
AI、机器学习与深度学习的关系
人工智能是什么:从生活中的判断开始
理解人工智能、机器学习和深度学习的关系,辨别它们能解决的问题。
为导航、计算器和推荐系统等案例匹配实现方式。
- 能力地图
- 基本概念
ARTIFICIAL INTELLIGENCE · 从理解到应用
从生活中的一个问题出发,建立完整的 AI 认知。
用图解看懂思路,用实验验证判断,把能力变成可用的产品。

先建立认知,再把能力用进真实任务。
不需要先学会编程,从第一课开始就好。
18 门课程均可开始学习。点击任意课程卡片即可进入,建议按顺序前进,也可以选择感兴趣的主题。
UNDERSTAND THE LANDSCAPE
SEARCH, REASON & PLAN
LANGUAGE, VISION & VOICE

从文本输入到具体语言任务
认识文本分类、信息提取与语义匹配,理解文字处理的基本任务。
从报修描述中提取地点、设备与故障。

从识别结果到复核与业务动作
理解漏报、误报、阈值和人工复核之间的取舍。
调整质检阈值,比较漏检数量与复核工作量。

连接声音、文字和图片
区分语音识别、语音合成和跨模态任务,认识错误传递。
追踪会议录音转成纪要时,错误在哪一步出现。
WORK WITH GENERATIVE AI

生成流畅回答,也要检查事实
区分生成、检索和事实核验,理解流畅表达不等于事实正确。
检查一段流畅回答中的说法是否有证据支持。

把任务和验收条件说清楚
学会描述目标、背景、约束与输出格式。
逐步改进提示,对照同一份摘要标准检查结果。

根据含义查找相关资料
理解按含义表示和查找文本的思路,认识语义检索的局限。
对比关键词与语义检索对同义问法的排序。
DESIGN & BUILD APPLICATIONS

先检索资料,再生成带引用的回答
理解检索增强生成,即先查找资料再生成回答,以及这套流程的边界。
调整资料切分与检索数量,观察回答证据是否完整。

根据任务条件选择AI方案
根据任务、数据、成本和更新需求,选择合适方案。
为三个业务需求选择方案,比较各自的取舍。

让用户能够确认、纠错和接管
设计确认、纠错、失败恢复和人工接管,形成可用的产品流程。
搭建一个可修改、可追溯的报修助手流程。
EVALUATE, PROTECT & IMPROVE

用相同测试标准比较实际效果
建立测试样例,同时衡量效果、成本、耗时与业务价值。
使用同一组样例比较两个方案,识别平均分掩盖的问题。

保护隐私,检查安全与偏差
识别敏感信息、不公平表现与恶意输入,明确人工复核边界。
在模拟请求中选择脱敏、拒绝或人工复核。

监测、反馈与异常恢复
理解持续评估、异常处置与版本回退的基本流程。
从运行记录中判断应该继续观察还是暂停功能。

串起带引用知识助手的完整流程
串起需求、资料、检索、回答、评估和兜底,完成学习闭环。
在本地教学沙盒中完成一个完整任务和验收。