課程綱要

模塊一：通用人工智能的曙光：以ChatGPT為代表的生成式大模型

1、 從早期人工智能算法到機(jī)器學(xué)習(xí)，到人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)：

a) 人工智能是一類計(jì)算機(jī)模擬的，完成傳統(tǒng)上認(rèn)為只有人類可以執(zhí)行的任務(wù)的硅基智能

b) 機(jī)器學(xué)習(xí)是一類讓算法從數(shù)據(jù)中找到規(guī)律、模式的設(shè)計(jì):從判斷信用卡交易是否套現(xiàn)的實(shí)現(xiàn)，看程序代碼方式和機(jī)器學(xué)習(xí)方式的差異

c) 人工神經(jīng)網(wǎng)絡(luò)是一類機(jī)器學(xué)習(xí)算法，通過(guò)模擬生物神經(jīng)網(wǎng)絡(luò)，處理相對(duì)抽象的信息：人工神經(jīng)網(wǎng)絡(luò)怎么能識(shí)別小狗的照片？其實(shí)跟我們教小朋友認(rèn)小狗非常類似

2、 從“偏科專才”到“通才”，通用人工智能的曙光：GPT為何如此令人興奮？

3、 生成式AI興起 - 從分析式AI到生成式AI，AI從做判斷題/選擇題，到做填空/問(wèn)答題

4、 以ChatGPT為代表的等大語(yǔ)言模型基本核心原理

a) 如何看ChatGPT? 這其實(shí)是一個(gè)把文字變成數(shù)字編碼的“變形器”

b) GPT如何理解文字？—— 文字代表的概念，其實(shí)可以用一組數(shù)字屬性來(lái)描述

c) GPT如何理解句子和邏輯？- 理解一段話，就象偵探理解一個(gè)犯罪現(xiàn)場(chǎng)

d) 如何打造行業(yè)專家？—— 深入淺出理解為什么深度人工神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)到幾乎一切模式和規(guī)律？

5、 ChatGPT的獨(dú)到之處：

a) 跟著“注釋”的書本學(xué)習(xí)

b) 培訓(xùn)一個(gè)裁判來(lái)校正自己的學(xué)習(xí)

6、 其他大模型主要類別和基本原理

a) 文生圖模型：訓(xùn)練機(jī)器對(duì)像素的“組裝”和“組合”

b) 圖生3D 模型：算法對(duì)世界的“腦補(bǔ)”

7、 如何利用大模型？應(yīng)用基本模式

a) Prompt Engineering 提示詞工程 – 為大模型描述上下文環(huán)境和方法論

b) RAG 檢索增強(qiáng)生成：

i. 插件 -為大模型加上“視覺(jué)中樞”“聽(tīng)覺(jué)中樞”“行動(dòng)中樞”

ii. 外接“云盤”向量數(shù)據(jù)庫(kù) - 為大模型加上“海馬體”（大模型的長(zhǎng)期記憶機(jī)制）

c) 精調(diào) — 通過(guò)訓(xùn)練調(diào)參真正提升大模型“智商”

i. 全量精調(diào) （全部參數(shù)參與重訓(xùn)練）

ii. 參數(shù)經(jīng)濟(jì)型精調(diào)PEFT （凍住主干參數(shù)，訓(xùn)練增加部分參數(shù)）

1. Lora

2. Prefix-Tuning

3. Prompt tuning

4. P-tuning V1,V2

模塊二：大模型體系在客服領(lǐng)域數(shù)字化轉(zhuǎn)型中的范式和潛力

8、 GPT的幾大能力：檢索、創(chuàng)造和邏輯推理

9、 AI大模型時(shí)代，客服領(lǐng)域需要培養(yǎng)何種能力？需要什么人才？應(yīng)該采用何種范式的教育？

10、 AI大模型具有成為“人”“機(jī)”翻譯和“系統(tǒng)總調(diào)度”的巨大潛力

11、 大模型帶來(lái)的“軟件2.0”開(kāi)發(fā)范式

12、 AI大模型如何與客戶服務(wù)的業(yè)務(wù)和已有應(yīng)用系統(tǒng)關(guān)聯(lián)和整合？- 模式與機(jī)會(huì)

模塊二：大模型體系在政企數(shù)字化轉(zhuǎn)型中的范式和潛力

13、 生成式客服服務(wù)和咨詢 - Salesforce ServiceGPT案例

14、 呼叫中心中的人工智能：語(yǔ)音助理和語(yǔ)音語(yǔ)義分析模型在呼叫中心應(yīng)答質(zhì)量提升上的應(yīng)用

15、 AI大模型賦能的行業(yè)數(shù)字人客服

16、 客戶服務(wù)的數(shù)據(jù)基礎(chǔ)：多模態(tài)大模型將打造真正的“客戶360視圖”

17、 客戶服務(wù)知識(shí)圖譜：大模型對(duì)知識(shí)圖譜和知識(shí)運(yùn)營(yíng)的補(bǔ)充和賦能

a) 大語(yǔ)言模型可以從大量非結(jié)構(gòu)化文本數(shù)據(jù)中提取數(shù)據(jù)實(shí)體關(guān)系，或解析/推理出數(shù)據(jù)實(shí)體的邏輯關(guān)聯(lián) – 比如近期客戶投訴的主要內(nèi)容和產(chǎn)品的描述之間的關(guān)系 - 并將之轉(zhuǎn)換為知識(shí)圖譜的輸入；

b) 多模態(tài)大模型能將文本、圖片、視頻、聲音、代碼等數(shù)據(jù)進(jìn)行關(guān)聯(lián)整合和分析，對(duì)知識(shí)圖譜進(jìn)行補(bǔ)充和更新

c) 知識(shí)圖譜也可以基于已有的知識(shí)，對(duì)大模型的問(wèn)答輸入進(jìn)行約束和事實(shí)性檢驗(yàn)，比如已有的套餐價(jià)格以及可購(gòu)買資格

18、 多模態(tài)大模型賦能的客戶全渠道全周期“大”數(shù)據(jù)整合和分析

19、 全渠道客服服務(wù)的流程自動(dòng)化和機(jī)器學(xué)習(xí)優(yōu)化

20、 客戶服務(wù)領(lǐng)域的培訓(xùn)和問(wèn)答：AI大模型賦能的針對(duì)性學(xué)習(xí)

a) 類似Khanmigo的基于大語(yǔ)言模型的學(xué)習(xí)應(yīng)用，不僅可以判斷答案的正確與否，也可以通過(guò)推測(cè)學(xué)習(xí)者思路和邏輯，幫助學(xué)習(xí)者定位到知識(shí)要點(diǎn)；

b) 大語(yǔ)言模型可以根據(jù)預(yù)先設(shè)定的學(xué)習(xí)者級(jí)別和其他參數(shù)（比如專業(yè)為經(jīng)濟(jì)類），調(diào)整學(xué)習(xí)路徑和問(wèn)題

21、 客服組織的智能化辦公文檔和數(shù)據(jù)分析：GPT Code Intepreter

a) Code Intepreter插件可以直接分析給到的文檔，excel,pdf，word等格式中的文字或者表格數(shù)據(jù)項(xiàng)，而無(wú)需進(jìn)行數(shù)據(jù)整理，并生成可視化圖表。比如給出一個(gè)國(guó)家的經(jīng)濟(jì)數(shù)據(jù)，人口數(shù)，互聯(lián)網(wǎng)應(yīng)用等數(shù)據(jù)，Code Intepreter就可以按城市或者地區(qū)分析這些數(shù)據(jù)的關(guān)聯(lián)性，以及與通信服務(wù)相關(guān)的圖表分析展示

b) Code intepreter結(jié)合GPT-4自身分析能力，也可以對(duì)文檔進(jìn)行定性/定性 + 定量分析，比如文件要點(diǎn)總結(jié)，情緒，事情趨勢(shì)等等。

22、 AI大模型賦能的服務(wù)營(yíng)銷

23、 基于AI大模型的客服領(lǐng)域（SQL/API調(diào)用）代碼生成