课程背景
AIGC时代，生成式人工智能已经成为变革生产力的核心工具。随着人工智能技术的飞速发展，大模型已成为金融行业变革的重要工具。本课程旨在探讨大模型在金融行业的未来趋势，分析其价值所在，并结合应用案例，为学员提供解决方案。
2024年，以Sora为代表的接近人类水平的视频生成机器人，Sora是世界的模拟器，AIGC不断刷爆网络，其强大的内容生成能力给人们带来了巨大的震撼。学术界和产业界也都形成共识：AIGC绝非昙花一现，其底层技术和产业生态已经形成了新的格局。就内容生产而言，AIGC作为新的生产力引擎，让我们从过去的PGC、UGC，已经不可避免地进入AIGC时代。AIGC代表着AI技术从感知、理解世界到生成、创造世界的跃迁，正推动人工智能迎来下一个时代。经过了2023年的预热，2024年AIGC领域将迎来更大发展。AIGC生成内容的类型不断丰富、质量不断提升，也将有更多的企业积极拥抱AIGC。
课程收益
使学员了解生成式大模型的基本概念、技术原理及其在金融行业的应用；掌握大模型在金融行业的未来发展趋势；学会分析大模型在金融行业的价值所在；熟悉大模型在金融行业的典型应用案例；培养学员运用大模型解决金融实际问题的能力。
授课形式
理论讲解+案例分析+视频分享+课堂练习+实战演练+小组研讨+互动答疑
课程时间
2小时
课程大纲
第一章 生成式大模型（Sora、ChatGPT）是什么以及为什么会爆火
1.1 大模型Sora是什么
1.2 Sora有什么特别功能
1.2.1 Sora生成视频内容
1.2.2 Sora文生视频
1.2.3 Sora图生视频
1.2.4 Sora可用于根据输入数据生成模拟世界的视频
1.3 Sora的研发发展历程
1.3.1 Sora突破的技术路线
1.3.2 Sora突破的数据路线
1.3.3 Sora突破的模型训练路线
1.4 Sora会颠覆那些行业
1.6 大模型ChatGPT是什么
1.7 chatgpt有什么特别功能
1.7.1 ChatGPT可用于创建能与用户进行对话的聊天机器人
1.7.2 ChatGPT可以进行微调，以回答特定类型的问题
1.7.3 ChatGPT可以用于创建与用户进行对话的虚拟代理或虚拟化身
1.7.4 ChatGPT可用于根据输入数据生成类似人类的文本响应
第二章 解析大模型（Sora和ChatGPT）的关键技术和发展历程
2.1 大模型难点之一：大型视频模型中的能力与一致性
2.2 大模型难点之二：大视频模型训练策略如何产生不一致
2.3 Sora模型的训练过程
2.3.1 将视觉数据转换成统一的Patch
2.3.2 视频压缩网络
2.3.3 生成潜时空Patch
2.3.4 缩放transformer用于视频生成：视频的持续性，分辨率和宽高比
2.3.5 采样的灵活性
2.3.6 更好的构图和画面构成
2.3.7 语言感知：文字生成视频关键
2.3.8 通过图像和视频提示
2.3.9 将DALL-E图像动画化
2.3.10 扩展生成视频
2.4 视频的智力涌现
2.4.1 图像生成能力
2.4.2 视频的仿真能力
2.4.3 视频模拟世界的能力
2.4.4 视频仿真物理世界
2.4.5 发现世界的物理规律
2.5 视频模型性能评估：人类反馈评估视频模型
2.6 ChatGPT 是如何利用人类反馈来解决一致性问题
2.6.1 从人类反馈中进行强化学习：监督调优模型
2.6.2 第一步是收集数据，以训练有监督的策略模型
2.6.3 第二步：训练回报模型
2.6.4 第三步：使用 PPO 模型微调 SFT 模型
2.7 人类反馈的性能评估
第三章 大模型在金融行业的应用现状
3.1 金融行业对大模型的需求分析
3.2 大模型在金融行业的典型应用案例
3.3 大模型在金融行业（芯片、架构、模型、数据）的现状分析
3.4 大模型在金融行业的应用挑战与问题
3.5 大模型在金融行业的隐私安全问题
案例讨论：讨论目前大模型在金融行业的（芯片、架构、模型、数据）需求分析、（芯片、架构、模型、数据）的现状分以及安全挑战等。
第四章 大模型在金融行业的应用实践
4.1 大模型模拟世界运行
4.2 大模型虚拟数字人直播
4.3 大模型：企业级的公文写作
4.4 大模型：企业级的知识增强检索
4.5 大模型：企业级实时的知识校准问答
4.6 大模型元宇宙内容生成
4.7 大模型：生成文字、视频内容
4.8 大模型模拟现实：世界物理运行规律追溯
4.9 大模型下一代类人机器人创作和协同
4.10 大模型：人形机器人（包括大脑和四肢执行动作）
4.11 人工智能体：AI Agent应用电商、工厂自动化
第五章 大模型金融行业实践及变现
5.1 大模型推动算力网络的发展
5.2 GPU智算技术分析:Nvidia、TPU等
5.3 框架：大模型框架
5.4 大模型私有算法分析和实践
5.5 大模型赋能AI中台：从数据中台到AI中台
5.6 大模型金融客户的增长途径
5.7 大模型金融视频数据资产沉淀
5.8 大模型金融客户的精准画像
5.9 大模型金融业务自动化
大模型的金融典型案例和解决方案
案例一：企业级私有大模型的训练、部署
l 企业级私有大模型的训练和部署（GPU、架构、模型和数据），模型的训练、精调、推、和部署
l 数据清洗和整理
l 内容校准和对比
l 数据的隐私计算
案例二：大模型的企业办公自动化
l 企业级的公文写作
l 文生视频
l 企业级的海报的制作
l 企业数据分析
案例三：私有向量数据库的构建：知识增强检索查询
l 生成向量数据库
l 文本特征提取和向量化检索能力实现高效检索查询
l 帮助企业快速、准确地检索到相关的政策、法规、案例
案例四：企业任务驱动AI agent人工智能体
l 对任务进行拆解、规划和执行
l Agent核心控制器对其他相关政务系统接口进行驱动
l 自主决策完成各类复杂任务
案例五： 大幅较少大模型的幻觉的方案
l 具备解决两个校验难题的方案
l 具备RAG、微调等缓解大模型幻觉的能力
l 构建邻域知识私有数据库
案例六：多模态大模型应用（文字、音频、图像、视频）
l 类Sora文生生成视频
l 智能Agent打造数字员工：数字接待、数字客服、数字销售
案例七：可信大模型方案
l 知识图谱
l RAG
l 向量数据库
l 答案校准
专利和文献：
深度学习国际发明专利
1) 基于深度学习的图像检索方法及装置，专利公开公告号：CN107368614A。专利类型：发明公布。发明人：周红伟;李凯;任伟;李庆;郭奇杰;周杨;刘川郁
2) Simulation model and droplet ejection performance of a thermal-bubble microejector，Hongwei Zhou，A.M.Gué，Sensors and Actuators B: Chemical Volume 145，Issue 1，4 March 2010，Pages 311-319
3)Simulation Bubble Nucleation and Bubble Growth of a Thermal Bubble Microejector,Hongwei Zhou，A.M.Gué，Excerpt from the Proceedings of the COMSOL Conference 2009 Mila
