| 主講老師： | 李文耀 | |
| 課時安排： | 1-2天，6小時/天 | |
| 學習費用： | 面議 | |
| 課程預約： | 隋老師  (微信同號) |
|
| 課程簡介： | ChatGPT（全稱Chat Generative Pre-trained Transformer），聊天式預訓練生成轉換模型，是一種生成式語言模型，俗稱 “通用聊天機器人”，是人工智能研究實驗室OpenAI開發的一種基于人工智能（AI）技術的自然語言處理工具。該模型基于Transformer神經網絡架構，即GPT3.5架構，并且還在繼續演進與發展。 | |
| 內訓課程分類： | 綜合管理 | 人力資源 | 市場營銷 | 財務稅務 | 基層管理 | 中層管理 | 領導力 | 管理溝通 | 薪酬績效 | 企業文化 | 團隊管理 | 行政辦公 | 公司治理 | 股權激勵 | 生產管理 | 采購物流 | 項目管理 | 安全管理 | 質量管理 | 員工管理 | 班組管理 | 職業技能 | 互聯網+ | 新媒體 | TTT培訓 | 禮儀服務 | 商務談判 | 演講培訓 | 宏觀經濟 | 趨勢發展 | 金融資本 | 商業模式 | 戰略運營 | 法律風險 | 沙盤模擬 | 國企改革 | 鄉村振興 | 黨建培訓 | 保險培訓 | 銀行培訓 | 電信領域 | 房地產 | 國學智慧 | 心理學 | 情緒管理 | 時間管理 | 目標管理 | 客戶管理 | 店長培訓 | 新能源 | 數字化轉型 | 工業4.0 | 電力行業 | | |
| 更新時間： | 2023-02-27 14:09 |
ChatGPT（全稱Chat Generative Pre-trained Transformer），聊天式預訓練生成轉換模型，是一種生成式語言模型，俗稱 “通用聊天機器人”，是人工智能研究實驗室OpenAI開發的一種基于人工智能（AI）技術的自然語言處理工具。該模型基于Transformer神經網絡架構，即GPT3.5架構，并且還在繼續演進與發展。
ChatGPT的總體技術路線是：采用自然語言處理+搜索引擎集成的架構，構建GPT3.5+大型語言模型（LLM）+強化學習微調訓練模型（RLHF），通過連接大量的語料庫，在效果強大、基于自注意力機制的GPT3.5架構的大型語言模型（LLM）基礎上，引入RLHF（基于人類反饋的強化學習）技術，通過預訓練方法處理大模型序列數據來訓練模型，通過“人工標注數據（人工反饋）+強化學習”來不斷微調（Fine-tune）預訓練語言模型，從而實現擁有語言理解和文本生成的能力，以完成特定任務。ChatGPT實現的關鍵要素是：NLP（自然語言處理）是核心 ，搜索是輔助，算力是硬核。
ChatGPT是生成式人工智能技術，是一個創造性的新世界。ChatGPT模型以對話的方式進行人機交互，包括普通聊天、連續對話，語言翻譯、信息咨詢、方案策劃、撰寫詩詞作文、編寫程序、修改代碼等，ChatGPT不僅能夠回答后續問題，還能承認錯誤，質疑不正確的問題，并拒絕不適當的請求。ChatGPT具備上知天文、下知地理，還能根據聊天的上下文進行互動的能力，做到與真正人類幾乎無異的聊天場景進行交流。ChatGPT于2022年11月30日上線測試，2022年12月5日，ChatGPT用戶數突破了100萬，目前，ChatGPT月活用戶數超過一億。
習近平總書記曾指出：“數字技術正以新理念、新業態、新模式全面融入人類經濟、政治、文化、社會、生態文明建設各領域和全過程”。在當前數字世界和物理世界加速融合的大背景下，以ChatGPT為代表的人工智能生成內容（AIGC）技術正在悄然引導著一場深刻的變革，重塑甚至顛覆數字內容的生產方式和消費模式，將極大地豐富人們的數字生活，是未來全面邁向數字文明新時代不可或缺的支撐力量。
基于上述分析，為進一步推動以ChatGPT為代表的人工智能生成內容（AIGC）技術的廣泛應用及產業發展與布局，賦能我國數字經濟、數字政府、數字社會高質量發展，為培養數字轉型時代急需的高端人才，特在全國開展《ChatGPT技術與商業模式及產業發展布局》高端咨詢類培訓課程。
本課程技術交流的主要宗旨是：
從ChatGPT的技術方案中，學習更多有價值的東西，不僅僅是單純的技術，單純的軟件、工具或算法，更重要的是學習其中的邏輯思維方法、科學研究方法、技術與產品創新方法等。讓我們深刻領悟，技術方案中的某一點點創新，卻可以引發革命性的巨變，創造巨大的價值。
本課程的主要亮點是：
（1）本課程以前瞻性、獨特的視角，按照概念篇、架構篇、技術篇、算力篇、體驗篇、應用篇、商業篇、產業篇、建議篇九大模塊，對ChatGPT技術進行系統、全面，深刻、而又富于創新地闡述。
（2）關注訴求與商用落地，從商機挖掘、產業發展、行業應用布局等維度，闡述以ChatGPT技術為代表的生成式人工智能（AI）技術的創新應用理念與產業發展和行業應用布局。
本課程采用模塊化教學方法，總體架構主要包括以下9個教學模塊：
模塊一：概念篇-ChatGPT概念詮釋及技術發展
模塊二：架構篇-ChatGPT系統架構及工作流程
模塊三：技術篇-ChatGPT關鍵技術及原理詳解
模塊四：算力篇-ChatGPT算力需求及算力布局
模塊五：體驗篇-ChatGPT基本功能及使用體驗
模塊六：應用篇-ChatGPT應用場景及行業布局
模塊七：商業篇-ChatGPT商業模式及商機挖掘
模塊八：產業篇-ChatGPT產業發展及投資分析
模塊九：建議篇-ChatGPT面臨挑戰及發展建議
授課時間 | 授課內容 | 授課時長 | |
第一天 | 上午 | 模塊一：概念篇-ChatGPT概念詮釋及技術發展 | 1小時 |
模塊二：架構篇-ChatGPT系統架構及工作流程 | 2小時 | ||
下午 | 模塊三：技術篇-ChatGPT關鍵技術及原理詳解（1） | 3小時 | |
課程小結、答疑、交流討論與互動環節 | 0.5小時 | ||
第二天 | 上午 | 模塊三：技術篇-ChatGPT關鍵技術及原理詳解（2） | 3小時 |
下午 | 模塊四：算力篇-ChatGPT算力需求及算力布局 | 3小時 | |
課程小結、答疑、交流討論與互動環節 | 0.5小時 | ||
第三天 | 上午 | 模塊五：體驗篇-ChatGPT基本功能及使用體驗 | 1小時 |
模塊六：應用篇-ChatGPT應用場景及行業布局 | 2小時 | ||
下午 | 模塊七：商業篇-ChatGPT商業模式及商機挖掘 | 1小時 | |
模塊八：產業篇-ChatGPT產業發展及投資分析 | 1.5小時 | ||
模塊九：建議篇-ChatGPT面臨挑戰及發展建議 | 0.5小時 | ||
課程總結、答疑、交流討論與互動環節 | 0.5小時 | ||
人工智能及ChatGPT技術產業鏈各廠家、芯片/模組/終端廠家、互聯網公司、互聯網服務提供商（ISP）、互聯網內容提供商（ICP）、互聯網軟件開發公司、電信運營商、廣電運營商、游戲公司、新媒體制作公司、各行業客戶、企事業單位、咨詢公司、科研院所與大專院校等單位，從事人工智能及ChatGPT技術相關工作的管理人管、技術人員等。
培訓主題 | 詳細內容 |
模塊一：概念篇-ChatGPT概念詮釋及技術發展 | 1．ChatGPT概念詮釋及技術發展 1.1什么是ChatGPT？（技術視角、OpenAI、維基百科的定義） 1.2 ChatGPT技術核心要點詮釋 1.3 問題：如何理解ChatGPT？-理解ChatGPT的關鍵點 1.3.1 ChatGPT是如何工作的？ 1.3.2 ChatGPT的訓練數據來源于何處？ 1.3.3 ChatGPT如何進行模型預訓練？ 1.3.4 ChatGPT是如何自動生成文本的？ 1.3.5 ChatGPT如何準確回答問題？ 1.3.6 ChatGPT如何按照人類思維回答問題？ 1.4問題：ChatGPT的主要技術有哪些？ 1.5 ChatGPT的主要特點有哪些？ 1.6ChatGPT的最大創新點是什么？ 1.7ChatGPT優化對話語言模型的優化目標是什么？ 1.8ChatGPT與普通聊天機器人的區別是什么？ 1.9ChatGPT存在的問題與不足是什么？ 1.10ChatGPT界面及網址 1.11ChatGPT的基本功能 1.12 ChatGPT和AIGC的關系是什么？ 1.13 ChatGPT、AIGC和元宇宙的關系是什么？ 1.14 ChatGPT對推動元宇宙的商用落地與快速發展有何影響？ 1.15ChatGPT的產生、發展及影響 1.15.1 ChatGPT的產生 1.15.2 ChatGPT的發展歷程（GTP-1,GTP-2,GTP-3, ChatGPT, GTP-4） 1.15.3 ChatGPT的研究現狀 1.15.4 ChatGPT的產生與發展對人類社會將帶來什么影響？ 1.15.5 ChatGPT對哪些職業和工作產生挑戰和影響？ 1.16 ChatGPT對我們的啟示有哪些？ 1.17如何從ChatGPT的技術方案中學習有價值的東西？ 1.18 如何運用基于人工智能的ChatGPT技術方案賦能行業智慧應用與商用落地和快速發展？ |
模塊二：架構篇-ChatGPT系統架構及工作流程
| 2. ChatGPT的系統架構及工作流程 2.1 ChatGPT的總體技術路線是什么？ 2.1.1自然語言處理+搜索引擎集成架構 2.1.2 GPT3.5+大型語言模型（LLM）+強化學習微調訓練模型架構 2.1.3 ChatGPT實現的關鍵要素有哪些？ 2.2 構建ChatGPT系統架構需要考慮哪些關鍵問題？ 2.2.1 ChatGPT技術架構的關鍵點是什么？ 2.2.2 ChatGPT預訓練模型有哪些？ 2.2.3 ChatGPT預訓練數據集有哪些？ 2.2.4 ChatGPT如何進行模型預訓練？ 2.2.5 ChatGPT進行模型訓練的步驟有哪些？ 2.3 ChatGPT的工作流程-理解ChatGPT架構的基礎 2.3.1 有監督微調（SFT） 2.3.2 獎勵模型（RM）訓練 2.3.3 PPO模型強化學習 2.3.4 基于人類反饋的強化學習-RLHF 2.3.5 例子：ChatGPT語言處理的工作流程 語言處理數據流轉流程：輸入文本、語言識別、情感分析、信息抽取、命名實體識別、句子相似性處理、文本分類、全文搜索、文本生成、上下文管理、問題解答、輸出文本 2.4 ChatGPT的系統架構-Transformer架構 2.4.1什么是Transformer？ 2.4.2 Transformer模型的作用 2.4.3 Transformer總體架構及組成 （1）輸入部分，（2）輸出部分，（3）編碼器部分，（4）解碼器部分 2.4.4 Encoder-Decoder編碼器-解碼器框架 2.4.5 輸入部分的實現 （1）文本嵌入層及作用，（2）位置編碼器及作用 2.4.6編碼器部分的實現 （1）掩碼張量，（2）注意力機制，（3）多頭注意力機制，（4）前饋全連接層，（5）規范化層，（6）子層連接結構，（7）編碼器層，（8）編碼器 2.4.7解碼器部分的實現 （1） 解碼器層，（2）解碼器 2.4.8 輸出部分的實現 （1）線性層，（2）softmax層 2.4.9模型構建 2.5案例分析：使用Transformer構建語言模型 2.6 GPT3.5預訓練模型架構 2.7 大型語言模型（LLM）架構 2.8 強化學習微調訓練模型架構-RLHF架構 2.9 ChatGPT應用系統架構及組成-端邊網云（水平分割） 2.9.1 ChatGPT應用終端（PC機、智能手機、PAD等） 2.9.2 邊緣計算（邊緣算力） 2.9.3 互聯網/移動互聯網 2.9.4 云（超級計算機、超級算力）-云數據中心（Microsoft Azure、國資云（國家云）、天翼云、移動云、沃云、華為云、百度云、阿里云、騰訊云等） 2.10 ChatGPT系統架構優化及應用推廣 |
模塊三：技術篇-ChatGPT關鍵技術及原理詳解
| 3. ChatGPT關鍵技術及原理詳解 3.1 ChatGPT的關鍵技術體系 3.2 ChatGPT的技術基礎-AI：人工智能 3.2.1機器學習- ML 3.2.2深度學習 3.2.3 神經網絡 3.2.4自然語言處理-NLP 3.2.5 人工智能生成內容-AIGC 3.3 ChatGPT的關鍵技術-Transformer技術 3.3.1什么是Transformer？ 3.3.2 Encoder-Decoder技術 3.3.3 Transformer分類模型 3.3.4 Transformer算法-GTP3.5預訓練模型 3.3.5預訓練模型-自然語言理解 3.3.6預訓練模型-長序列建模 3.3.7預訓練模型-模型優化 3.3.8 Transformer算法流程 3.3.9 問題:Transformer算法的改進及主要優點是什么？ 3.4 ChatGPT的關鍵技術-GPT：預訓練生成模型 3.5 ChatGPT的關鍵技術-LLM：大型語言模型 3.6 ChatGPT的關鍵技術-RLHF:基于人類反饋的強化學習 3.7 ChatGPT的關鍵技術-數據標注 |
模塊四：算力篇-ChatGPT算力需求及算力布局
| 4. ChatGPT算力需求及算力布局 4.1 人工智能（AI）復雜算法的算力需求分析 4.1.1 人工智能不同算法的算力需求分析 4.1.2 ChatGPT算力需求分析 4.1.3 ChatGPT算力需求舉例 4.2算力的概念及量綱 4.3 算力的分類 4.3.1基礎算力（基于CPU芯片） 4.3.2 智能算力（基于AI芯片，包括GPU/DPU/FPGA/ASIC芯片等） 4.3.3 超算算力（超級計算機、計算集群） 4.3.4 量子算力（量子計算機） 4.4 算效的概念 4.5 綜合算力（算力+存力+運力） 4.6算力應用場景 4.7 算力部署策略-“東數西算”工程 4.7.1“東數西算”的概念 4.7.2 “東數西算”的應用場景 4.7.3 “東數西算”的數據處理 4.7.4 “東數西算”工程總體架構（8大樞紐中心、10大數據中心集群） 4.7.5數據中心業務類型 4.7.6數據中心集群建設規模 4.7.7 “東數西算”工程建設方案：聯接力+運力+算力+智力 4.8算力部署方案-算力網絡 4.8.1 算力網絡的定義及技術特點 4.8.2 算力網絡與現有通信網絡的區別 4.8.3 算力網絡的工作原理及業務流程 4.8.4 算力網絡的標準架構與接口 4.8.5 算力網絡系統架構與組成 4.8.6 算力網絡的建設方案 4.9 基于“東數西算”工程的ChatGPT部署策略-安全、高可靠運行等 4.9.1 西部數據中心-ChatGPT大型語言模型建模與訓練 4.9.1 東部數據中心-ChatGPT推理服務等 4.10 基于“算力網絡”的ChatGPT部署策略-海量數據處理、超級算力、高可靠、低時延、安全等 |
模塊五：體驗篇-ChatGPT基本功能及使用體驗
| 5. ChatGPT基本功能及使用體驗 5.1 ChatGPT的基本功能及特征 5.2 ChatGPT的基本功能-語言處理功能及描述 文本生成、文本補全、文本分類、文本校正、詩歌生成、內容創建、問答、翻譯、摘要、改寫、情感分析、聊天機器人等 5.3 ChatGPT的高級功能-高端應用功能及描述 編寫和調試計算機程序、程序修改、模擬Linux系統、企業策劃、方案設計、項目咨詢、文學創作、撰寫演講提綱、撰寫分析報告、金融分析、工業自動化、醫學診斷、教育、供應鏈管理、銷售和營銷、法律應用、科學研究等。 5.4 ChatGPT使用體驗及效果評估 |
模塊六：應用篇-ChatGPT應用場景及行業布局
| 6. ChatGPT應用場景及行業布局 6.1 ChatGPT應用總體思路：運用ChatGPT技術方案及思想賦能行業數智化轉型及落地實施 6.2 ChatGPT應用場景及行業領域分析 6.3 ChatGPT+機器人場景應用方案及布局 6.3.1 ChatGPT生成式預訓練模型升級各行業機器人 6.3.2 ChatGPT+行業機器人賦能行業應用 6.4 ChatGPT聊天機器人+智慧家庭應用方案及布局 6.4.1 ChatGPT聊天機器人精心陪伴老人 6.4.2 ChatGPT聊天機器人陪伴兒童成長 6.5 基于ChatGPT聊天機器人的智能客服應用 6.6 ChatGPT+工業場景應用方案及布局 6.6.1 GPT生成式預訓練模型+專家系統融合應用 6.6.2 GPT生成式預訓練模型優化專家系統 6.6.3 GPT預訓練優化模型提高產品質檢效率 6.6.4 GPT預訓練優化模型提高設備預測性維護的能力 6.6.5 GPT預訓練優化模型提高設備精準故障定位的能力 6.7 ChatGPT+農業場景應用方案及布局 6.8 ChatGPT+醫療場景應用方案及布局 6.9 ChatGPT+教育場景應用方案及布局 6.10 ChatGPT+金融場景應用方案及布局 6.11 ChatGPT+展覽宣傳場景應用方案及布局 6.12 ChatGPT+新媒體場景應用方案及布局 |
模塊七：商業篇-ChatGPT商業模式及商機挖掘
| 7.ChatGPT商業模式及商機挖掘 7.1 ChatGPT商業模式架構-MaaS（模型即服務） 7.1.1 什么是MaaS（模型即服務）？ 7.1.2 MaaS（模型即服務）架構 7.1.3 MaaS（模型即服務）架構基座-大模型 7.1.4 MaaS（模型即服務）整體產業架構 7.1.5 MaaS（模型即服務）商業模式的核心：“模型→單點工具（如ChatGPT）→應用場景”的服務路徑 7.2 ChatGPT的商業模式 7.2.1 訂閱制收費模式-直接收費 7.2.2 通過API接口提供技術服務-賦能收費（根據API的使用量和質量級別收取費用） （1）提供大模型服務-賦能行業應用 （2）許可證銷售服務 7.3 案例：Hugging Face商業模式 7.3.1 AutoTrain模式 7.3.2 Interface API & Infinity模式 7.3.3 Private Hub模式 7.3.4 Expert Support模式 7.3 ChatGPT的商機挖掘-賦能行業應用 |
模塊八：產業篇-ChatGPT產業發展及投資分析
| 8. ChatGPT產業發展及投資分析 8.1 ChatGPT產業生態構建與參與角色 8.2 ChatGPT涉及的上下游產業鏈分析 8.2.1 算力相關產業分析（AI芯片/GPU/DPU/FPGA/ASIC芯片等，服務器、數據中心、云計算、邊緣計算等） 8.2.2 算法服務相關產業分析 8.2.3 算力網絡相關產業分析 8.2.4自然語言處理（NLP）相關產業分析 8.2.5人工智能生成內容（AIGC）相關產業分析 8.2.6數據標注相關產業分析 8.2.7 ChatGPT下游應用場景相關產業分析（智能客服、搜索引擎、圖像、文字、代碼生成等） 8.2.8 ChatGPT產業發展的切入點及路徑分析 8.2.9 ChatGPT對我國AI技術和產業發展的示范效應分析 8.2.10 ChatGPT產業發展市場前景分析 8.3 ChatGPT產業投資機會及方向分析 8.4 我國ChatGPT相關上市公司核心競爭力及投資分析 |
模塊九：建議篇-ChatGPT面臨挑戰及發展建議 | 9. ChatGPT面臨的挑戰及發展建議 9.1ChatGPT面臨的挑戰分析 9.1.1 ChatGPT技術及應用發展面臨哪些挑戰？（數據的實時性問題，數據的真實性問題，模型在線推理端成本問題，算法過度優化對性能的影響（古德哈特定律），數據標注產生算法偏見等） 9.1.2 ChatGPT面臨的最大挑戰是什么？如何應對？（錯誤的數據，挑逗性提問等導致產生法律、道德、宗教信仰、歧視性等方面的問題） 9.1.3 黑客利用ChatGPT進行網絡攻擊面臨的挑戰及應對策略 9.2 ChatGPT主要的創新點和技術壁壘分析 9.3 ChatGPT給我們的啟示是什么？（從產品創新角度分析） 9.4 ChatGPT的發展對相關產業的影響分析及應對策略 9.5 ChatGPT的發展對相關職業領域的影響分析及應對策略 9.6 ChatGPT的發展對人類社會的生活、工作和學習等產生的影響分析及應對策略 9.7 ChatGPT技術及應用發展建議 9.7.1 ChatGPT技術及應用發展的切入點及路徑 9.7.2 基于ChatGPT的示范效應推動我國AI技術和行業賦能應用的發展 9.7.3 基于ChatGPT的示范效應加快我國AIGC產業商用化落地進程 9.7.4 基于ChatGPT和AIGC技術變革數字內容的生產方式和消費模式 9.7.5 基于ChatGPT和AIGC技術推動元宇宙應用與發展的商用進程，賦能我國數字經濟高質量發展 |
（1）重點知識回顧與總結；
（2）互動與討論：問與答。
就學員提出的問題進行分析、討論、模擬演練和點評。
培訓方式及方法：
本課程采用模塊化教學方法通過理論講授，案例分析，方法傳授、動畫演示、互動討論，講師點評、實戰演練、項目展示等多種教學手段與方法，將ChatGPT關鍵技術、商業模式及產業發展布局與大量的典型案例結合起來，達到學以致用、解決實際問題的目的。
培訓工具：PPT講義、項目案例演示、投影儀、白板、白紙、彩筆、音響設備、話筒等。
評估方法：（1）學員學習成果（項目解決方案）評估；（2）學員打分評估。
京公網安備 11011502001314號
