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器學習，到人工神經(jīng)網(wǎng)絡和深度學習：
a) 人工智能是一類計算機模擬的，完成傳統(tǒng)上認為只有人類可以執(zhí)行的任務的硅基智能
b) 機器學習是一類讓算法從數(shù)據(jù)中找到規(guī)律、模式的設計:從判斷信用卡交易是否套現(xiàn)的實現(xiàn)，看程序代碼方式和機器學習方式的差異
c) 人工神經(jīng)網(wǎng)絡是一類機器學習算法，通過模擬生物神經(jīng)網(wǎng)絡，處理相對抽象的信息：人工神經(jīng)網(wǎng)絡怎么能識別小狗的照片？其實跟我們教小朋友認小狗非常類似
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/問答題
4、 以ChatGPT為代表的等大語言模型基本核心原理
a) 如何看ChatGPT? 這其實是一個把文字變成數(shù)字編碼的“變形器”
b) GPT如何理解文字？—— 文字代表的概念，其實可以用一組數(shù)字屬性來描述
c) GPT如何理解句子和邏輯？- 理解一段話，就象偵探理解一個犯罪現(xiàn)場
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)絡可以學習到幾乎一切模式和規(guī)律？
5、 ChatGPT的獨到之處：
a) 跟著“注釋”的書本學習
b) 培訓一個裁判來校正自己的學習
6、 其他大模型主要類別和基本原理
a) 文生圖模型：訓練機器對像素的“組裝”和“組合”
b) 圖生3D 模型：算法對世界的“腦補”
7、 如何利用大模型？應用基本模式
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 檢索增強生成：
i. 插件 -為大模型加上“視覺中樞”“聽覺中樞”“行動中樞”
ii. 外接“云盤”向量數(shù)據(jù)庫 - 為大模型加上“海馬體”（大模型的長期記憶機制）
c) 精調 — 通過訓練調參真正提升大模型“智商”
i. 全量精調 （全部參數(shù)參與重訓練）
ii. 參數(shù)經(jīng)濟型精調PEFT （凍住主干參數(shù)，訓練增加部分參數(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域數(shù)字化轉型中的范式和潛力
8、 GPT的幾大能力：檢索、創(chuàng)造和邏輯推理
9、 AI大模型時代，客服領域需要培養(yǎng)何種能力？需要什么人才？應該采用何種范式的教育？
10、 AI大模型具有成為“人”“機”翻譯和“系統(tǒng)總調度”的巨大潛力
11、 大模型帶來的“軟件2.0”開發(fā)范式
12、 AI大模型如何與客戶服務的業(yè)務和已有應用系統(tǒng)關聯(lián)和整合？- 模式與機會
模塊二：大模型體系在政企數(shù)字化轉型中的范式和潛力
13、 生成式客服服務和咨詢 - Salesforce ServiceGPT案例
14、 呼叫中心中的人工智能：語音助理和語音語義分析模型在呼叫中心應答質量提升上的應用
15、 AI大模型賦能的行業(yè)數(shù)字人客服
16、 客戶服務的數(shù)據(jù)基礎：多模態(tài)大模型將打造真正的“客戶360視圖”
17、 客戶服務知識圖譜：大模型對知識圖譜和知識運營的補充和賦能
a) 大語言模型可以從大量非結構化文本數(shù)據(jù)中提取數(shù)據(jù)實體關系，或解析/推理出數(shù)據(jù)實體的邏輯關聯(lián) – 比如近期客戶投訴的主要內容和產品的描述之間的關系 - 并將之轉換為知識圖譜的輸入；
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)進行關聯(lián)整合和分析，對知識圖譜進行補充和更新
c) 知識圖譜也可以基于已有的知識，對大模型的問答輸入進行約束和事實性檢驗，比如已有的套餐價格以及可購買資格
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、 全渠道客服服務的流程自動化和機器學習優(yōu)化
20、 客戶服務領域的培訓和問答：AI大模型賦能的針對性學習
a) 類似Khanmigo的基于大語言模型的學習應用，不僅可以判斷答案的正確與否，也可以通過推測學習者思路和邏輯，幫助學習者定位到知識要點；
b) 大語言模型可以根據(jù)預先設定的學習者級別和其他參數(shù)（比如專業(yè)為經(jīng)濟類），調整學習路徑和問題
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，而無需進行數(shù)據(jù)整理，并生成可視化圖表。比如給出一個國家的經(jīng)濟數(shù)據(jù)，人口數(shù)，互聯(lián)網(wǎng)應用等數(shù)據(jù)，Code Intepreter就可以按城市或者地區(qū)分析這些數(shù)據(jù)的關聯(lián)性，以及與通信服務相關的圖表分析展示
b) Code intepreter結合GPT-4自身分析能力，也可以對文檔進行定性/定性 + 定量分析，比如文件要點總結，情緒，事情趨勢等等。
22、 AI大模型賦能的服務營銷
23、 基于AI大模型的客服領域（SQL/API調用）代碼生成
