首页 > 其他分享 >沪汉研习会同期落地,文心大模型赋能高校人才培养

沪汉研习会同期落地,文心大模型赋能高校人才培养

时间:2023-09-01 15:33:39浏览次数:40  
标签:百度 AI 模型 研习会 人工智能 文心 沪汉 赋能

作为一种新的技术趋势,文心一言等预训练大语言模型的出现与发展,不仅对行业产生了深远影响,也给教育领域带来了前所未有的变革和挑战。高校需要适应新的需求,不断更新课程和教学方法,以培养出能够适应和引领这场技术革命的优秀人才。在此背景下,8月19日,由中国自动化学会主办、华东师范大学、华中科技大学、百度飞桨联合承办的“大模型AI人才培养研习会”(以下简称研习会)在百度飞桨(张江)人工智能产业赋能中心、武汉市华中科技大学同期圆满召开。

沪汉研习会同期落地,文心大模型赋能高校人才培养_百度

来自全国超过50所高校人工智能及相关专业的100名教师线下参与了上海站、武汉站的研习会。来自中国自动化学会、华东师范大学、华中科技大学、百度公司的领导与专家学者汇聚一堂,共话大模型时代的人才培养、产教融合的前沿观点与实践经验。两场研习会专家分享翔实,现场讨论气氛热烈,为文心大模型持续赋能高校AI人才培养,奠定了坚实的基础。

武汉站:共研大模型融合产业实践模式

8月19日,参与研习会武汉站的专家名师齐聚华中科技大学,充满智慧与激情的学术殿堂,共同探讨人工智能与大模型技术的发展,以及对教育带来的挑战和机遇。

中国自动化学会副秘书长张俊在致辞中提到,中国自动化学会一直在推动人工智能相关专业与行业相结合,长期坚持面向不同身份的学员做相关的科普培训活动,促使大众了解计算机领域包括人工智能领域的内容。华中科技大学人工智能与自动化学院副院长钟胜在致辞中提到,希望通过本次研习会,教师们能够将大模型融入日常教学内容中,培养大模型时代AI复合型人才。百度AI技术生态副总经理周奇在致辞中提到,我们正处于一个充满变革和创新的时代,人工智能技术的快速发展正在不断地改变着我们的生活和工作方式。其中,大语言模型等技术的崛起,重塑了人机交互范式,带来了许多创新应用,同时也给各行业带来了挑战与机遇。并指出本次研习会旨在探讨如何借助大模型等人工智能技术,跑通产业化模式与路径。

沪汉研习会同期落地,文心大模型赋能高校人才培养_人工智能_02

中国自动化学会副秘书长张俊现场作特邀报告《人工智能大模型及其系统运行调控应用前沿》,在报告中对通用大模型的能力进行分析,运用文心一言生成语音、视频、脚本等案例视频成为全场亮点。随后,张俊教授举例了大模型在电力行业应用的具体实践操作,总结出大模型在垂直领域的相关应用与落地。

沪汉研习会同期落地,文心大模型赋能高校人才培养_百度_03

华中师范大学国家数字化学习工程技术研究中心副教授李浩现场分享《AI赋能教育创新探索与实践》,详述了在大模型元年,教育所遇到的机遇和挑战。同时,大模型降低了门槛应用,科研、管理、教学都可对应大模型的实际应用:可快速生成教案、AI驱动虚拟助手聊天机器人、大模型赋能科研等,总体而言,AI赋能了智慧学习环境下的教与学、资源与服务。

沪汉研习会同期落地,文心大模型赋能高校人才培养_百度_04

上海站:共探大模型赋能教育升级路径

在百度飞桨(张江)人工智能产业赋能中心,来自全国各地的学界专家和高校教师,共同开启了一场大模型赋能教育教学的前沿探索之旅。中国自动化学会副秘书长乔非在开场致辞中,感谢了百度公司的邀请,并分享了中国自动化学会在公共服务、科普传播等方面的工作情况,且大模型作为前瞻学科领域发展新方向,可以同教育做更紧密的结合,促进人才培养。华东师范大学计算机科学与技术学院院长、上海智能教育研究院院长周爱民教授在致辞中表示,学院正在结合教育学、心理学等多学科,积极应对大模型带来的挑战,为培养适应大模型时代需求的新人才作出努力。致辞环节结束后,在百度同学的讲解中,在场的专家学者一同参观了百度飞桨(张江)人工智能产业赋能中心展厅,全方位了解飞桨赋能开发者、产业、教育等众多领域的成果。

沪汉研习会同期落地,文心大模型赋能高校人才培养_人工智能_05

华东师范大学计算机科学与技术学院副院长江波副教授,在特邀报告《大模型支撑的个性化学习》中,对个性化学习的概念、效果、传统技术路径以及大模型支撑的个性化学习四个方面做了深度剖析,并通过2个案例指出大语言模型可能是当前实现大规模个性化学习的最佳技术路线。

沪汉研习会同期落地,文心大模型赋能高校人才培养_人工智能_06

华东师范大学计算机科学与技术学院周杰研究员在特邀报告《教育领域对话大模型EduChat》中,分享了学院团队在心理学和教育学理论指导下,研发的教育领域对话大模型EduChat。周杰研究员详细分享了教育大模型研发过程中的基础对话、开放问答、作文批改、启发式教学以及情感支持等多个方面的能力与实际案例,最后指出教育大模型的研究旨在助力实现因材施教、公平公正、富有温度的智能教育。

沪汉研习会同期落地,文心大模型赋能高校人才培养_百度_07

百度分享文心大模型产业实践,发布大模型产教融合方案

百度AI技术生态副总经理周奇与百度资深工程师在研习会所作《大模型产业实践与文心一言》报告中,系统性地阐述了文心大模型演进路线。作为知识增强、检索增强、对话增强的大模型,文心大模型在效果和安全性方面表现出色,丰富的插件机制不断扩展其能力边界,在国内主流大模型各项指标评分中处于领先地位。报告还提到新技术的产生到行业实际应用还需跑完最后一公里。针对现如今行业渗透不可逆的趋势,周奇对大模型如何实际解决产业问题,跑通产业模式与产业化路径进行了分析,引起了现场专家教师对百度大语言模型文心一言的广泛关注,并对大模型结合产业模式展开了讨论。

沪汉研习会同期落地,文心大模型赋能高校人才培养_百度_08

百度飞桨教育生态运营负责人钱芳与百度飞桨产品运营经理在研习会分享《大模型重塑AI人才培养》前沿报告,提到大模型凭借效果好、泛化性强、研发过程标准化程度高等优势,成为人工智能发展的主流方向,教育行业产生深刻影响,深刻改变“教与学”模式,加速教育智能化进程,驱动复合型AI人才需求升级。报告结合当下对大模型时代AI人才的培养新标准,重塑AI人培养新方案,提出最新校企合作计划,激起了现场专家老师对百度大模型人才培养方案的热烈讨论。

沪汉研习会同期落地,文心大模型赋能高校人才培养_百度_09

8月19日下午,《大模型与Prompt提示工程》课程与《文心辅助新闻稿件写作实践案例》在沪汉双城同步开讲。研习会现场,在浙江大学人工智能研究所德清研究院副院长、特聘研究员周奕旭老师,以及百度认证布道师淳漾老师的带领下,现场专家老师一同学习大模型的技术原理、大模型应用案例,以及更加科学、高效使用大模型的方法,并通过实战案例理解了如何通过大模型更好地辅助日常生活与工作。现场学习、讨论、实践气氛浓厚。

沪汉研习会同期落地,文心大模型赋能高校人才培养_人工智能_10

大语言模型赋能教师教学

在为期一天的研习活动中,现场的专家、老师们通过前沿报告、专家分享、百度技术赋能以及动手实践等环节,对大语言模型的理论与实践都有了更为深刻的理解,也对通过大模型赋能自身教学实战有了更多的想法。在研习会的现场,许多老师希望将大模型相关知识融入到下学期的课程中,对课程内容做补充与更新。说干就干,大模型在赋能教学方面的突出表现,让现场超高执行力的老师们纷纷提笔开始设计大模型融入教学的课程计划,我们也期待大模型能够为更多一线教师提供高效、精准的教学工具,为培养复合型AI人才提供更为强大的支持。

沪汉研习会同期落地,文心大模型赋能高校人才培养_语言模型_11

随着技术的发展与时代的要求,高校将培养更多跨学科大模型人才,为人工智能的创新和发展提供保障。百度积极推动高校科研人才与企业应用人才的培养,持续构建特色校企合作,深度挖掘行业项目,以培养社会需要的大模型人才。百度飞桨全面支持高校师生,开发大模型领域的课程和内容建设。

沪汉研习会同期落地,文心大模型赋能高校人才培养_语言模型_12

今年秋季,百度飞桨AI教学赋能计划(大模型特辑)再次启动申请,面向高校提供产教融合人才培养方案,一站式助力高校复合型人才培养,为全国高等院校,包含人工智能、计算机等 AI 相关专业,以及教育、新闻、法学、电子商务、市场营销等 AI+X 专业的院系领导、教学负责人、一线授课老师或创新创业指导老师,提供包含大模型课程、大模型实践平台、大模型系列培训、高校实践竞赛等体系化支持,校企联合培养新时代的复合型AI人才。

即日起至10月20日,填写申报信息加入2023 AI教学赋能计划·大模型特辑,组委会审核后,将以邮件及短信通知结果。详情请见飞桨PaddlePaddle公众号。

标签:百度,AI,模型,研习会,人工智能,文心,沪汉,赋能
From: https://blog.51cto.com/u_15512933/7323554

相关文章

  • 文心一言 VS 讯飞星火 VS chatgpt (84)-- 算法导论8.2 1题
    一、用go语言,参照图8-2的方法,说明COUNTING-SORT在数组A=(6,0,2,0,1,3,4,6,1,3,2)上的操作过程。文心一言:CountingSort是一种非比较型整数排序算法,适用于一定范围内的整数排序。它的基本思想是,对每一个输入元素x,确定小于x的元素个数,从而确定x在输出数组中的位置。下面是使用Go......
  • 文心一言 VS 讯飞星火 VS chatgpt (83)-- 算法导论8.1 4题
    四、用go语言,假设现有一个包含n个元素的待排序序列。该序列由n/k个子序列组成,每个子序列包含k个元素。一个给定子序列中的每个元素都小于其后继子序列中的所有元素,且大于其前驱子序列中的每个元素。因此,对于这个长度为n的序列的排序转化为对n/k个序列中的k个元素的排序。试证......
  • 文心一言 VS 讯飞星火 VS chatgpt (82)-- 算法导论8.1 1题
    一、如果用go语言,在一棵比较排序算法的决策树中,一个叶结点可能的最小深度是多少?文心一言:在一个排序决策树(如二叉搜索树)中,每个叶节点的最小深度等于输入数据中最大元素与最小元素之间的位距离。这是因为在最坏的情况下,每个比较都需要将最大元素向最小元素的路径移动,因此叶节点的最......
  • 文心一言 VS 讯飞星火 VS chatgpt (82)-- 算法导论8.1 1题
    一、如果用go语言,在一棵比较排序算法的决策树中,一个叶结点可能的最小深度是多少?文心一言:在一个排序决策树(如二叉搜索树)中,每个叶节点的最小深度等于输入数据中最大元素与最小元素之间的位距离。这是因为在最坏的情况下,每个比较都需要将最大元素向最小元素的路径移动,因此叶节点的......
  • 文心一言(ERNIE Bot)初体验
    引言几个月前向百度提交了文心一言的体验申请,这两天收到了可以体验的通知,立马体验了一把。总体来说,文心一言基本上能做到有问必答,但是一些奇葩的问题还是会难住这位初出茅庐的AI。分享体验我先后问了几个问题,做一下分享。问题一:上帝能造出一块他自己也搬不起来的石头吗?这也......
  • 文心一言 VS 讯飞星火 VS chatgpt (81)-- 算法导论7.4 6题
    六、如果用go语言,考虑对PARTITION过程做这样的修改:从数组A中随机选出三个元素,并用这三个元素的中位数(即这三个元素按大小排在中间的值)对数组进行划分。求以a的函数形式表示的、最坏划分比例为a:(1-a)的近似概率,其中0<a<1。文心一言:首先,我们需要实现一个函数来找到数组......
  • 文心一言 VS 讯飞星火 VS chatgpt (80)-- 算法导论7.4 5题
    五、如果用go语言,当输入数据已经“几乎有序”时,插入排序速度很快。在实际应用中,我们可以利用这一特点来提高快速排序的速度。当对一个长度小于k的子数组调用快速排序时,让它不做任何排序就返回。当上层的快速排序调用返回后,对整个数组运行插人排序来完成排序过程。试证明:这一排序......
  • 文心一言 VS 讯飞星火 VS chatgpt (79)-- 算法导论7.4 4题
    四、请用go语言,证明:RANDOMIZED-QUICKSORT期望运行时间是Ω(nlgn)。文心一言:首先,为了证明RANDOMIZED-QUICKSORT的期望运行时间是Ω(nlgn),我们需要证明在最坏的情况下,该算法的运行时间是O(nlgn)。然后,我们需要证明在最坏的情况下,算法的期望运行时间是Ω(nlgn)。RANDOMIZED-QUIC......
  • 文心一言 VS 讯飞星火 VS chatgpt (78)-- 算法导论7.4 2题
    二、如果用go语言,证明:在最好情况下,快速排序的运行时间为Ω(nlgn)。文心一言:在最好情况下,快速排序的运行时间为Ω(nlgn)的证明如下:快速排序是一种分治算法,它将一个数组分成两个子数组,然后对这两个子数组分别进行排序。在最好情况下,每次划分都能将数组等分,即每次划分后得到的两......
  • 文心一言 VS 讯飞星火 VS chatgpt (78)-- 算法导论7.4 2题
    二、如果用go语言,证明:在最好情况下,快速排序的运行时间为Ω(nlgn)。文心一言:在最好情况下,快速排序的运行时间为Ω(nlgn)的证明如下:快速排序是一种分治算法,它将一个数组分成两个子数组,然后对这两个子数组分别进行排序。在最好情况下,每次划分都能将数组等分,即每次划分后得到的两个子......