人工智能2.0时代的人才培养和通识教育课程

人工智能0.0（古代，1956-2006）： 从规则到学习，以专家系统为代表，依赖人工特征和规则，缺乏通用性。
人工智能1.0（近代，2006-2020）： 深度学习兴起，以ImageNet、AlphaGO、AlphaFold等为代表，通过大数据和深度神经网络实现突破。
人工智能2.0（现代，2020-至今）： 大模型时代，以GPT、Transformer架构、多模态模型为代表，数据量大、参数多、算力多，具备更强的通用性和跨模态能力。

大模型工作原理： 基于Transformer架构和Next Token Prediction（NTP）算法，通过预训练和后训练实现生成和理解能力。
大模型能力边界： 具备生成、记忆和推理能力，但也存在幻觉、知识库限制和上下文窗口限制等问题。
大模型能力提升方法： 通过提示词（Prompt）、思维链（CoT）、搜索增强（RAG）、知识图谱（KGE）和模型微调（FineTune）等方法提升大模型能力。

人才需求变化： 从传统IT人才向AI应用人才、IT专业人才和AI2.0专业人才转变，对思维能力、应用能力和专业能力提出更高要求。
Agent发展趋势： 从human in loop到human on loop，A2A和MCP成为AI系统必备要素。
现代人工智能认知： 本质是数据智能和语言智能，关键过程包括预训练、后训练和微调，关键要素包括Token、Attention、GPT、Data、RL、优化、FT、TTC和Prompt。

通识教育目标： 培养学生的AI全局观、应用能力和解决问题的AI技能，提升人机协同能力和批判性思维。
通识教育内容： 生成式AI思维与应用，包括文本、图像合成、音视频生成技术，不考虑数据处理能力和编程能力。
通识教育方法： 案例讲解、动手实操、学科融合，结合专业背景探索AI应用场景。
通识教育挑战： 缺乏积累、变化快速、认知落后，需要建立知识、思维、伦理方面的认知体系，并学会人机协同技能和习惯。
DeepSeek+北大青鸟逆向课程设计： 通过课前准备、导入激活、概念讲解、实践应用、巩固拓展和评估反馈等环节，实现学科融合的AI教育。
北大青鸟人工智能教学赋能解决方案： 提供教学平台、教研服务、科研创新、教学资源包、AI编程实训系统、AI教学管理系统、智能备课系统、人培方案优化、教材共研、赛事服务、算力共享平台、校园精灵、千校千面数据工程服务、人工智能专业课程体系和人工智能与学科融合课程体系。
师资能力提升： 通过AI理论基础、实践技能、教学方法与课程设计、AI赋能科研、产学协同与合作等途径提升师资队伍的教学、实验、科研及创新能力。