课程纲要：

导论：从AlphaGo到ChatGPT

模块一：人工智能的源起和进化

1、 人工智能出现和发展的大背景

2、 第四次工业革命的特征和要求

3、 永恒的驱动力：对经验获取和生产研发效率的追求 —— 人工智能出现和发展的大背景

4、 从早期人工智能算法到机器学习，到人工神经网络和深度学习：对“智能”的“压缩”的进化

5、 从“偏科专才”到“通才”，通用人工智能的曙光：GPT为何如此令人兴奋？

模块二：通用人工智能的曙光：以ChatGPT为代表的AIGC大模型

6、 AIGC兴起 - 从分析式AI到生成式AI，AI从做判断题/选择题，到做填空/问答题

7、 以ChatGPT为代表的等大语言模型基本逻辑

a) 如何看ChatGPT?

b) 词的“内嵌”：GPT如何理解文字？

c) “智能”的压缩 —— GPT如何理解句子和逻辑？

d) 如何打造行业专家？—— 为什么深度人工神经网络可以学习到几乎一切模式和规律？

8、 其他主要AI大模型主要类别和基本原理

a) 文生图模型：训练机器对像素块的“组装”

b) 3D重建模型：AI对世界的“脑补”和三维重建

模块三：人工智能：金融领域数字化转型新引擎

9、 人工智能在金融业落地的挑战和机遇

10、 人工智能大模型时代的金融系统架构新范式

11、 金融业数字化转型中AI的通用应用领域和潜力

12、 AI大模型具有成为金融行业数字架构“总调度”“总参谋”的潜力

13、 基于基础大模型定制的行业模型：打造金融业“大脑”

模块四：人工智能在金融领域的应用

14、 场景化金融：AI赋能的数字化营销

15、 金融证券业的生成式AI/数字人客服服务和咨询

16、 基于机器学习的金融风控应用

17、 类BloombergGPT 智能投研模型：基于大语言模型的数据和报告分析

18、 金融业呼叫中心中的人工智能

19、 AI赋能的无人银行和银行元宇宙营业厅

20、 基于AI大模型的金融证券领域（SQL/API调用）代码生成

21、 金融证券领域的培训和问答：AI大模型赋能的针对性学习

22、 金融证券业知识图谱：大模型对知识图谱和知识运营的补充和赋能

23、 多模态大模型赋能的金融证券业全渠道全周期“大”数据整合和解析

24、 金融证券业全渠道客服服务的流程自动化和机器学习优化