识别人员行为是否符合安全规范，例如是否佩戴防护装备。
成果：经过实际应用验证，霍尼韦尔的安全管理系统有效降低了事故发生的概率。许多客户反馈说，自从部署该系统后，他们的工伤率明显下降，工作环境变得更加安全稳定。这对于保障员工健康、遵守法规以及维护企业声誉都具有重要意义。
14、客户服务与市场分析
概述： AI不仅能在生产环节发挥作用，在销售端同样具有巨大潜力。例如，通过聊天机器人提供即时支持，或者利用数据分析洞察市场需求。
技术要点：
客户服务：开发智能客服系统，自动回答常见问题。
市场分析：收集社交媒体和其他公开渠道的信息，进行情感分析和趋势跟踪。
案例分析：
背景：IBM Watson是一个强大的认知计算平台，旨在帮助企业和组织更好地理解和解决复杂问题。Watson Assistant则是专门为客户服务场景设计的一款智能聊天机器人。
实施细节：Watson Assistant能够理解自然语言，与用户进行流畅对话，并根据上下文提供个性化答案。它可以通过多种渠道接入，如网站、移动应用或社交媒体平台。此外，Watson还具备自我学习能力，随着时间推移，它能不断改进自己的表现。
成果：多家大型企业已经成功运用Watson Assistant改善了客户服务体验。例如，某电信运营商使用该技术后，客服响应时间缩短了30%，客户满意度提高了15个百分点。更重要的是，Watson Assistant还能帮助企业收集宝贵的客户反馈信息，为企业决策提供有力支持。

模块三：AI大模型的企业应用模式和落地路径
15、大模型企业应用模式
a)Prompt Engineering 提示词工程 – 为大模型描述上下文环境和方法论
i.基础提示词类型及应用：让大模型“照猫画虎”的示例等方式
ii.提示词高级应用模式：方法/算法表述
b)RAG 检索增强生成：
i.大模型的“智商”、“知识”和“经验”
ii.插件 -为大模型加上“视觉中枢”“听觉中枢”“行动中枢”
iii.外接“云盘”向量数据库 - 为大模型加上“海马体”（大模型的长期记忆机制）
c)精调 通过训练调参真正提升大模型“智商”
i.全量精调：对“精装”房的全面再装修
ii.参数经济型精调PEFT：对“精装”房周边的面积增补和再精装，而不动精装房的主体
d)Agent 使大模型从一个“大脑”成为具有数字/物理空间行动能力的智能体
i.AI Agent的概念源起和发展
ii.AI大模型在AI Agent的训练和应用中的实践
iii.AI Agent的典型实现方式
iv.RPA Agent：传统数字化为“身体”，大模型为“大脑”的Agent
16、大模型的部署方式
a)公有云模式 住酒店，用酒店设备设施和服务
i.AIPaaS：人工智能开发云中台 – 应用开发和模型训练算力
ii.Model as a service 赋能云 ：面向模型定制和精调的AI服务- 模型训练算力
iii.AISaaS: 赋能百业的AI云应用 – AI模型推理算力
b)公有私有云/管理云模式 住酒店公寓，自己的家装电器家具
c)私有云模式 自己的房子，自己的家装电器家具
17、制造行业大模型落地路径：预训练模型（毛坯房） + 专业训练精调（精装） + 行业知识库（私家珍藏家装家具） + 插件（外购家居产品和服务）

讲师介绍：尹老师
“企业在人工智能大模型时代的核心竞争力，是把自己行业/领域的专有知识经验和数据转化封装成AI模型，并将之有机联接到自身数字化体系的能力。”
尹老师
上海人工智能研究院首席咨询顾问，上海人工智能技术协会专家委员会委员，上海市元宇宙产业发展专家咨询委员会专家，合肥元宇宙产业协会副会长单位负责人，贵州大数据专家委员会委员，临港产业大学客座教授，前德勤Oracle CX首席架构师，前Oracle Master企业架构师

人工智能应用公开课