DeepSeek大模型赋能高校教学和科研

DeepSeek大模型赋能高校教学和科研林子雨 副教授厦门大学DeepSeek每个人都可以读懂的大模型科普报告（高校篇）2025年2月25日厦门大学大数据教学团队作品厦门大学大数据教学团队团队联系方式：ziyulin@xmu.edu.cn国内高校大数据教学的重要贡献者团队负责人：林子雨 副教授年轻力量：核心成员全部46周岁以下结构合理：教学型、科研型、实验工程师专注专业：从2013年至今，11年专注于大数据教学团队特点：眼光前瞻、紧跟技术、创新实干、执行力强影响力高：多项指标在国内高校大数据教学领域领先•教材数量•教材占有率•MOOC课程学习人数•师资培养•教学研讨会•教学网站访问量•在线讲座观看人数•……大模型系列报告（科普报告，非技术报告）n 报告1：大模型概念、技术与应用实践（面向社会大众）n 报告2：DeepSeek大模型赋能高校教学和科研（面向高校）n 报告3：大模型技术及其企业应用实践（面向企业）n 报告4：DeepSeek大模型赋能政府数字化转型（面向政府部门）报告下载地址：https://dblab.xmu.edu.cn/post/deepseek/扫码下载报告厦门大学大数据教学团队作品 2025年2月目录p 1. 人工智能发展简史p 2. 人工智能思维p 3. 大模型：人工智能的前沿p 4. 高校本地部署DeepSeek大模型p 5. AIGC应用与实践p 6. 基于大模型的智能体p 7. AI赋能高校科研p 8. AI赋能高校教学1. 人工智能发展简史1.1 图灵测试1.2 人工智能的诞生1.3 人工智能的发展阶段1.4 未来人工智能发展的五个阶段厦门大学大数据教学团队作品1.1 图灵测试1950年，“计算机之父”和“人工智能之父”艾伦·图灵（Alan M. Turing）发表了论文《计算机器与智能》，这篇论文被誉为人工智能科学的开山之作。在论文的开篇，图灵提出了一个引人深思的问题：“机器能思考吗？”。这个问题激发了人们无尽的想象，同时也奠定了人工智能的基本概念和雏形在这篇论文中，图灵提出了鉴别机器是否具有智能的方法，这就是人工智能领域著名的“图灵测试”。如图所示，其基本思想是测试者在与被测试者（一个人和一台机器）隔离的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果被测试者机器让平均每个测试者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能1.2 人工智能的诞生人工智能的诞生可以追溯到20世纪50年代。当时，计算机科学刚刚起步，人们开始尝试通过计算机程序来模拟人类的思维和行为。在这个背景下，一些杰出的科学家和工程师们开始研究如何使计算机具备更高级的功能1956年8月，在美国达特茅斯学院举办的人工智能夏季研讨会，是人工智能领域具有里程碑意义的一次重要会议。这次会议汇聚了众多杰出的科学家和工程师，他们共同探讨和研究人工智能的发展和应用前景这次会议的主题围绕着人工智能的定义、研究方法和应用场景展开。与会者们深入探讨了人工智能的基本概念、算法和技术，以及其在各个领域的应用潜力。他们共同认识到，人工智能的研究和发展将为人类带来巨大的变革和进步1.2 人工智能的诞生在这次会议上，“人工智能”这个词汇被约翰.麦卡锡（John McCarthy）首次提出。与会者们不仅对人工智能的研究和应用前景进行了深入探讨，还提出了许多重要的观点和思路，为人工智能的发展奠定了基础。这次会议的召开标志着人工智能作为一个独立学科的正式诞生，因此，达特茅斯会议被称为“人工智能的开端”，1956年也被称为“人工智能元年”。这次会议不仅为人工智能的研究和发展奠定了基础，还为人类带来了巨大的变革和进步1.3 人工智能的发展阶段从1956年人工智能元年至今，人工智能的发展历程经历了漫长的岁月，大致可以划分为以下6个阶段1.4 未来人工智能发展5个阶段DeepSeek R1OpenAI Operator2. 人工智能思维厦门大学大数据教学团队作品2. 人工智能思维了解每个人都应了解人工智能的基础运行模式区分具备区分人的能力和机器的能力协作拥有和人工智能协作的能力，懂得如何运用人工智能2. 人工智能思维2024年12月，人工智能教母级人物、斯坦福大学终身教授李飞飞在公开演讲中说道：“斯坦福应该录取最会用ChatGPT的前2000名学生”。2025年1月，互联网知名企业家周鸿祎发表观点”未来擅长使用AI的人会淘汰不会使用AI的人“。3.大模型：人工智能的前沿3.1 大模型的概念3.2 大模型的发展历程3.3 人工智能与大模型的关系3.4 大模型分类3.5 大模型原理3.6 大模型产品3.7 大模型应用领域厦门大学大数据教学团队作品3.1 大模型的概念大模型通常指的是大规模的人工智能模型，是一种基于深度学习技术，具有海量参数、强大的学习能力和泛化能力，能够处理和生成多种类型数据的人工智能模型。通常说的大模型的“大”的特点体现在：参数数量庞大训练数据量大计算资源需求高2020年，OpenAI公司推出了GPT-3，模型参数规模达到了1750亿。2023年3月发布的GPT-4的参数规模是GPT-3的10倍以上，达到1.8万亿，2021年11月阿里推出的M6 模型的参数量达10万亿。3.1 大模型的概念大模型的设计和训练旨在提供更强大、更准确的模型性能，以应对更复杂、更庞大的数据集或任务。大模型通常能够学习到更细微的模式和规律，具有更强的泛化能力和表达能力大模型具有更强的上下文理解能力，能够理解更复杂的语意和语境。这使得它们能够产生更准确、更连贯的回答上下文理解能力大模型可以从大量的数据中学习，并利用学到的知识和模式来提供更精准的答案和预测。这使得它们在解决复杂问题和应对新的场景时表现更加出色学习能力强大模型可以生成更自然、更流利的语言，减少了生成输出时呈现的错误或令人困惑的问题语言生成能力学习到的知识和能力可以在不同的任务和领域中迁移和应用。这意味着一次训练就可以将模型应用于多种任务，无需重新训练可迁移性高3.2 大模型的发展历程大模型发展历经三个阶段，分别是萌芽期、沉淀期和爆发期3.2 大模型的发展历程3.2 大模型的发展历程大模型发展对算力的需求演变3.3 人工智能与大模型的关系人工智能包含了机器学习，机器学习包含了深度学习，深度学习可以采用不同的模型，其中一种模型是预训练模型，预训练模型包含了预训练大模型（可以简称为“大模型”），预训练大模型包含了预训练大语言模型（可以简称为“大语言模型”），预训练大语言模型的典型代表包括OpenAI的GPT和百度的文心ERNIE，ChatGPT是基于GPT开发的大模型产品，文心一言是基于文心ERNIE开发的大模型产品人工智能机器学习深度学习深度学习模型预训练模型深度学习预训练大模型预训练大语言模型预训练大语言模型GPT文心ERNIE...ChatGPT文心一言3.4 大模型的分类语言大模型视觉大模型多模态大模型是指在自然语言处理（Natural Language Processing，NLP）领域中的一类大模型，通常用于处理文本数据和理解自然语言。这类大模型的主要特点是它们在大规模语料库上进行了训练，以学习自然语言的各种语法、语义和