课程目录

• 1.1-AI：人类最后一项重要发明
• 1.2-人工智能的“智能”本质：信息复杂度的跃迁
• 1.3-人工智能的爆发点，为什么是“语言”？
• 1.4-AI将取代哪些行业？
• 1.5-AI 最先取代的行业：金融
• 1.6-AI取代不了的行业有哪些？
• 1.7-用好AI的法门：问题比答案重要
• 1.8-AI通识课，到底讲什么东西？
• 1.9-如何检验你的AI学习成果？
• 2.1-人工智能的终极目标：像人一样解决问题
• 2.2-人工智能包括哪些方面？AI=ANI+AGI
• 2.3-人工智能有哪些实现方式？
• 2.4-人工智能的核心领域：机器学习
• 2.5-通往AGI之路
• 2.6-什么是Scaling Law？
• 2.7-AGI：大力真的可以出奇迹吗？
• 2.8-人工智能真的只能只能是个“黑盒”吗？
• 2.9-负责任的人工智能
• 3.1-机器学习：人工智能的地基
• 3.2-机器学习三大法宝：监督学习
• 3.3-监督学习：人脸识别
• 3.4-机器学习三大法宝：无监督学习
• 3.5-无监督学习：K均值算法
• 3.6-机器学习三大法宝：强化学习
• 3.7-强化学习：具身智能
• 3.8-强化学习：空间人工智能
• 3.9-如何用强化学习打Dota2？
• 4.1-“你才搞神经网络，你全家都搞神经网络”
• 4.2-人脑是如何运作的？
• 4.3-神经网络就是模拟人脑
• 4.4-神经网络的基本结构
• 4.5-为什么GPU比CPU强？
• 4.6-什么是Deep Learning？
• 4.7-如何打造有用的神经网络？
• 4.8-神经网络如何“反思”？
• 4.9-AlphaGO 是如何打造的？
• 5.1-什么是生成式AI？
• 5.2-什么是神经网络的架构？
• 5.3-Transformer架构
• 5.4-文生图：扩散模型
• 5.5-文生影片：扩散-transformer-模型
• 5.6-AI时代的新职业：提示词工程师
• 5.7-提示词的妙用
• 5.8-生成式AI的产品设计思路：把AI当成人
• 5.9-生成式AI的产品设计思路：让AI把你当成人
• 6.1-AI的核心价值：降低复杂度
• 6.2-智能体
• 6.3-微调
• 6.4-智能体工作流
• 6.5-情感陪伴
• 6.6-影音创作
• 6.7-科研提效
• 6.8-专业服务
• 6.9-智慧创造
• 7.1-基础大模型没有机会
• 7.2-中间层的整合创业机会
• 7.3-专业领域大模型
• 7.4-信息整合领域的创业
• 7.5-创作领域的创业机会
• 7.6-销售领域的创业机会
• 7.7-教育领域的创业机会
• 7.8-知识自动化领域的创业机会
• 7.9-AI + web3 的创业机会
• 8.1-机器人三定律
• 8.2-如何教AI“做人”？
• 8.3-教狗上厕所vs教人上厕所
• 8.4-量子力学的风险
• 8.5-AI的意识会觉醒吗？
• 8.6-AI拥有权利吗？
• 8.7-拔插头管用吗？
• 8.8-脑机接口：碳基生命与硅基生命的融合
• 8.9-脑机接口的风险：AI成瘾
• 9.1-AI智能的来源：涌现
• 9.2-AI与“炼金术”
• 9.3-AI与休谟：因果律不存在
• 9.4-AI与维特根斯坦：语言的边界就是认知的边界
• 9.5-AI与尼采：硅基生命是人类的进化方向吗？
• 9.6-AI与笛卡尔：如何让AI有逻辑？
• 9.7-AI与中医
• 9.8-AI与人类永生：上传意识靠谱吗？
• 9.9-AI将带领我们去往何方？