《人工智能2.0时代的人才培养和通识教育课程》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

一、人工智能的历史演进：从深度学习到大模型

人工智能的发展可以划分为两个主要阶段：

• **AI 1.0阶段（2006–2020）**以深度学习为核心，标志性事件包括ImageNet图像识别超越人类、AlphaGo击败人类棋手、AlphaFold在蛋白质结构预测上取得突破。这一时期的技术基础是深度神经网络（CNN、RNN），其核心在于通过大量数据训练模型，实现对特定任务的精准识别和判断。

• **AI 2.0阶段（2020年至今）**则进入大模型时代，以Transformer架构为基础，出现了以GPT为代表的大规模预训练模型。这些模型不再局限于单一任务，而是具备了跨领域、多模态的通用能力，能够同时处理文本、图像、视频、音频等多种信息形式，表现出强大的生成能力和推理能力。典型代表包括OpenAI的ChatGPT系列、Claude、Gemini，以及国内的DeepSeek、Kimi、Qwen等。

二、大模型的本质与运行机制

大模型的本质是一种数据驱动的语言智能系统，其核心机制是“下一个词预测”（Next Token Prediction）。具体而言，模型在接收到用户输入后，首先将输入内容分解为一个个Token（并非简单的字词，而是具有语义计算单位），接着通过Transformer架构理解这些Token之间的关系，并基于上下文预测下一个最可能出现的Token，逐步生成完整的内容。

大模型的运行过程可以分为三个阶段：

• 预训练阶段：类似于人类的中小学教育，模型通过海量无标注数据学习语言的基本规律和知识。

• 后训练阶段：类似于大学教育，通过监督微调（SFT）和人类反馈强化学习（RLHF），模型进一步专业化，适应特定任务需求。

• 推理阶段：类似于人类进入职场后的实际工作，模型根据用户提示词（Prompt）实时生成内容。

三、DeepSeek模型的突破与意义

DeepSeek作为国产大模型的代表，2024年底至2025年初迅速出圈，成为AI领域的现象级事件。其突破体现在以下几个方面：

• 能力层面：DeepSeek-R1在推理能力上实现了显著跃升，进入全球第一梯队，与国际顶尖模型如GPT-4o、Claude-3.5-Sonnet等直接对标。

• 成本层面：DeepSeek-V3的训练成本仅为557万美元，远低于国际同类模型；推理成本降低83%，极大降低了企业和个人的使用门槛。

• 技术层面：DeepSeek采用了混合专家模型（MoE）、多头潜在注意力机制（MLA）、强化学习（RL）中的GRPO算法、多Token预测（MTP）等先进技术，显著提升了模型的效率与性能。

• 开源与自主：DeepSeek选择全量开源训练代码与工具，推动国内AI生态的自主可控与普惠化，将国产模型与美国的代际差距从1-2年缩短至3-5个月。

四、AI 2.0时代的人才需求与教育转型

人工智能的快速发展对人才培养提出了全新的要求，传统教育体系面临巨大挑战：

• 对所有人的通识要求：未来社会每个人都需具备基本的AI素养，能够熟练使用AI工具解决实际问题，提升工作与生活的效率。这意味着教育体系必须从传统的知识记忆、计算推理转向问题定义、沟通表达、判断鉴别等能力的培养。

• 对IT专业人才的新要求：传统IT人才以代码能力、逻辑能力为核心，而AI 2.0时代则要求IT人才具备数据思维、模型思维，深入理解AI模型的原理与局限，具备将AI技术与具体行业场景深度融合的能力。

• 对AI专业人才的深度要求：AI 2.0时代的专业人才需要具备扎实的数学基础、强大的数据工程能力、底层软硬件工程能力（芯片、通讯、操作系统），以及大模型范式（Transformer、Diffusion、强化学习）的深入理解。

五、北大AI通识教育课程的设计理念与实施方案

北京大学提出的AI通识教育课程，旨在应对AI 2.0时代对人才培养的全新挑战，其设计理念与实施方案包括：

• 课程目标：帮助学生建立对AI技术的全局性认知，理解AI技术的本质、能力边界与社会影响，掌握AI工具的实际应用能力，培养批判性思维与人机协作意识。

• 内容体系：

• 基础认知：包括AI三大流派（符号主义、连接主义、行为主义）、Transformer架构原理、Token机制、预训练与微调的区别。

• 实际应用：涵盖AI在金融、医疗、教育、制造等行业的具体案例，帮助学生理解AI如何解决实际问题。

• 工具实操：包括ChatGPT、Stable Diffusion、ComfyUI等主流AI工具的使用技巧，提示词工程（Prompt Engineering）的系统方法，以及AI绘画、视频生成、音频创作等实践项目。

• 教学方法：

• 案例驱动：通过具体案例分析，引导学生掌握AI问题解决的完整流程（问题定义→工具选择→提示设计→结果评估）。

• 学科融合：鼓励学生结合自身专业背景（如教育学、文学、心理学、历史学等），探索AI在具体学科中的创新应用场景。

• 项目制学习：以小组为单位，完成AI应用项目的设计与实现，培养学生的协作能力与创新能力。

六、AI时代人类能力的重构与迁移

AI技术的普及将深刻改变人类的能力结构与教育目标：

• 被弱化的能力：传统教育中强调的知识记忆、计算推理、重复执行等能力将逐渐被AI所取代，教育的重心不再是如何“记住更多知识”，而是如何“提出更好的问题”。

• 被强化的能力：人类的判断力、创造力、沟通表达能力将成为未来教育的核心目标。人类需要学会如何与AI高效协作，如何利用AI工具实现自身的创造性目标，而非与AI竞争工具性能力。

七、面向未来的教育哲学与反思

AI 2.0时代，教育需要从“以知识为核心”转向“以问题为核心”，从“规范性思维”转向“批判性思维”，从“专业核心”转向“人机协作”。教育的最终目标不再是培养掌握更多知识的“工具人”，而是培养具备独立思考能力、批判性精神、创造性思维与人文关怀的“完整的人”。

正如北大课程所强调的：“人是目的，不是手段。”人工智能的出现，并非为了取代人类，而是为了让“意义之网”更有价值，帮助人类更好地理解自身与世界的关系，进而实现人类自身的全面发展。

【中国风动漫】《雾山五行》大火，却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折！

如需获取更多报告

扫码加入

“人工智能产业链联盟”

知识星球，任意下载相关报告！

报告部分截图

声明

来源：北京大学，人工智能产业链union（ID:aiyuexingqiu）推荐阅读，不代表人工智能产业链union立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！

编辑：Zero

文末福利

1.赠送800G人工智能资源。

获取方式：关注本公众号，回复“人工智能”。

2.「超级公开课NVIDIA专场」免费下载

获取方式：关注本公众号，回复“公开课”。

3.免费微信交流群：

人工智能行业研究报告分享群、

人工智能知识分享群、

智能机器人交流论坛、

人工智能厂家交流群、

AI产业链服务交流群、

STEAM创客教育交流群、

人工智能技术论坛、

人工智能未来发展论坛、

AI企业家交流俱乐部

雄安企业家交流俱乐部

细分领域交流群：

【智能家居系统论坛】【智慧城市系统论坛】【智能医疗养老论坛】【自动驾驶产业论坛】【智慧金融交流论坛】【智慧农业交流论坛】【无人飞行器产业论坛】【人工智能大数据论坛】【人工智能※区块链论坛】【人工智能＆物联网论坛】【青少年教育机器人论坛】【人工智能智能制造论坛】【AI/AR/VR/MR畅享畅聊】【机械自动化交流论坛】【工业互联网交流论坛】

入群方式：关注本公众号，回复“入群”

戳“阅读原文”下载报告。