資源簡介

(共22張PPT)
第三單元　智能的數字菜譜
項目主題
智能的數字菜譜
語言大模型是人工智能領域的一種前沿技術。這些模型能夠處理復雜的任務，并且在多個領域展現出卓越的性能，人們已經嘗試使用大模型來完成文本寫作、圖片設計、視頻故事創作等工作。那么什么是大模型，它是如何理解人類需求并給出適當反饋的？我們該如何與大模型合作，利用大模型方便生活、輔助學習、造福社會？
項目背景
項目目標
在本單元中，我們將圍繞 “智能的數字菜譜” 項目學習，知道什么是大模型，了解使用大模型的技巧，體驗安裝本地大模型，建立個人知識庫。暢想大模型的各種應用場景，認識到技術進步在帶來便利的同時也會帶來新的問題，能根據情景需求合理選擇人工智能工具，學習與人工智能工具協同工作。
第二單元　有趣的數字菜譜
學習過程
項目準備
項目實踐
項目拓展
了解什么是大模型
掌握大模型使用的基本技巧
安裝本地大模型。
用本地大模型建立智能菜譜資源庫
與資源庫進行交互，嘗試利用 “智能” 生成 “創新菜”
暢想大模型的各種應用場景
了解人工智能帶來的倫理與安全挑戰
第 二節 應用語言大模型
第三單元　智能的數字菜譜
學習目標
1
體驗本地交互式知識庫的搭建與使用。
學習目標
能合理使用人工智能。
2
課堂導入
問題情境
如何在自己的電腦上搭建本地語言大模型？
學習內容
一 搭建本地語言大模型
二 運行本地語言大模型
學習內容
三 用Markdown標記語言記錄數據屬性
在自己的電腦上搭建一個語言大模型相當于擁有了個人版的智慧大腦。
一、搭建本地語言大模型
本地語言大模型將用戶數據保留在本地，不會上傳云端，保護使用者的隱私與安全。
本地語言大模型提供更大的可定制性和靈活性，更符合個人的需求與風格。
本地語言大模型具有不用依賴網絡云計算服務，能快速響應用戶需求。
和同學討論以下場景，使用在線語言大模型與本地語言大模型，哪種更合適？將討論結果填寫到下表中。
思考活動一
場景 選擇在線語言大模型的理由 選擇本地語言大模型的理由
產品發布會上需要即時將語言翻譯為多國語言，并同步顯示在大屏幕上 在線語言大模型通常連接著龐大的云端數據庫，能實時獲取最新的翻譯數據和語言資源，快速準確地完成多種語言的翻譯，還可通過網絡與大屏幕設備快速對接，實現同步顯示 。 本地語言大模型在網絡不穩定或無網絡環境下也能工作，可提前將所需的多語言翻譯模型和數據下載到本地，保密性強，不用擔心數據在傳輸過程中泄露 。
作者想優化自己原創的電影劇本 在線語言大模型能實時獲取海量的影視行業信息、劇情案例和觀眾喜好趨勢等，為劇本優化提供豐富多樣的創意和思路，還能方便地與其他創作者交流協作 。 本地語言大模型可確保劇本內容的私密性，不被上傳到云端，同時對于有特定風格偏好且已在本地訓練好相關模型的作者，能更好地貼合其創作習慣進行優化 。
科研人員想了解某領域最新的研究成果 在線語言大模型能快速檢索和整合全網的科研文獻、學術動態等信息，及時提供最新的研究進展，還可方便與其他科研人員交流分享 。 本地語言大模型可在本地對科研人員已有的私密研究數據進行分析處理，避免數據外傳，并且在網絡受限的實驗室環境中也能正常使用 。
建立本地語言大模型通常采用 “服務工具 + 開源語言大模型” 的模式，為便于操作，還可以安裝一個界面工具。
搭建本地語言大模型
第一步：下載安裝一個服務軟件。
第二步：使用服務軟件下載一個開源語言大模型。
第三步：下載安裝一個界面工具。
詳細安裝方法參考本書附錄三。
我們應該如何選擇開源的語言大模型？
搭建本地語言大模型
在選擇開源語言大模型時，服務工具會列出所支持的模型，
注意：即使是同一個模型，也會有不同的參數版本，參數越大的模型，需要的計算機配置越高。
拓展閱讀
語言大模型的參數
“0.5b”“1.5b” 等中 “b” 代表 “Billion”，說明不同標識對應的模型參數數量。指出參數越大模型能力越強，但對硬件算力要求也越高，訓練和運行還耗費大量電力，促使研究者探索其他模型實現方式。
將模型參數數量與生物神經元數量對比，人腦、首個神經網絡機器 SNARC、GPT - 4 的參數或神經元數量，表明 GPT - 4 參數已達人腦 1% 的水平 。
安裝好本地語言大模型后，可以進一步根據需要去建立自己的本地知識庫。
將第二單元收集的 “數字菜譜資源” 及其他與美食相關的文件上傳到本地大模型中，經過大模型的學習，一個 “智能美食知識庫” 就設置成功了。
二、運行本地語言大模型
知識庫幫忙解答的問題：推薦四川的美食
運行本地語言大模型
創新菜：
我來向知識庫提問 “請設計一道菜肴，具備四川菜的特色，食材為牛肉、豆腐、蔬菜，適合老年人和小朋友冬天吃。”
設計一道具有四川特色，適合老年人和冬季食用的菜品，可以嘗試以下菜譜：【菜品名稱】：四川牛肉蔬菜火鍋
一、材料準備
牛肉片（500 克）
豆腐塊（500 克，新鮮豆腐切）
新鮮蔬菜（如白菜、菠菜、胡蘿卜等）
豬血豆腐（500 克）
二、烹飪步驟
將牛肉片用刀切成薄片，加入適量的鹽、胡椒粉和生抽腌制 5 分鐘。
在鍋中放入適量的油燒熱，加入豆腐塊煎至金黃，撈出豆腐備用。
鍋中放入切好的牛肉片，翻炒變色后加入之前煎好的豆腐和汁水，讓牛肉煮至微微變色，保留肉汁濃稠。
將鍋蓋蓋上，大火燒至沸騰，再轉小火慢煮 20 分鐘，期間不要打開鍋蓋，以確保牛肉煮出最佳的嫩度。
三、食譜特色
原料豐富，肉片鮮嫩，豆腐塊香脆，蔬菜新鮮。
豆瓣醬的使用增加了一定的辣味和濃郁口感，增強了火鍋的味道。
豬血豆腐的加入增添了菜肴的營養成分，適合老年人食用。
烹飪過程注重食材的新鮮度和調味品的質量。
四川老少皆宜的菜品，希望您制作出美味的四川牛肉蔬菜火鍋！
參考示范，請同學們動手試試與知識庫互動。可以查詢想要了解的菜肴，可以嘗試創造新的菜肴等，完成三個練習填寫在下表中。
實踐活動一
提示詞 知識庫反饋 你對反饋的評價
請推薦三道適合小朋友吃的菜
設計一道菜，材料使用牛肉、豆腐等，適合冬天進食
既然可以在本地語言大模型配置知識庫，同樣在線語言大模型也能由用戶上傳資料構建知識庫。請查詢資料，了解有哪些在線語言大模型提供這個功能，并參考圖 3-2-9，動手試一試。
實踐活動二
通過構建本地語言大模型，我們能夠創建屬于自己的個性化知識庫。你需要構建哪種類型的知識庫？參照下表的示例，構思一些主題知識庫，并挑選三個填入下表。
思考活動二
主題知識庫 上傳背景知識 互動示例
唐詩知識庫 《唐詩三百首》
《唐詩鑒賞辭典》
《唐詩研究》
《唐代詩人叢考》
“唐代有哪些邊塞詩人？”
“請仿寫一首唐詩，仿寫關鍵詞為：月亮、故鄉。”
…… ……
語言大模型不是萬能的，我們要正確看待語言大模型，合理使用語言大模型。
三、合理使用人工智能工具
過度依賴語言大模型來解決問題，會減少自己獨立思考問題的機會。
語言大模型提供的答案并不是永遠正確的，如果盲目信任其生成的內容，可能會將謬誤當成知識。
語言大模型可以幫助我們將創意細化，但不能替代我們提出創意。
在使用語言大模型時，我們不應該在未經他人授權的情況下，使用他人的智慧成果進行訓練或生成內容。
創造力
不替代個人創造
不過度依賴
不盲目信任
維護知識產權
以下哪些場景適合采用人工智能工具輔助，請判斷并說明理由。
思考活動三
場景 適合 / 不適合使用人工智能，給出你的理由
學校組織繪畫比賽，歡歡用人工智能工具生成了一幅圖片參賽
歡歡給社團擬訂活動計劃，寫完后讓人工智能幫忙潤色和修改錯別字
歡歡構想了一個小故事，在描寫主角外貌特征時有些詞窮，他使用人工智能來獲取一些建議
博士爺爺布置了作業，歡歡直接將作業要求輸入人工智能完成
不適合。繪畫比賽旨在展現參賽者的個人創意和繪畫技能，使用人工智能生成圖片參賽違背了比賽的初衷，無法體現個人能力。
適合。人工智能可以快速找出錯別字，還能對語句進行優化潤色，讓活動計劃表達更清晰、流暢，提高計劃的質量。
適合。人工智能擁有豐富的語言素材，能提供多樣化的外貌描寫語句和創意，幫助拓展思路，完善故事內容。
不適合。作業是用于檢驗個人對知識的掌握和理解程度，直接讓人工智能完成作業，無法達到學習和鞏固知識的目的，屬于學術不端行為。
和同學討論，再擬定三個適合采用人工智能輔助的場景。
思考活動三
場景 適合使用人工智能
旅游攻略制定 輸入旅游目的地、出行時間、預算等信息，人工智能可以快速規劃出包含景點推薦、交通路線、美食打卡點等內容的個性化旅游攻略。
數據分析報告撰寫 面對大量數據，人工智能可以快速進行數據處理和分析，并按照要求生成條理清晰的數據分析報告框架和內容。
外語翻譯 在閱讀外文文獻或與外國友人交流時，利用人工智能工具可以快速準確地進行語言翻譯，輔助理解和溝通。
學校準備開展一次數字故事大賽。要求如下：
工具：使用視頻制作工具。
題材：講述校園的故事。
你和你的小伙伴摩拳擦掌，瞄準了冠軍。為達到完美效果，你考慮在各階段與人工智能工具協同工作。接下來請討論，在設計視頻故事的每一個階段如何采用人工智能工具進行輔助，請填寫到圖 3-2-12 中的空格處。
實踐活動三
腳本編寫
借助人工智能生成故事大綱，依據校園故事題材，設定主要人物、情節發展脈絡。
讓人工智能潤色臺詞，使其符合人物性格特點且更具感染力。
請人工智能根據腳本內容，規劃鏡頭的運用，如景別、拍攝角度等 。
素材采集
利用人工智能圖像識別工具，篩選合適的校園照片、視頻片段等現有素材。
通過人工智能語音合成工具，生成旁白或特定角色的語音素材。
使用人工智能輔助預測熱門元素，指導采集當下受關注的校園相關素材 。
編輯制作
運用人工智能視頻剪輯工具，自動識別精彩片段，進行初步剪輯拼接。
借助人工智能調色功能，為視頻調整色調、氛圍，使其更具視覺沖擊力。
利用人工智能音頻處理工具，優化背景音樂和音效，增強音頻效果 。
發布評價
借助人工智能分析觀眾畫像，針對不同群體精準推送視頻。
運用人工智能收集整理觀眾反饋的評論、打分等信息，進行分類分析。
利用人工智能預測視頻傳播效果，為后續優化和新作品創作提供參考 。
任務一：選擇一個服務工具，閱讀其說明，下載該工具。
任務二：安裝該服務工具，根據計算機硬件配置，安裝適當的語言大模型。
任務三：收集一些自己想了解、感興趣的美食資料，與上單元菜譜成果一起上傳到本地語言大模型，建構自己的 “智能菜譜” 知識庫。
任務四：構思問題，與知識庫互動。
任務五：選擇工具整理互動成果，在班級匯報交流。
項目實施
拓展閱讀
2024年諾貝爾化學獎：
2024 年諾貝爾化學獎授予了三名科學家，以表彰他們在蛋白質設計和蛋白質結構預測領域作出的卓越貢獻。人工智能模型 AlphaFold2 解決了科學界多年來難以確定蛋白質分子結構的難題，在該模型的幫助下，科學家們已預測出 2 億多種蛋白質的結構，涵蓋所有蛋白質分子中的 99%。

展開更多......

收起↑