Помощник сценариста▸ 
AI Приложения 
AI Новости Сямэньский университет: Бесплатно скачать 120-страничную презентацию «DeepSeek — большая модель для преподавания и научных исследований в вузах»
小编 ·
Сямэньский университет: Бесплатно скачать 120-страничную презентацию «DeepSeek — большая модель для преподавания и научных исследований в вузах»
«DeepSeek: большая модель для преподавания и научных исследований в вузах» — это научно-популярный доклад, подготовленный командой по обучению работе с большими данными Университета Сямэнь, посвящённый применению большой модели DeepSeek в преподавании и научных исследованиях в высших учебных заведениях. Доклад был представлен доцентом Лин Цзыю и опубликован 25 февраля 2025 года. В работе «DeepSeek: большая модель для преподавания и научных исследований в вузах» подробно рассматриваются история развития искусственного интеллекта, технические принципы больших моделей, особенности DeepSeek, а также практика локального развёртывания в вузах. Кроме того, обсуждаются применение контента, генерируемого AI (AIGC), интеллектуальные агенты на основе больших моделей и то, как ИИ способствует научным исследованиям и преподаванию в вузах.
Ссылка для скачивания с Baidu Cloud:https://pan.baidu.com/s/1i0P1mYxBYpgl23OGC5EDxQ?pwd=6aer Код извлечения: 6aer
1. Краткая история развития искусственного интеллекта
Тест Тьюринга: в 1950 году Алан Тьюринг предложил метод тестирования машинного интеллекта, заложивший основополагающую концепцию искусственного интеллекта.
Рождение искусственного интеллекта: в 1956 году Дартмутская конференция ознаменовала официальное рождение дисциплины искусственного интеллекта.
Этапы развития: искусственный интеллект прошёл несколько этапов от момента своего зарождения до настоящего времени, включая период становления, период накопления и период бурного роста.
Перспективы на будущее: в будущем искусственный интеллект, вероятно, пройдёт через пять этапов, постепенно развиваясь в направлении общего искусственного интеллекта (AGI).
2. Мышление в области искусственного интеллекта
Понимание и различение: каждый человек должен понимать базовые принципы работы искусственного интеллекта и обладать мышлением, позволяющим различать возможности человека и машины.
Навыки взаимодействия: необходимо научиться сотрудничать с искусственным интеллектом и уметь использовать инструменты ИИ.
3. Большие модели: передний край искусственного интеллекта
Понятие большой модели: большая модель — это модель, основанная на технологиях глубокого обучения, обладающая огромным количеством параметров, мощными способностями к обучению и обобщению.
История развития: большие модели прошли три этапа — зарождение, накопление и бурный рост, а требования к вычислительным ресурсам постоянно менялись.
Классификация: большие модели подразделяются на языковые, визуальные и мультимодальные, а также могут классифицироваться по области применения на универсальные (L0), отраслевые (L1) и узкоспециализированные (L2).
Модели для логического вывода: например, o3 от OpenAI, способная выполнять сложные логические рассуждения и решать многоэтапные задачи.
Технические принципы: основаны на архитектуре Transformer и реализуют мощные возможности понимания и генерации языка с помощью кодировщика-декодировщика и механизма самовнимания.
4. Локальное развёртывание большой модели DeepSeek в вузах
Краткое описание DeepSeek: DeepSeek — это высокопроизводительная большая модель, особенно хорошо проявляющая себя в математических рассуждениях, с низкой стоимостью обучения.
Практика вузов: ряд вузов, включая Чжэцзянский университет и Пекинский педагогический университет, уже начали изучать локальное развёртывание DeepSeek для преподавания и научных исследований.
Преимущества локального развёртывания: оно обеспечивает эффективное автономное использование, индивидуальную настройку, защиту конфиденциальности данных и оптимизацию затрат.
Схемы развёртывания: включают сочетание дообучения модели и локальной базы знаний (RAG) для повышения эффективности модели в конкретных предметных областях.
Технические вызовы: вузы сталкиваются с такими проблемами, как нехватка вычислительных ресурсов и сложность технологического стека, однако проект KTransformers Университета Цинхуа уже обеспечил прорыв в области малозатратного развёртывания.
5. Применение и практика AIGC
Обзор AIGC: AIGC — это контент, генерируемый искусственным интеллектом, который с помощью технологий ИИ создаёт текст, изображения, аудио, видео и другое.
Сценарии применения: охватывают множество областей, включая электронную коммерцию, офисную работу, игры, развлечения, кино и телевидение, искусство, образование, дизайн, медиа и другие сферы.
pener">Промпты: представлены разнообразные инструменты AIGC (такие как ChatGPT, DeepSeek, Tongyi Qianwen и др.) и приёмы составления промптов для них.
Практические примеры: включая генерацию текста, генерацию изображений, генерацию речи, генерацию видео, вспомогательное программирование, AI-поиск и интеллектуальный офис и т.д.
Шесть. Интеллектуальные агенты на основе больших моделей
Понятие интеллектуального агента: интеллектуальный агент — это система, имитирующая интеллектуальное поведение человека, способная воспринимать окружающую среду и принимать автономные решения.
Интеллектуальные агенты на основе больших моделей: создаются с использованием больших языковых моделей и обладают автономностью, интерактивностью и адаптивностью.
Сценарии применения: интеллектуальные агенты могут применяться в различных университетских сценариях, включая преподавание, управление, научные исследования и сервис.
Примеры: например, суперинтеллектуальный агент Шанхайского морского университета, реализующий помощь в обучении, преподавании, исследованиях, управлении и международных обменах.
Семь. AI для поддержки научных исследований в вузах
Повышение эффективности исследований: DeepSeek помогает исследователям быстро выполнять поиск литературы, анализ данных, проектирование экспериментов и написание научных статей.
Междисциплинарная поддержка: преодоление междисциплинарных барьеров и предоставление помощи в различных областях.
Успешные примеры: итальянская исследовательская группа опубликовала статью в SCI за 1 день с помощью DeepSeek.
Меры предосторожности: следует остерегаться проблем с точностью контента, генерируемого AI, и избегать чрезмерного «AI-привкуса», который может привести к непрохождению проверки на плагиат.
Восемь. AI для поддержки преподавания в вузах
Инновационные модели обучения: включая адаптивные обучающие системы, AI-ассистентов преподавателей, Ai-помощник для преподавателей, интеллектуальные учебные системы и междисциплинарную подготовку.
Повышение эффективности обучения: благодаря интеллектуальным спутникам в обучении, индивидуальным образовательным траекториям и мультимодальным учебным ресурсам значительно повышается эффективность обучения студентов.
Изменение роли преподавателя: переход от «лектора» к «наставнику», «сотруднику» и «эмоциональному связующему звену».
Перспективы на будущее: AI является «интеллектуальными строительными лесами» образования, преподаватели должны сотрудничать с AI, используя преимущества сочетания человеческого тепла и технической точности.
В материале «Модель DeepSeek для поддержки преподавания и научных исследований в вузах» подчёркивается, что большие модели являются важным направлением исследований в области искусственного интеллекта, а их мощные возможности понимания и генерации языка позволяют широко применять их в обработке естественного языка, машинном переводе, интеллектуальных службах поддержки и других областях. С развитием технологий сценарии применения больших моделей также постоянно расширяются, и в будущем они будут ещё шире использоваться во всех сферах преподавания и научных исследований в вузах.
