一、实施背景

ChatGPT3个月月活破亿,可能会颠覆万亿美金Google,已经颠覆独角兽Grammerly,未来会有更多的行业和职业被颠覆,在大变局下,我们如何去深刻认识ChatGPT,利用ChatGPT武装自己和自己所在的组织。

本课程**四大部分,**部分全面了解ChatGPT的前世今生、技术实现原理、行业实践以及商业变现途径;第二部分了解以ChatGPT为代表的AIGC浪潮,除了生成文本,还生成图片、音频、视频、多模态从而实现数字人,GAMEAI等;第三部分了解驱动ChatGPT与AIGC的底层是大模型,了解大模型的一般原理和技术发展;第四部分则是寻找ChatGPT的小的切入点,实现搞钱。

二、实施内容

1、课程简介

课程时长:2天

2、课程大纲

《ChatGPT如何赋能企业管理》课程大纲(举例)

模 块

内 容

实战演练

ChatGPT改变世界

1. 宏观认知

1) 二季度**会议关于chatGPT会议结论的政策解读

2) 人工智能的iphone时刻/登火箭时不要问坐那个座位

3) AI的影响可能是反人性的

4) chatGPT的影响可能是文艺复兴级的

5) 新的大国竞争和wintel联盟

6) 上一轮人工智能进入尾声

7) 案例:5000万美金的朋友圈

案例讨论与练习

2. ChatGPT的先进性

1) ChatGPT具备诸多先进性特征

2) ChatGPT 提升的核心点

3) ChatGPT 提升的原因

4) ChatGPT 提升的领域

5) ChatGPT得益于通用(基础)模型所构建 AI 系统的新范式

1. ChatGPT的局限性

1) 机器幻觉

2) 知识库问题

3) 信息安全

4) 跨境传输

预训练和微调

1. 什么是预训练

1) 为什么要预训练--中文表现不佳

2) 为什么要预训练--领域知识不足

3) 为什么要预训练--有时候微调不解决问题

4) 为什么要预训练--行业实践

5) 预训练的目的

6) 领域差距是什么?

7) 数据问题

8) 预训练过程

9) 分词

10) 词表扩充

11) 数据源采样

12) 中文预训练集

13) 关于数据的结构化

14) C-Eval

学员提问与答疑解惑

2. 什么是微调

Instruct tuning

Prompt tuning

Instruct-GPT paper

Alpaca微调过程

Vicuna-13B 的训练、评估和推理

微调国内实践

数据处理

使用RLHF来优化模型

模型优化思路

**引入判别模型代替人工打分

基于强化学习RL 进行语言模型微调优化

人类反馈的强化学习RL的总流程

大实验:利用竹间智能平台一起共创一个微调政务大模型(0.5天-1天)

其他AIGC实践

1. zero-shot vs few shot

2. 多模态的实现:GPT识图识声

3. Stable Diffusion: 文生图

4. SigmentAnything Model: 图片分割