为什么需要这门 AI 通识课

很多非算法背景的技术学习者，对 AI 的理解还停留在“调包”或“看新闻”的层面。遇到大模型选型、多模态融合，或者想判断 AI 是否真能替代某个业务环节时，往往缺乏底层逻辑支撑，容易陷入盲目跟风或过度保守。这门课的核心价值，不在于教你写代码，而在于建立对 AI 能力边界的理性认知。它梳理了从图灵机到当前生成式 AI 的技术演进脉络，重点解析了自然语言模型与扩散模型这两大核心范式。通过厘清“为什么能做”以及“哪里做不好”，你才能在实际工作中准确评估技术可行性，避免在技术方案设计上出现基础性误判，为后续深入具体领域打下坚实的概念地基。

适合人群与学习路径建议

这门课适合具备一定计算机基础，但缺乏 AI 系统级视野的开发、测试、产品或数据工程人员。你不需要精通微积分或复杂的线性代数证明，但最好了解基本的数据结构和算法复杂度概念，以便理解模型训练的资源消耗逻辑。建议的学习顺序是：先看前四集，夯实“AI 革命”的历史背景与核心模型概念，这是理解后续所有应用案例的基石；接着重点研读“AI 与互联网”和“AI 与工科”两集，结合你所在的技术栈，思考算法推荐、自动化流程或传统工科智能化改造的具体痛点；最后浏览“AI 与金融”或“AI 与电商”等垂直领域章节，建立跨行业的宏观视角。不要试图一次性消化所有行业案例，应带着自己工作中的具体业务场景去筛选重点。

学完产出与资料配合练习

学完这门课，你应该能独立回答以下问题：在当前场景下，选用微调小模型还是调用大模型 API 更经济？AI 在提升办公效率时，哪些环节属于高风险幻觉区？如何向非技术团队解释 AI 的局限性？此外，你应能基于对扩散模型和 NLP 原理的理解，初步绘制出团队技术升级的路线图，识别出需要重点攻克的技术瓶颈。配套的系列视频资料包应按照章节顺序观看，建议每看完一个主题章节（如“AI 与学习”或“AI 与科研”），暂停并进行五分钟复盘，记录一个该技术在当前业务中可能落地的具体微小案例，或者识别出一个潜在的技术风险点。这种“听-思-写”的循环，比单纯刷完视频更能将通识知识转化为可执行的工程判断力，帮助你从被动接受技术转向主动规划技术。

课程目录

01 人工智能革命下，为所有人准备的AI通识课【资源精选‖更多关注：CunworkNotes】.mp4 [38.4 MB]
07 AI与科研：除了蛋白质预测，AI还能做什么？生化环材会迎来春天 .mp4 [96.5 MB]
03 如何在AI浪潮下保持竞争力、把握风口？ .mp4 [83.6 MB]
16 AI与通用智能：写作文之外，AI还能干点什么有趣的.mp4 [75.8 MB]
06 AI与办公：解放了繁琐工作，我们是否还需要加班？ .mp4 [108.1 MB]
14 AI与金融：从量化到一级市场，商业与金融的智能之路 .mp4 [83.8 MB]
11 AI与工科：土木机械自动化、建筑农林地质学...工科能否解放生产力 .mp4 [83.2 MB]
15 AI与社科：社会、经济、语言、AI与人类的趋同演化 .mp4 [92.3 MB]
12 AI与健康：人工智能如何保护人类健康？防患于未然的方式.mp4 [77.0 MB]
09 AI与电商：从客服、直播带货到淘宝模特，AI能替代人吗.mp4 [93.4 MB]
10 AI与互联网：从推荐算法到前后端设计，AI是助手还是终结者？.mp4 [125.9 MB]
13 AI与娱乐：游戏，才是第一生产力（AI宇宙的畅想录）.mp4 [81.7 MB]
19 AI与跨学科：学会训练属于自己的大模型 .mp4 [121.1 MB]
08 AI与学习：智能时代，让教育更公平 .mp4 [113.7 MB]
04 新时代的核心概念：自然语言模型与扩散模型 .mp4 [101.4 MB]
17 人工智能时代，努力和选择哪个更重要？ .mp4 [92.5 MB]
20 是结束，也是开始——未来畅想与技术思考 .mp4 [14.6 MB]
18 从当下出发，如何选择专业与职业？ .mp4 [112.6 MB]
02 从图灵机到ChatGPT，AI开启的第四次技术革命 .mp4 [92.0 MB]
05 AI与创作：创作的本质是什么？画师、写手、自媒体会失业吗 .mp4 [95.0 MB]