3.1初识语言大模型 课件-川教版2024信息科技七年级下册

资源下载
  1. 二一教育资源

3.1初识语言大模型 课件-川教版2024信息科技七年级下册

资源简介

(共20张PPT)
第三单元 智能的数字菜谱
项目主题
智能的数字菜谱
语言大模型是人工智能领域的一种前沿技术。这些模型能够处理复杂的任务,并且在多个领域展现出卓越的性能,人们已经尝试使用大模型来完成文本写作、图片设计、视频故事创作等工作。那么什么是大模型,它是如何理解人类需求并给出适当反馈的?我们该如何与大模型合作,利用大模型方便生活、辅助学习、造福社会?
项目背景
项目目标
在本单元中,我们将围绕 “智能的数字菜谱” 项目学习,知道什么是大模型,了解使用大模型的技巧,体验安装本地大模型,建立个人知识库。畅想大模型的各种应用场景,认识到技术进步在带来便利的同时也会带来新的问题,能根据情景需求合理选择人工智能工具,学习与人工智能工具协同工作。
第二单元 有趣的数字菜谱
学习过程
项目准备
项目实践
项目拓展
了解什么是大模型
掌握大模型使用的基本技巧
安装本地大模型。
用本地大模型建立智能菜谱资源库
与资源库进行交互,尝试利用 “智能” 生成 “创新菜”
畅想大模型的各种应用场景
了解人工智能带来的伦理与安全挑战
第一节 初识语言大模型
第三单元 智能的数字菜谱
学习目标
1
了解什么是语言大模型。
学习目标
掌握与语言大模型交互的基本技巧。
2
课堂导入
问题情境
要得到 “智能的数字菜谱”,可以使用人工智能。本单元我们就用人工智能中的 “语言大模型”,来让数字菜谱更智能。
博士爷爷,前两个单元我们建立了 “数字菜谱资源库”。有没有什么办法让电脑根据资源库生成 “全新” 的创新菜?
学习内容
一 了解语言大模型
二 实现更丰富的查询
学习内容
三 用Markdown标记语言记录数据属性
语言大模型(Large Language Model,简称 LLM)是人工智能领域中自然语言处理的一个重要分支。它是具有海量参数、利用深度学习技术训练出来的语言模型。
一、了解语言大模型
语言大模型是人工智能技术的一个组成部分。人工智能是一个广泛的领域,包括机器学习、计算机视觉、机器人技术等多个子领域,而语言大模型专注于处理和理解自然语言。
实际上,语言模型无处不在。在语言大模型出现前,我们每天都在接触和使用语言模型,如搜索引擎自动补全建议、软件翻译等。
与上面的例子相比,语言大模型在规模、性能和应用上都更为先进和复杂。请同学们查查当前有哪些对公众开放的语言大模型?并填写下表:
对公众免费开放的语言大模型主要有:
你选择使用
让它进行自我介绍,它的回答是
实践活动一
语言大模型的 “大” 主要指大数据、大参数、大算力。
了解语言大模型
>>>>大数据:训练文本巨大
语言大模型需要数量巨大的文本素材进行机器学习,以更好地理解单词与上下文的关系,从而准确地预测文本下文。
语言大模型学习的文本素材包括书籍、论文、新闻等,具有通识性。
语言大模型的 “大” 主要指大数据、大参数、大算力。
了解语言大模型
>>>>大参数:语言大模型数据中的参数量巨大
参数数量不同,模型能力有差异,现在语言大模型的参数已达万亿级别。
我们做一道菜,若仅有三个参数:“番茄”“食用油”“小火”,菜肴可能很普通.
当参数更多时,如:“番茄”“鸡蛋”“盐”“糖”“葱”“食用油”“中火”…… 菜肴会更美味。
参数越多,越可能做出有创新口味的菜肴。
语言大模型的 “大” 主要指大数据、大参数、大算力。
了解语言大模型
>>>>大算力:语言大模型训练和运行时,需要投入巨大的算力。
算力指用来训练模型所需的计算能力和资源。
我们个人使用的电子设备也具备一定的算力,请选择两个设备查看参数,比较它们的运算能力。
思考活动
设备1(游戏笔记本电脑) 设备2(普通智能手机)
CPU(中央处理器) Intel Core i7-12700H,14 核心 20 线程,基础频率 2.3GHz,睿频可达 4.7GHz 高通骁龙 8 Gen 1,1 颗 A78 3.0GHz 超大核 + 3 颗 A78 2.5GHz 大核 + 4 颗 A55 1.8GHz 小核
GPU(图形处理器) NVIDIA GeForce RTX 3060 Laptop GPU,6GB 显存,192-bit 显存位宽 Adreno 660
内 存 16GB DDR4 3200MHz 8GB LPDDR5 6400Mbps
从数据来看,游戏笔记本电脑在运算能力上整体强于普通智能手机:
CPU 方面:笔记本的 Intel Core i7 - 12700H 核心数和线程数更多,基础频率和睿频也表现出色,处理多任务和复杂计算时更具优势。智能手机的高通骁龙 8 Gen 1 虽能满足日常应用和轻度游戏,但面对大型专业软件等复杂任务时,性能远不及笔记本 CPU。
GPU 方面:NVIDIA GeForce RTX 3060 Laptop GPU 显存大、显存位宽高,专为图形处理和游戏等场景设计,在运行大型 3D 游戏、图形渲染等对图形性能要求高的任务时,远超智能手机的 Adreno 660 。
内存方面:游戏笔记本 16GB DDR4 3200MHz 的内存,比智能手机 8GB LPDDR5 6400Mbps 的内存容量更大,能同时运行更多程序,处理大数据时更流畅。
游戏笔记本电脑
普通智能手机
为了得到更准确的回复,与语言大模型交互需要掌握一些方法。
二、使用语言大模型
提示词 生成结果 你对生成结果的评价
请生成从北京到成都的旅游攻略
请生成从北京到成都的7日游方案
请生成从北京到成都的7日游方案,需包括:交通、景点、住宿、美食、费用。
实践活动二:
尝试就同一问题,以三种不同的描述形式向语言大模型提问,观察生成结果的异同,将你的评价填写到下表中。
笼统
不满意
为了得到更准确的回复,与语言大模型交互需要掌握一些方法。
二、使用语言大模型
提示词 生成结果 你对生成结果的评价
请生成从北京到成都的旅游攻略
请生成从北京到成都的7日游方案
请生成从北京到成都的7日游方案,需包括:交通、景点、住宿、美食、费用。
实践活动二:
尝试就同一问题,以三种不同的描述形式向语言大模型提问,观察生成结果的异同,将你的评价填写到下表中。
笼统
不满意
为了得到更准确的回复,与语言大模型交互需要掌握一些方法。
二、使用语言大模型
提示词 生成结果 你对生成结果的评价
请生成从北京到成都的旅游攻略
请生成从北京到成都的7日游方案 相对较好 满意
请生成从北京到成都的7日游方案,需包括:交通、景点、住宿、美食、费用。
实践活动二:
尝试就同一问题,以三种不同的描述形式向语言大模型提问,观察生成结果的异同,将你的评价填写到下表中。
笼统
不满意
直接向语言大模型提出与美食有关的问题,答案会比较模糊。
我们可以将关于美食的书籍、论文等,提供给语言大模型,它将首先阅读分析这些数据,然后我们再提问,返回的答案就会更翔实可信。
二、使用语言大模型
“角色定义” 有两方面,一是让模型扮演角色,二是明确提问者身份角色,这样能让回答更精准。
三、与语言大模型互动的技巧——角色定义
要求:请设计一份健康餐菜单
早餐:杂酱面,加入花生碎或加入一枚煎鸡蛋
午餐:回锅肉、酸菜粉丝汤,大米饭
晚餐:麻婆豆腐、骨头汤、清炒时蔬,小米粥
饮品:一杯花茶或者一杯绿茶
模型身份+要求:你是一名经验丰富的营养学专家,请为我设计一份健康餐菜单,具体到食材用量。
根据成年人的营养需求,以下是一份健康餐菜单示例,包括了每餐的食物种类和推荐摄入量(以克为单位),并解释主要营养成分的来源。
早餐:杂酱面或者抄手 100 克,补充人体必需的复合碳水化合物以及膳食纤维。
……
午餐:宫保鸡丁(注意减少油脂的使用),补充低脂蛋白质;清炒时蔬(如菠菜),补充维生素和膳食纤维。
……
“角色定义” 有两方面,一是让模型扮演角色,二是明确提问者身份角色,这样能让回答更精准。
三、与语言大模型互动的技巧——角色定义
双方身份+场景+要求:你是一名经验丰富的营养学专家,我是一名 14 岁的中学生,男孩子,身高 162 厘米,60 公斤,我跑 1000 米要花 8 分钟,请为我设计一份健康餐菜单。
你好!作为一名中学生,你正处于生长发育的关键时期,合理的饮食对于你的身体发育和运动表现都非常重要。以下是为你设计的一周健康餐菜单,旨在提供均衡的营养,支持你的日常活动和运动需求。
周一
早餐:小米粥 100 克,煮鸡蛋 1 个(约 50 克)或者豆浆 1 杯(约 100 克),新鲜苹果 1 个(约 150 克)
……
运动建议:你提到跑 1000 米需要 8 分钟,这可能意味着你需要提高耐力和速度。建议每周至少进行 3 次有氧运动,如跑步、游泳或骑自行车,每次 30 分钟以上…… 如果可能的话,咨询当地的营养师或医生以获得更个性化的建议。
发出指令时,如果采用 “身份 + 场景 + 要求” 的形式,让语言大模型建立一个自己的身份,同时明确使用者的身份,再详细提出要求,就能够得到针对个体特征的有效建议。
选择几个你感兴趣的问题,例如社团竞选宣言,运动会组织章程等。思考一下,为了让语言大模型专业准确地给出回复,应该如何设计构建身份、场景、要求,并在语言大模型中测试交互。
实践活动三
问题
你的身份
场景
要求
补充内容
语言大模型还有好多小技巧:
1、比如及时反馈就很重要。你对生成的内容满不满意,告诉它一声,它就能根据你的反馈去调整自己,以后回答类似问题时就表现得更好。这些技巧得你自己多试、多总结,才能用得顺手。
2、比如:嘿,你现在有没有好用的新方法?
拓展阅读
“东数西算”工程
“东数西算” 工程,“数” 是数据,“算” 是算力。
该工程旨在改善我国数据中心地理布局,把东部因资源紧张、电力成本高而难满足的实时算力需求,转移到西部处理。
还能提高算力资源利用效率,深化绿色发展理念,推动东西部在数字经济领域共同进步与合作 。

展开更多......

收起↑

资源预览