About AI –與人工智能共舞

對象

1.      企業高管，希望了解如何將AI應用于自身業務的管理人員。 2.      產品經理、項目經理、研發團隊、運營團隊，思考如何將AI與產品做有機結合的業務團隊。 3.      對AI、機器人和前沿科技懷有濃厚興趣者。

目的

1.     掌握了解AI的發展歷程，以及當今AI的發展趨勢和脈絡。 2.     把握AI與人類智能的區別，以及二者的結合點。 3.     建立算法思維，系統化培養“機器商”。 4.     破除對AI的恐懼，讓AI成為企業發展助力。 5.     了解如何入手處理AI與自有業務的結合，做到“人機共舞”。

內容

一、    課程背景

人工智能（Artificial Intelligence），英文縮寫為AI。作為計算機科學的一個分支，它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。近年來，隨著互聯網和深度學習模式的迅速崛起，人工智能迎來了一波輝煌的發展，并向各領域快速擴散，同時也帶來了機器智能是否會帶來人類失業，超越人類甚至毀滅人類的全球性恐慌與大討論。

本課程通過講師講解、案例分析、小組討論、學員練習等授課方式，從幾部影視作品開始，帶著你展開AI之旅，了解AI的前世今生來龍去脈，給你帶來全面的對人工智能的思考和解讀，讓你在領略機器和算法之美的同時，避免無謂的恐慌并逐漸學會與人工智能共舞，讓人工智能成為人類的助力，并通過率先應用人工智能獲得企業的競爭優勢。

主課程分為“道篇”（全面把握AI戰略的心法）與“德篇”（關鍵領域應用的技法），通過理論和案例分析的結合，力圖做到對AI知識體系的完整把握，和對實際應用的知行合一。

二、    課程特點

授課形式：體系講解 經典案例分析 業務結合討論 互動答疑

系統梳理AI發展脈絡并展望AI應用前景（了解歷史才能預測未來），突出理論特點，注重知識理解、案例分析與實戰體驗，其中體系講解45%，經典案例分析35%，業務結合討論15%，互動答疑5%。

三、    課程收益

1.     掌握了解AI的發展歷程，以及當今AI的發展趨勢和脈絡。

2.     把握AI與人類智能的區別，以及二者的結合點。

3.     建立算法思維，系統化培養“機器商”。

4.     破除對AI的恐懼，讓AI成為企業發展助力。

5.     了解如何入手處理AI與自有業務的結合，做到“人機共舞”。

四、    課程模式

1.     中文教學、面授、多媒體講解

2.     分組討論

3.     課堂練習、互動式答疑

五、    受眾對象

1.      企業高管，希望了解如何將AI應用于自身業務的管理人員。

2.      產品經理、項目經理、研發團隊、運營團隊，思考如何將AI與產品做有機結合的業務團隊。

3.      對AI、機器人和前沿科技懷有濃厚興趣者。

六、    時間安排

系統學習1天（6小時）

七、    課程過程中的實戰演練

1.     實戰訓練：業務分析，AI產品經理的十字型人才成長之路

2.     實戰訓練：如何做數據驅動型的決策

八、    課程內容

第一單元 前導--從幾部電影講起

1.    傳奇的阿蘭圖靈

2.    斯皮爾伯格對AI情感的探討

3.    天網：《終結者》帶來的AI恐慌

第二單元 AI綜述（道篇）

1.    人工智能的定義

u   機器對人腦的模仿游戲—圖靈測試

u   智能的內涵與外延

u   AI與人類智能的區別

2.    發展歷史

u   黃金年代和低谷

u   深度學習的高潮—風起云涌的類腦研究

3.    展望未來

u   AI-aas（AIas a service）與openAI：水電煤一樣的基礎設施

u   吳恩達的火箭理論

u   價值千億美金的公式

u   “意會”的AI：場景、上下文、強人工智能

4.    深度學習

u   AlphaGo與深藍的根本區別

u   算法

u   大數據

u   需求

5.    行業應用

u   推薦算法、圖像識別、語音、自然語言

u   應用領域：AR/VR/MR

6.    AI恐慌

u   《未來簡史》、《終結者》：取代人類

u   阿西莫夫的機器人三定律

u   情感計算

u   自動駕駛的“電車悖論”

u   機器人的高度擬人化：恐怖谷理論、Hanson Robotics的蘇菲亞和愛因斯坦

u   AI的價值觀和倫理

7.    道篇小結：關于AI的幾個深度思考

第三單元 典型應用（德篇）

1.    圖像識別

u   圖像識別原理

u   GPU云

2.    語音與自然語言

u   語音識別原理

u   語義識別

u   自然語言交互

3.    推薦算法

u   協同過濾算法（CF）

u   奇異矩陣分解（SVD）

u   標簽匹配

u   算法混合

4.    其他應用

5.    德篇小結

第四單元 人機共舞--業務結合

1.    分組討論

2.    總結討論

課程總結