人工智能究竟是什么
人工智能、传统软件、自动化、算法、模型、专用人工智能、通用人工智能以及人工智能领域的历史发展。
AI-101
课程概述
《人工智能基础》是一门结构化的初级课程，适合希望超越新闻标题、产品演示和技术术语，真正理解人工智能的人士。
本课程讲解数据、机器学习、神经网络、生成式人工智能、计算机视觉、音频系统、机器人技术和自主系统之间的关系。学生还将学习人工智能的局限，以及隐私、安全、公平性、结果验证和有实质意义的人类监督的重要性。
本课程面向希望严谨理解人工智能的成年学习者和在职专业人士。无需具备编程经验、高等数学知识或计算机科学背景。
学习目标
您将学到什么
-
01
解释人工智能与传统软件、自动化以及基于规则的系统之间的区别。
-
02
说明数据集、训练、验证、测试和推理在人工智能系统开发中的作用。
-
03
区分监督学习、无监督学习和强化学习。
-
04
从概念层面解释神经网络、深度学习和 Transformer。
-
05
说明生成式人工智能和大型语言模型如何生成内容。
-
06
识别常见问题，包括幻觉、过拟合、偏差、数据泄漏以及数据分布变化。
-
07
理解计算机视觉、音频人工智能、机器人技术和自主系统的基础知识。
-
08
根据人工智能系统的目的、数据、方法、结果、风险和人类监督对其进行评估。
-
09
分析负责任使用人工智能时涉及的隐私、安全、公平、透明度和问责问题。
-
10
确定进一步学习人工智能和职业发展的路径。
十个结构严谨的模块
课程体系
数据：人工智能的基础
结构化与非结构化数据、数据收集、标注、质量、代表性、隐私、偏差以及完整的数据生命周期。
机器学习基础
监督学习、无监督学习、强化学习、模型评估、泛化、过拟合以及实际错误分析。
神经网络与深度学习
层、权重、表示、卷积神经网络、循环神经网络、Transformer，以及深度学习的优势和局限。
自然语言处理与生成式人工智能
语言模型、Token、上下文、提示词设计、内容生成、幻觉、结果验证、信息检索以及人工智能智能体的入门概念。
计算机视觉、音频人工智能与多模态系统
图像识别、目标检测、语音系统、合成媒体、多模态分析、真实性和知情同意。
机器人技术与自主系统
传感器、感知、规划、控制、执行器、自主性、安全边界以及人工干预。
现实世界中的人工智能
人工智能在医疗保健、金融、教育、零售、物流、制造、公共管理、农业和小型企业中的应用。
负责任的人工智能
伦理、隐私、安全、偏差、公平性、可解释性、问责、治理以及有实质意义的人类监督。
人工智能的未来与人类能力
人工智能智能体、多模态系统、新兴应用、职业角色、可迁移的人类能力以及终身学习。
官方推荐教材
First BCI University Artificial Intelligence Foundations
A Non-Technical Guide to Data, Machine Learning, Generative AI, Robotics, and Responsible Use
- 作者
- Konstantin Titov
本书是 AI-101 的推荐学习资料。全书十章与课程结构相对应，并提供详细解释、现实情境、知识检查和应用型学习活动。
可作为安全下载的电子书购买，价格为 US$12.99。
购买本书 — US$12.99成功结业
考核与结业
考核项目
- 十次知识检查，每个模块一次
- 基于现实人工智能情境的应用型学习活动
- 涵盖课程核心概念的期末评估
- 对现实世界人工智能系统进行最终分析
结业要求
- 完成全部十个学习模块
- 完成规定的知识检查
- 期末评估成绩达到至少 70%
- 提交人工智能系统最终分析
AI-101 报名
开始系统学习人工智能。
US$145
获得 AI-101 的安全在线学习权限。成功满足课程结业要求后，可获得 First BCI University PDF 格式电子结业证书。
立即购买课程