【ZiDongHua 之 会展赛培坛：工业互联网、智能制造、人工智能、边缘计算、智慧交通、物联网、智慧农业、 智慧城市、机器人、智慧物流、智慧医疗、高质量发展、智慧教育、聊天机器人、自然语言处理、工业自动化、智能家居、区块链、机器学习、数智化转型、智能客服、AIGC 、ChatGPT 、智能电网、智慧港口、智慧钢铁、智慧矿山、智慧煤矿、智慧旅游、智慧社区、智慧工厂 】

 

 

关于举办 《ChatGPT/GPT-4 与 AIGC 人工智能生成 内容关键技术及发展布局》高级研修班的通知

 

 

各企事业单位、高等院校及科研院所：

 

ChatGPT (全称 Chat Generative Pre-trained Transformer) ，聊天式预训练生成转换模型，是一 种生成式语言模型，俗称 “通用聊天机器人”，是人工智能研究实验室OpenAI开发的一种基于人工智 能 (AI) 技术的自然语言处理工具。该模型基于 Transformer 神经网络架构，即 GPT3.5 架构，并且还 在继续演进与发展。ChatGPT 的总体技术路线是：采用自然语言处理+搜索引擎集成的架构，构建 GPT3.5+ 大型语言模型 (LLM) +强化学习微调训练模型 (RLHF) ，通过连接大量的语料库，在效果强大、基于自 注意力机制的 GPT3.5 架构的大型语言模型 (LLM) 基础上，引入 RLHF (基于人类反馈的强化学习) 技术， 通过预训练方法处理大模型序列数据来训练模型，通过“人工标注数据 (人工反馈) +强化学习”来不 断微调 (Fine-tune) 预训练语言模型，从而实现拥有语言理解和文本生成的能力， 以完成特定任务。 ChatGPT 实现的关键要素是：NLP (自然语言处理) 是核心 ，搜索是辅助，算力是硬核。

ChatGPT 是生成式人工智能技术，是一个创造性的新世界。ChatGPT 模型以对话的方式进行人机交互，包括普通聊天、连续对话，语言翻译、信息咨询、方案策划、撰写诗词作文、编写程序、修改代码 等，ChatGPT 不仅能够回答后续问题，还能承认错误，质疑不正确的问题，并拒绝不适当的请求。ChatGPT 具备上知天文、下知地理，还能根据聊天的上下文进行互动的能力，做到与真正人类几乎无异的聊天场 景进行交流。ChatGPT 于 2022 年 11 月 30 日上线测试，2022 年 12 月 5 日，ChatGPT 用户数突破了 100 万， 目前，ChatGPT 月活用户数超过一亿。

GPT-4 是多模态预训练大模型，是 ChatGPT 的升级版本，能接受图像和文本输入，再输出正确的文 本回复。GPT-4 是 ChatGPT(聊天机器人)、GPT-3.5(自然语言处理模型)和 CLIP(连接文本和图像的神经 网络)的有机组合。GPT-4 于 2023 年 3 月 15 日发布。

GPT-4 主要实现以下几个方面能力的飞跃式提升：GPT-4 可以接受文本和图像形式的Prompt，新能 力与纯文本设置并行，允许用户指定任何视觉或语言任务。GPT-4 具有强大的识图能力；文字输入限制 提升至 2.5 万字； 回答准确性显著提高；能够生成歌词、创意文本，实现风格变化。实验表明，GPT-4 在各种专业测试和学术基准上的表现与人类水平相当。

ChatGPT 与 GPT-4 都属于人工智能生成内容 AIGC 的技术范畴。AIGC(全称 Artificial Intelligence Generated Content) 是相对于 PGC (专业生产内容) 、UGC (用户生产内容) 而言的一个新的概念，即 利用 AI 技术进行内容的自动化生产。 目前已初步应用于文字、图像、视频、音频、游戏以及虚拟人等 场景。

习近平总书记曾指出：  “数字技术正以新理念、新业态、新模式全面融入人类经济、政治、文化、 社会 、生态文明建设各领域和全过程” 。在当前数字世界和物理世界加速融合的大背景下 ，  以 ChatGPT/GPT-4 为代表的人工智能生成内容 (AIGC) 技术正在悄然引导着一场深刻的变革，重塑甚至颠 覆数字内容的生产方式和消费模式，将极大地丰富人们的数字生活，是未来全面迈向数字文明新时代不 可或缺的支撑力量。基于上述分析，为进一步推动以ChatGPT 为代表的人工智能生成内容 (AIGC) 技术 的广泛应用及产业发展与布局，赋能我国数字经济、数字政府、数字社会高质量发展，为培养数字转型 时代急需的高端人才，中科软研特邀请行业一线专家在全国开展《ChatGPT/GPT-4 与 AIGC 人工智能生成 内容关键技术及发展布局》高端咨询类培训课程。中国管理科学研究院职业教育研究院主办、中科软研  (北京) 科学技术中心承办、北京富卓佰扬科技有限公司协办。具体通知事宜如下：

一、【培训亮点】

1、本课程以前瞻性、独特的视角，按照概念篇、架构篇、技术篇、算力篇、体验篇、应用篇、商 业篇、产业篇、建议篇九大模块，对 ChatGPT 技术进行系统、全面，深刻、而又富于创新地阐述。对配 套的专业多物理场仿真理论有较深的理解，并掌握软件的使用。

2、从 ChatGPT/GPT-4 的技术方案中，学习更多有价值的东西，不仅仅是单纯的技术，单纯的软件、 工具或算法，更重要的是学习其中的逻辑思维方法、科学研究方法、技术与产品创新方法等。让我们深 刻领悟，技术方案中的某一点点创新，却可以引发革命性的巨变，创造巨大的价值。

3、关注诉求与商用落地，从商机挖掘、产业发展、行业应用布局等维度，阐述以ChatGPT 技术为 代表的生成式人工智能 (AI) 技术的创新应用理念与产业发展和行业应用布局。

二、【培训专家】

李文耀：副教授，硕士生导师，全国优秀教师。1991 年毕业于北京邮电大学，国内通信行业精通各 种通信网络与技术的网络专家、技术专家，全国通信行业资深讲师，高级网络架构师、高级咨询师，工 业信息化部通信行业职业技能鉴定中心考评员，中国 5G 物联网与 NB-IoT 产业联盟专家组成员，中国物 联网产业应用联盟专家组成员，中国通信工业协会物联网分会专家组成员、原邮电部武汉邮电科学研究 院情报中心高级研究员，武汉邮电科学研究院 ·烽火科技集团高级培训师，工信部职业技能鉴定中心 5G、 物联网、工业互联网、人工智能特约讲师，中国通信工业协会物联网分会 5G 物联网、工业互联网专业 特约讲师。《中国光电》杂志、中国光电网 (www.optochina. net) 编委会成员，《通信世界》杂志特 邀撰稿人，被评为 2011-2012 年度通信产业先锋技术人物，2012 年全国通信行业“金牌培训讲师”。在 5G、物联网、工业互联网、云计算、大数据、人工智能、区块链、元宇宙、边缘计算、算力网络、传输 网 (100G/400G WDM/OTN) 、接入网 (10G/50G EPON/GPON) 、数据网、交换网、城域网、互联网、移动 互联网、5G+AICDEB 赋能垂直行业应用领域、DICT 项目咨询、智慧城市、智慧工厂、智能制造、智慧教 育、智慧交通、智能电网、智慧港口、智慧钢铁、智慧矿山、智慧煤矿、智慧物流、智慧医疗、智慧农 业、智慧旅游、智慧社区、智能家居等领域有一定的造诣和工程建设实践经验。诚实做人，学识渊博、知识结构全面、亲和力强、在业界有一定影响。既有雄厚而扎实的理论基础、精湛而熟练的技术、又有 丰富的理论及实践教学经验和技巧，在长期的教学与培训实践中形成了独具特色、自成体系的教学风格 和教学方法，最大特点在于以人文的思想与方法进行教学，生动活泼，富于激情与感染力；教学针对性 强，知识全面、思路清晰、逻辑严密、结合丰富的案例进行教学，深入浅出、诙谐幽默；通过互动教学， 解决学员在实际工作中遇到的各种问题，让学员在短时间内取得较大收获。学员上万人，学员对教学效 果评估，满意率均达 90%以上。曾主持并参与部级科研课题 5 项，省级科研项目 10 项，与他人合著技术 参考书 2 部，在国内外刊物上发表论文 20 多篇，多次获奖。

三、【时间地点】

2023 年 5 月 19 日—2023 年 5 月 21 日  线上：直 播

2023 年 5 月 19 日—2023 年 5 月 21 日  线下：北 京

 

四、【培训大纲】

 

培训主题

详细内容

模 块 一 ：  概 念 篇 -ChatGPT/GPT-4 概念诠 释及技术发展

1．ChatGPT/GPT-4 概念诠释及技术发展

1.1 什么是 ChatGPT？  (技术视角、OpenAI、维基百科的定义)

1.2 ChatGPT 技术核心要点诠释

1.3    问题：如何理解 ChatGPT？-理解 ChatGPT 的关键点

1.3.1 ChatGPT 是如何工作的？

1.3.2 ChatGPT 的训练数据来源于何处？

1.3.3 ChatGPT 如何进行模型预训练？

1.3.4 ChatGPT 是如何自动生成文本的？

1.3.5 ChatGPT 如何准确回答问题？

1.3.6 ChatGPT 如何按照人类思维回答问题？

1.4 问题：ChatGPT 的主要技术有哪些？

1.5 ChatGPT 的主要特点有哪些？

1.6ChatGPT 的最大创新点是什么？

1.7ChatGPT 优化对话语言模型的优化目标是什么？

1.8ChatGPT 与普通聊天机器人的区别是什么？

1.9 GPT-4 的概念及关键技术

1.9.1 什么是 GPT-4？GPT-4 的核心要点诠释

1.9.2 什么是多模态生成模型？GPT-4 如何实现跨模态融合？

1.9.3 GPT-4 的关键技术有哪些？

1.9.4 GPT-4 的预训练模型是什么？  (预训练语言模型、预训练图像 模型、预训练音频模型、预训练视频模型)

 

1.9.5 GPT-4 如何进行模型预训练？

1.9.6 GPT-4 如何根据图形、音频、视频等自动生成文本？

1.9.7 GPT-4 对于 ChatGPT 实现哪些方面能力的提升？

1.9.8 GPT-4 与 GPT 系列内容窗口对比

1.9.9 GPT-4 与 ChatGPT 的比较

1.9.10 GPT-4 技术与 ChatGPT 有哪些不同点？ 1.10ChatGPT/GPT-4 存在的问题与不足是什么？ 1.11ChatGPT/GPT-4 界面及网址             1.12ChatGPT/GPT-4 的基本功能与高级功能

1.13 ChatGPT/GPT-4 和 AIGC 的关系是什么？

1.14 ChatGPT/GPT-4、AIGC 和元宇宙的关系是什么？

1.15 ChatGPT/GPT-4 对推动元宇宙的商用落地与快速发展有何影 响？

1.16ChatGPT/GPT-4 的产生、发展及影响

1.16.1 ChatGPT/GPT-4 的产生

1.16.2 ChatGPT/GPT-4 的发展历程 (GTP-1,GTP-2,GTP-3, ChatGPT, GTP-4)

1.16.3 ChatGPT/GPT-4 的研究现状

1.16.4 ChatGPT/GPT-4 的产生与发展对人类社会将带来什么影响？

1.16.5 ChatGPT/GPT-4 对哪些职业和工作产生挑战和影响？

1.17 ChatGPT/GPT-4 对我们的启示有哪些？

1.18 如何从 ChatGPT/GPT-4 的技术方案中学习有价值的东西？

1.19 如何运用基于人工智能的ChatGPT/GPT-4技术方案赋能行业智 慧应用与商用落地和快速发展？

模 块 二 ：  架 构 篇 -ChatGPT/GPT-4 系 统 架 构及工作流程

2. ChatGPT/GPT-4 的系统架构及工作流程

2.1 ChatGPT 的总体技术路线是什么？

2.1.1 自然语言处理+搜索引擎集成架构

2.1.2 GPT3.5+大型语言模型 (LLM) +强化学习微调训练模型架构

2.1.3 ChatGPT 实现的关键要素有哪些？

2.2 构建 ChatGPT 系统架构需要考虑哪些关键问题？

2.2.1 ChatGPT 技术架构的关键点是什么？

2.2.2 ChatGPT 预训练模型有哪些？

2.2.3 ChatGPT 预训练数据集有哪些？

2.2.4 ChatGPT 如何进行模型预训练？

2.2.5 ChatGPT 进行模型训练的步骤有哪些？

2.3 ChatGPT 的工作流程-理解 ChatGPT 架构的基础

2.3.1 有监督微调 (SFT)

2.3.2 奖励模型 (RM) 训练

2.3.3 PPO 模型强化学习

2.3.4 基于人类反馈的强化学习-RLHF

2.3.5 例子：ChatGPT 语言处理的工作流程

语言处理数据流转流程：输入文本、语言识别、情感分析、信息抽 取、命名实体识别、句子相似性处理、文本分类、全文搜索、文本 生成、上下文管理、问题解答、输出文本

2.4 GPT-4 的系统架构及工作流程

2.4.1 GPT-4 实现的关键要素有哪些？

2.4.2 构建 GPT-4 系统架构需要考虑哪些关键问题？

2.4.3 GPT-4 的技术路线是什么？

 

 

2.4.4 GPT-4 的系统架构及组成

2.4.5 GPT-4 系统架构的关键点是什么？

2.4.6 GPT-4 的工作原理及工作流程

2.4.7 GPT-4 预训练模型有哪些？

2.4.8 GPT-4 预训练数据集有哪些？

2.4.9 GPT-4 如何进行模型预训练？

2.4.10 GPT-4 进行模型训练的步骤有哪些？

2.4.11 GPT-4 的工作流程

2.5 ChatGPT/GPT-4 的系统架构-Transformer 架构

2.51 什么是 Transformer？

2.5.2 Transformer 模型的作用

2.5.3 Transformer 总体架构及组成

(1) 输入部分，  (2) 输出部分，  (3) 编码器部分，  (4) 解码器 部分

2.5.4 Encoder-Decoder 编码器-解码器框架

2.5.5 输入部分的实现

(1) 文本嵌入层及作用，  (2) 位置编码器及作用

2.5.6 编码器部分的实现

(1) 掩码张量，  (2) 注意力机制，  (3) 多头注意力机制，  (4) 前馈全连接层，  (5) 规范化层，  (6) 子层连接结构，  (7) 编码器 层，  (8) 编码器

2.5.7 解码器部分的实现

(1)  解码器层，  (2) 解码器

2.5.8 输出部分的实现

(1) 线性层，  (2) softmax 层

2.5.9 模型构建

2.6 案例分析：使用 Transformer 构建语言模型

2.7 GPT3.5 预训练模型架构

2.8 大型语言模型 (LLM) 架构

2.9 强化学习微调训练模型架构-RLHF 架构

2.10   ChatGPT/GPT-4 应用系统架构及组成-端边网云 (水平分割)

2.10.1    ChatGPT/GPT-4 应用终端 (PC 机、智能手机、PAD 等)

2.10.2 边缘计算 (边缘算力)

2.10.3 互联网/移动互联网

2.10.4 云(超级计算机、超级算力) -云数据中心(Microsoft Azure、 国资云 (国家云) 、天翼云、移动云、沃云、华为云、百度云、阿 里云、腾讯云等)

2 11 ChatGPT/GPT-4 系统架构优化及应用推广

模 块 三 ：  技 术 篇 -ChatGPT/GPT-4 关键 技 术及原理详解

3. ChatGPT/GPT-4 关键技术及原理详解

3.1 ChatGPT/GPT-4 的关键技术体系

3.2 ChatGPT/GPT-4 的技术基础-AI：人工智能

3.2.1 机器学习- ML

3.2.2 深度学习

3.2.3 神经网络

3.2.4 自然语言处理-NLP

3.2.5 人工智能生成内容-AIGC

3.3 ChatGPT/GPT-4 的关键技术-Transformer 技术

3.3.1 什么是 Transformer？

 

3.3.2 Encoder-Decoder 技术

3.3.3 Transformer 分类模型

3.3.4 Transformer 算法-GTP3.5 预训练模型

3.3.5 预训练模型- 自然语言理解

3.3.6 预训练模型-长序列建模

3.3.7 预训练模型-模型优化

3.3.8 Transformer 算法流程

3.3.9 问题:Transformer 算法的改进及主要优点是什么？

3.4 ChatGPT 的关键技术-GPT：预训练生成模型

3.5 ChatGPT 的关键技术-LLM：大型语言模型

3.6 ChatGPT 的关键技术-RLHF:基于人类反馈的强化学习

3.7 ChatGPT 的关键技术-数据标注

3.8 GPT-4 的关键技术

3.8.1 多模态生成模型及关键技术

3.8.2 预训练语言模型及关键技术

3.8.3 预训练图像模型及关键技术

3.8.4 预训练音频模型及关键技术

3.8.5 预训练视频模型及关键技术

3.8.6 多模态融合关键技术

模 块 四 ：  算 力 篇 -ChatGPT/GPT-4 算 力 需 求及算力布局

4. ChatGPT/GPT-4 算力需求及算力布局

4.1 人工智能 (AI) 复杂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/GPT-4 算力需求分析

4.1.3 ChatGPT/GPT-4 算力需求举例

4.2 算力的概念及量纲

4.3 算力的分类

4.3.1 基础算力 (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 (超级计算机、计算集群)

4.3.4 量子算力 (量子计算机)

4.4 算效的概念

4.5 综合算力 (算力+存力+运力)

4.6 算力应用场景

4.7 算力部署策略-“东数西算”工程

4.7.1“东数西算”的概念

4.7.2  “东数西算”的应用场景

4.7.3  “东数西算”的数据处理

4.7.4  “东数西算”工程总体架构 (8 大枢纽中心、10 大数据中心 集群)

4.7.5 数据中心业务类型

4.7.6 数据中心集群建设规模

4.7.7  “东数西算”工程建设方案：联接力+运力+算力+智力

4.8 算力部署方案-算力网络

4.8.1 算力网络的定义及技术特点

4.8.2 算力网络与现有通信网络的区别

4.8.3 算力网络的工作原理及业务流程

4.8.4 算力网络的标准架构与接口

4.8.5 算力网络系统架构与组成

 

 

4.8.6 算力网络的建设方案

4.9 基于“东数西算”工程的 ChatGPT/GPT-4 部署策略-安全、高可 靠运行等

4.9.1 西部数据中心-ChatGPT/GPT-4 大模型建模与训练

4.9.1 东部数据中心-ChatGPT/GPT-4 推理服务等

4.10 基于“算力网络”的 ChatGPT/GPT-4 部署策略-海量数据处理、 超级算力、高可靠、低时延、安全等

模块五：AIGC 篇-AIGC 概 念诠释与关键能力及创 作工具

5.AIGC 概念诠释与关键能力及创作工具

5.1AIGC 的概念及关键能力

5.1.1 什么是 AIGC？

5.1.2 AIGC 的类型

5.1.3 AIGC 的关键能力

5.2 AIGC 的关键技术

5.2.1 人工智能生成文本

5.2.2 人工智能生成图形、图像

5.2.3 人工智能生成音频

5.2.4 人工智能生成视频

5.3 AIGC 的体系架构及组成

5.4 AIGC 的应用场景

5.5 AIGC 创作工具介绍

5. 案例：ChatGPT 基本功能及使用体验

5.1 ChatGPT 的基本功能及特征

5.2 ChatGPT 的基本功能-语言处理功能及描述

文本生成、文本补全、文本分类、文本校正、诗歌生成、内容创建、 问答、翻译、摘要、改写、情感分析、聊天机器人等

5.3 ChatGPT 的高级功能-高端应用功能及描述

编写和调试计算机程序、程序修改、模拟Linux 系统、企业策划、 方案设计、项目咨询、文学创作、撰写演讲提纲、撰写分析报告、 金融分析、工业自动化、医学诊断、教育、供应链管理、销售和营 销、法律应用、科学研究等。

5.4 ChatGPT 使用体验及效果评估

6. 案例：GPT-4 基本功能及使用体验

模 块 六 ：  应 用 篇 -AIGC/GPT 的应用场景及 行业应用布局

6. AIGC/GPT 应用场景及行业布局

6.1    ChatGPT/GPT-4/AIGC  应 用 总 体 思 路 ：   运 用 ChatGPT/GPT-4/AIGC 技术方案及思想赋能行业数智化转型及落地实 施

6.2 ChatGPT/GPT-4/AIGC 应用场景及行业领域分析

6.3 案例：  ChatGPT+机器人场景应用方案及布局

6.3.1 ChatGPT 生成式预训练模型升级各行业机器人

6.3.2 ChatGPT+行业机器人赋能行业应用

6.4 案例：ChatGPT 聊天机器人+智慧家庭应用方案及布局

6.4.1 ChatGPT 聊天机器人精心陪伴老人

6.4.2 ChatGPT 聊天机器人陪伴儿童成长

6.5 案例：基于 ChatGPT 聊天机器人的智能客服应用

6.6 案例：ChatGPT/GPT-4+工业场景应用方案及布局

6.6.1 ChatGPT/GPT-4+生成式预训练模型+专家系统融合应用

6.6.2 ChatGPT/GPT-4+生成式预训练模型优化专家系统

6.6.3 ChatGPT/GPT-4 预训练优化模型提高产品质检效率

 

6.6.4 ChatGPT/GPT-4 预训练优化模型提高设备预测性维护的能力

6.6.5 ChatGPT/GPT-4 预训练优化模型提高设备精准故障定位的能 力

6.7ChatGPT/GPT-4+农业场景应用方案及布局

6.8 ChatGPT/GPT-4+医疗场景应用方案及布局

6.9 ChatGPT/GPT-4+教育场景应用方案及布局

6.10 ChatGPT/GPT-4+金融场景应用方案及布局

6.11 ChatGPT/GPT-4+展览宣传场景应用方案及布局

6.12 ChatGPT/GPT-4+新媒体场景应用方案及布局

模 块 七 ：  商 业 篇 -AIGC/GPT 的商业模式分 析及商机挖掘

7. AIGC/GPT 商业模式及商机挖掘

7.1 AIGC/GPT 商业模式架构-MaaS (模型即服务)

7.1.1 什么是 MaaS (模型即服务) ？

7.1.2 MaaS (模型即服务) 架构

7.1.3 MaaS (模型即服务) 架构基座-大模型

7.1.4 MaaS (模型即服务) 整体产业架构

7.1.5 MaaS (模型即服务) 商业模式的核心：“模型→单点工具 (如 ChatGPT) →应用场景”的服务路径

7.2 AIGC/GPT 的商业模式

7.2.1 订阅制收费模式-直接收费

7.2.2 通过 API 接口提供技术服务-赋能收费 (根据 API 的使用量和 质量级别收取费用)

(1) 提供大模型服务-赋能行业应用

(2) 许可证销售服务

7.3 案例：Hugging Face 商业模式

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 AIGC/GPT 的商机挖掘-赋能行业应用

模 块 八 ：  产 业 篇 -AIGC/GPT 的产业发展前 景及投资分析

8. AIGC/GPT 产业发展及投资分析

8.1 AIGC/GPT 产业生态构建与参与角色

8.2 AIGC/GPT 涉及的上下游产业链分析

8.2.1 算力相关产业分析 (AI 芯片/GPU/DPU/FPGA/ASIC 芯片等，服 务器、数据中心、云计算、边缘计算等)

8.2.2 算法服务相关产业分析

8.2.3 算力网络相关产业分析

8.2.4 自然语言处理 (NLP) 相关产业分析

8.2.5 人工智能生成内容 (AIGC) 相关产业分析

8.2.6 数据标注相关产业分析

8.2.7 AIGC/GPT 下游应用场景相关产业分析 (智能客服、搜索引擎、 图像、文字、代码生成等)

8.2.8 AIGC/GPT 产业发展的切入点及路径分析

8.2.9 AIGC/GPT 对我国 AI 技术和产业发展的示范效应分析

8.2.10 AIGC/GPT 产业发展市场前景分析

8.3 AIGC/GPT 产业投资机会及方向分析

8 4 我国 AIGC/GPT 相关上市公司核心竞争力及投资分析

模 块 九 ：  建 议 篇 -AIGC/GPT 面临挑战及监

9. AIGC/GPT 面临的挑战及发展建议

9.1 国家互联网信息办公室关于《生成式人工智能服务管理办法(征

管与发展建议

求意见稿) 》解读

9.2AIGC/GPT 面临的挑战分析

9.2.1 AIGC/GPT 技术及应用发展面临哪些挑战？  (数据的实时性问 题，数据的真实性问题，模型在线推理端成本问题，算法过度优化 对性能的影响 (古德哈特定律) ，数据标注产生算法偏见等)

9.2.2 AIGC/GPT 面临的最大挑战是什么？如何应对？ (错误的数据， 挑逗性提问等导致产生法律、道德、宗教信仰、歧视性等方面的问 题)

9.2.3 黑客利用AIGC/GPT 进行网络攻击面临的挑战及应对策略

9.3 AIGC/GPT 主要的创新点和技术壁垒分析

9.4 AIGC/GPT 给我们的启示是什么？  (从产品创新角度分析)

9.5 AIGC/GPT 的发展对相关产业的影响分析及应对策略

9.6 AIGC/GPT 的发展对相关职业领域的影响分析及应对策略

9.7 AIGC/GPT 的发展对人类社会的生活、工作和学习等产生的影响 分析及应对策略

9.8 促进 AIGC/GPT 健康发展的监管策略及措施

9.9 AIGC/GPT 技术及应用发展建议

9.9.1 AIGC/GPT 技术及应用发展的切入点及路径

9.9.2 基于AIGC/GPT 的示范效应推动我国 AI 技术和行业赋能应用 的发展

9.9.3 基于AIGC/GPT 的示范效应加快我国AIGC 产业商用化落地进 程

9.9.4 基于 AIGC/GPT 技术变革数字内容的生产方式和消费模式

9.9.5 基于 AIGC/GPT 技术推动元宇宙应用与发展的商用进程，赋能 我国数字经济高质量发展

课程总结

重点知识回顾与总结；

互动与讨论： 问与答；

就学员提出的问题进行分析、讨论、模拟演练和点评； 建立学员微信答疑群，提供课后交流答疑。

 

 

五、【培训方式/工具及方法】

培训方式及方法：本课程采用模块化教学方法通过理论讲授，案例分析，方法传授、动画演示、互 动讨论，讲师点评、实战演练、项目展示等多种教学手段与方法，将 ChatGPT/GPT-4/AIGC 关键技术、 商业模式及产业发展布局与大量的典型案例结合起来，达到学以致用、解决实际问题的目的。

培训工具：PPT 讲义、项目案例演示、投影仪、 白板、 白纸、彩笔、音响设备、话筒等。 

评估方法：  (1) 学员学习成果 (项目解决方案) 评估；  (2) 学员打分评估。

六、【培训费用】

A 类：收费 3900 元/人 (含培训费、资料费、A 类证书费、指导费、发票费等)

B 类：收费 4800 元/人 (含培训费、资料费、A 类+B 类证书费、指导费、发票费等)

C 类：收费 5300 元/人 (含培训费、资料费、A 类+B 类+C 类证书费、指导费、发票费等)

注：如需开会议费发票，可提供会议通知，本次差旅费，食宿费自理。

 

七、【颁发证书】

A 类：可获得中科软研 (北京) 科学技术中心颁发的高级《AIGC 应用工程师》专业能力证书；

B 类：可获得中国管理科学研究院职业教育研究院颁发的高级《人工智能 AIGC 应用工程师》职业技 能证书，纳入中管院人才库，全国通用可查，可以作为晋升、评级的有效凭证。

C 类：可获得工业和信息化部中国通信工业协会 (国家级协会) 颁发的高级《人工智能应用管理师》 NTC 职业技能证书，纳入通信协会全国通用可查，可以作为晋升、评级的有效凭证。

八、【优惠政策】

1、学生凭学生证优惠 300 元；

2、3 人以上(含)团体报名每人可减少 200 元；

3、5 人以上(含)团体报名，另外赠送一个名额；

4、以上优惠政策不能同时享受，只能享受其中一种。

 

九、【联系方式】

 

联系人：肖工

手机\微信：17710689057

报名邮箱：study@zidonghua.com.cn