资源截图
MP4 |视频:h264,1920×1080 |音频:AAC,44.1 KHz
语言:英语 |时长:2小时54米
你将学到什么
- 了解 ChatGPT、Claude、Gemini 和 Midjourney 的实际含义 – 它们的工作原理、构建基础以及行为方式的原因
- 了解大型语言模型 (LLM) 和生成式 AI 在幕后的工作原理 – 无需代码或数学
- 了解提示工程 – 为什么有些提示会产生良好的结果,而另一些则不会,以及模型内部发生了什么
- 了解 AI 代理和代理 AI — 自主系统如何在无需人工输入的情况下感知、推理、计划和行动
- 了解开源 AI 生态系统 – Hugging Face、Llama、Mistral – 以及它与封闭的专有模型有何不同
- 了解人工智能的真正局限性 – 幻觉、成本、延迟和数据墙 – 以及它们在根本层面上发生的原因
- 了解如何批判性地阅读 AI 基准测试和排行榜 – 以及它们没有告诉您有关真实世界性能的信息
- 了解 AGI、对齐问题以及 Anthropic 和 DeepMind 的 AI 安全研究议程
要求
- 无需编码或技术背景
- 对人工智能充满好奇,并愿意仔细思考事物的运作方式
描述
每个人都在谈论 ChatGPT、Claude 和 Gemini,但很少有人真正了解它们是如何工作的、它们的优点是什么,或者它们的失败之处。本课程解决了这个问题。在八个重点模块中,您将构建完整、准确的人工智能素养——一种人工智能的工作心理模型,使您能够更好地使用它、评估它并做出相关决策。
您将了解大型语言模型 (LLM) 的工作原理、如何使用提示工程技术编写有效的提示、如何使用 ChatGPT、Claude、Gemini 和 Midjourney 来执行实际任务,以及 AI 生态系统如何通过 API、开源模型和 Hugging Face 等工具进行连接。您还将了解 AI 代理和代理 AI 的新世界 – 自主系统可以规划、使用工具并完成多步骤任务,而无需在每一步进行人工输入。
该课程还涵盖了人工智能会犯的错误:幻觉、成本、延迟和数据墙。它一直延伸到前沿:AGI、一致性、人工智能安全,以及像 Anthropic 和 DeepMind 这样的组织实际上正在研究什么。没有代码。没有数学。只是一个清晰、诚实、有根据的理解。
最后,您将拥有一个个人 AI 堆栈、一个用于评估每个推出的新工具的框架,以及一个学习循环,随着生成式和代理 AI 的不断发展,您的 AI 素养将保持最新。


评分及评论
暂无评分
来评个分数吧