一、AI技術(shù)的分層（0.5h）

1、通用VS專用

? 什么是AI：AI是用數(shù)學(xué)模擬人類智慧的技術(shù)

? 專用AI技術(shù)：用自己企業(yè)的數(shù)據(jù)，訓(xùn)練專屬自己的AI算法

? 通用AI技術(shù)：使用別人做好的AI算法，做自己企業(yè)的業(yè)務(wù)

? 通用AI技術(shù)的代表：大語言模型（chatgpt，百度·文心一言等）

2、專用&通用技術(shù)對比

? 專用AI技術(shù)：數(shù)據(jù)、算力、專業(yè)知識門檻高，不容易落地

? 通用AI技術(shù)：各方面門檻低，比較容易落地

3、通用AI技術(shù)分層

? 提示詞工程：人直接用大語言模型工具

? RAG技術(shù)：讓大語言模型給答案時，具備一定真實(shí)文檔參考

? 智能體：有思維鏈，不需要人實(shí)時驅(qū)動，真正能夠解放生產(chǎn)力

二、通用AI技術(shù)能如何影響制造業(yè)（1-1.5h）

1、提示詞工程

? 讓每個員工用好LLM（大語言模型）

? LLM如何提升日常工作效率

? 極限情況：將LLM用到極限，可以讓員工生產(chǎn)力爆表（一個人干一個團(tuán)隊的活）

? 實(shí)際情況：絕大部分員工用不好LLM，基本沒啥用

? 關(guān)鍵問題：撰寫提示詞的思維能力

? 揭秘寫好提示詞的三個底層原理

案例：AI生成3D設(shè)計、用人話驅(qū)動數(shù)字仿真，用人話完成芯片設(shè)計，用人話完成軟件開發(fā)。

2、RAG技術(shù)

? 基礎(chǔ)LLM核心限制：沒有記憶，沒有思維鏈

? 基礎(chǔ)LLM存在的問題：回答有幻覺，解決不了復(fù)雜問題

? RAG：在LLM作答時，給他一些參考資料

? RAG優(yōu)勢：極大地提升LLM作答的準(zhǔn)確率，減少幻覺

案例：設(shè)備維護(hù)知識問答機(jī)器人，質(zhì)量問題排查機(jī)器人，讓過程資產(chǎn)流動起來。

3、智能體

? 智能體：讓LLM有記憶，有思維鏈，有額外技能

? 智能體的額外技能：使用搜索引擎，在線撰寫運(yùn)行代碼，接入多源數(shù)據(jù)庫

? 智能體的優(yōu)勢：解決復(fù)雜問題，真正具備替代人的能力

案例：工廠Copilot動動嘴幫你完成工廠管理。

三、人工智能底層原理及應(yīng)用趨勢（2.5-3h）

1、人工智能的核心范式

? 靠規(guī)則實(shí)現(xiàn)AI：編程思維/顯性知識

? 靠“領(lǐng)悟”實(shí)現(xiàn)AI：數(shù)據(jù)思維/隱性知識

小互動：如果你正在跟心儀的女神約會……

2、人工智能的核心原理

? 通過小互動理解人類智能產(chǎn)生過程并類比機(jī)器

? 工人（擬合模型）負(fù)責(zé)預(yù)測

? 質(zhì)檢（損失函數(shù)）負(fù)責(zé)挑錯誤

? 車間主任（梯度下降）負(fù)責(zé)糾正

? AI的本質(zhì)：把學(xué)習(xí)知識的過程轉(zhuǎn)化為一系列計算

案例：預(yù)測男生是否會受女生歡迎

3、AI趨勢一：大模型有大力量

? 大模型&大數(shù)據(jù)VS 小模型VS高質(zhì)量數(shù)據(jù)

? 大模型可能導(dǎo)致通用人工智能出現(xiàn)

? 大模型的落地應(yīng)用及前景

案例：AI制藥場景、AI大規(guī)模質(zhì)檢場景、自動駕駛場景

4、AI趨勢二：生成模型以假亂真

? 什么是生成模型

? 生成模型能夠生成什么內(nèi)容

? 生成模型的落地應(yīng)用

案例：AI驅(qū)動的數(shù)字營銷、3D設(shè)計一鍵生成、芯片設(shè)計AI驅(qū)動、數(shù)字人案例、AI對數(shù)字孿生與元宇宙的影響

5、AI趨勢三：強(qiáng)化學(xué)習(xí)超越人類

? 阿爾法狗的核心原理

? 強(qiáng)化學(xué)習(xí)的核心潛力

案例：AI驅(qū)動的產(chǎn)線自動化，AI驅(qū)動的供應(yīng)鏈優(yōu)化，AI驅(qū)動的工藝優(yōu)化，AI驅(qū)動的智能排產(chǎn)

6、AI發(fā)展史

? 回顧人工智能的三波浪潮

? 偷偷告訴你三波浪潮中的2個核心規(guī)律

? 我們所處的這波浪潮有何不同

四、智能化如何落地（1-2h）

1、智能化落地方法

? 1、智能化起點(diǎn)：不是數(shù)據(jù)而是業(yè)務(wù)痛點(diǎn)

? 2、如何找到業(yè)務(wù)痛點(diǎn)：客觀（精益）VS主管（決策需求）

? 3、如何折算痛點(diǎn)價值：業(yè)務(wù)邏輯&一組數(shù)據(jù)

? 4、選擇工具：只有隱性知識需要用到AI工具

? 5、智能化項目最大的坑：數(shù)據(jù)而不是算法

? 6、數(shù)據(jù)的坑在哪：缺少關(guān)鍵特征&數(shù)據(jù)缺乏代表性

? 7、如何排除數(shù)據(jù)上的坑：依靠業(yè)務(wù)專家的業(yè)務(wù)知識

? 8、如何選擇模型：大模型VS小模型

? 9、AI項目成功的三大核心要素

? 10、AI項目的最大門檻：行政可行性

案例：產(chǎn)線良品率提升，大型工程機(jī)械故障預(yù)測，工業(yè)品缺陷檢測等

五、新一代人工智能技術(shù)會如何影響未來（0.5h）

1、AI會如何影響我們

? AI為我們帶來的終局

? 絕大部分的工作會被替代

? 只有兩類人會留下：做決策&有想法

案例：18年圖靈獎得主案例，智能化終局解讀，元宇宙加持下的后AI時代。辨析大模型和小模型選擇對行業(yè)的影響

2、AI的3大套路和后AI時代展望

? 在無人化的時代，人應(yīng)該做什么

? 應(yīng)對辦法：回歸人“本身”的價值

? 沒有工作的人會做什么：“愛”干嘛干嘛

?  企業(yè)應(yīng)該如何應(yīng)對即將到來的AI浪潮

案例：openAI官方給出最容易受chatGPT影響的崗位， 領(lǐng)域未來展望：馬太效應(yīng)加強(qiáng)