目　　錄

　



第 1章　概述 1

1.1　人工智能發(fā)展歷程 1

1.2　人工智能工程設計思路 3

1.3　人工智能代表性研究成果 4

1.3.1　專家系統(tǒng) 4

1.3.2　深度神經(jīng)網(wǎng)絡 4

1.3.3　人工智能生成內(nèi)容和大模型 5

1.4　新趨勢和新特點 6

1.4.1　通用人工智能的涌現(xiàn) 6

1.4.2　智能系統(tǒng)面臨的挑戰(zhàn) 6

1.5　工作模式及生命周期模型 7

1.5.1　工作模式 7

1.5.2　生命周期模型 7

1.6　具體實現(xiàn) 8

1.7　小結 9

第 2章　智能系統(tǒng)規(guī)劃 10

2.1　從傳統(tǒng)信息化系統(tǒng)升級到智能系統(tǒng) 10

2.2　智能系統(tǒng)設計方法 14

2.2.1　系統(tǒng)設計策略和方法 14

2.2.2　業(yè)務架構設計策略和方法 15

2.2.3　智能系統(tǒng)頂層設計策略 16

2.3　小結 19

第3章　智能系統(tǒng)需求分析 20

3.1　業(yè)務架構分析與業(yè)務問題的提出 20

3.1.1　業(yè)務價值的源頭分析 20

3.1.2　業(yè)務分類分析 21

3.1.3　業(yè)務分解分析 22

3.2　場景識別 23

3.2.1　尋找切入點 23

3.2.2　場景評估 25

3.3　可行性分析 25

3.3.1　成本分析 25

3.3.2　風險分析 26

3.3.3　效益分析 27

3.4　需求獲取與需求分析 27

3.4.1　業(yè)務流與系統(tǒng)邊界 27

3.4.2　需求獲取 28

3.4.3　需求分析 28

3.5　案例分析：學生課堂情緒預警管理系統(tǒng) 30

3.5.1　問題提出 30

3.5.2　整理業(yè)務 30

3.5.3　尋找切入點 30

3.5.4　需求獲取 31

3.5.5　需求分析 31

3.6　小結 33

第4章　智能系統(tǒng)架構設計 34

4.1　架構設計的八項原則 34

4.2　智能系統(tǒng)總體架構設計 35

4.3　以算力為基礎的IaaS平臺 36

4.3.1　算力基礎設施 37

4.3.2　算力資源調(diào)度與管理平臺 38

4.3.3　算力加速與服務平臺 38

4.4　以數(shù)據(jù)為基礎的PaaS平臺 39

4.5　以大模型為基礎的MaaS平臺 40

4.6　面向智能應用的SaaS平臺 42

4.7　智能系統(tǒng)架構設計中要注意的問題 44

4.7.1　架構設計中的層次關系與處理策略 44

4.7.2　數(shù)據(jù)流設計 44

4.7.3　接口設計 45

4.8　智能系統(tǒng)開發(fā)、部署和運維 47

4.9　智能系統(tǒng)倫理、安全和隱私保護 48

4.10　小結 48

第5章　智能系統(tǒng)算力平臺設計 49

5.1　算力設計原則 49

5.2　算力資源識別 50

5.2.1　計算算力識別 50

5.2.2　存儲算力識別 51

5.2.3　網(wǎng)絡算力識別 51

5.3　算力資源需求分析 51

5.3.1　數(shù)據(jù)平臺對算力資源的需求 51

5.3.2　算法平臺對算力資源的需求 52

5.3.3　應用平臺對算力資源的需求 53

5.3.4　訓練平臺對算力資源的需求 53

5.3.5　運維管理系統(tǒng)對算力資源的需求 54

5.3.6　隱私計算、安全和倫理對算力資源的需求 55

5.4　算力資源調(diào)度和管理平臺 56

5.4.1　部署應用 56

5.4.2　選擇云服務供應商 56

5.4.3　租用算力資源 57

5.4.4　資源調(diào)度和管理 57

5.4.5　安全和合規(guī) 57

5.5　算力加速技術與應用 57

5.5.1　硬件加速 57

5.5.2　軟件優(yōu)化 58

5.5.3　虛擬化技術和容器化技術 59

5.6　算力資源管理和服務管理 59

5.6.1　算力資源監(jiān)控 59

5.6.2　算力資源調(diào)度 60

5.6.3　算力資源來源 60

5.6.4　算力資源計費管理 60

5.6.5　算力資源服務管理 61

5.7　算力網(wǎng)絡設計 61

5.7.1　網(wǎng)絡拓撲設計 61

5.7.2　帶寬管理 61

5.7.3　網(wǎng)絡安全防護 61

5.8　小結 62

第6章　智能系統(tǒng)數(shù)據(jù)平臺設計 63

6.1　數(shù)據(jù)平臺的構成 64

6.2　數(shù)據(jù)集的構建 65

6.2.1　數(shù)據(jù)采集策略 65

6.2.2　數(shù)據(jù)集劃分方法 65

6.2.3　數(shù)據(jù)集質量評估 66

6.3　數(shù)據(jù)存儲與數(shù)據(jù)庫 67

6.3.1　面向智能系統(tǒng)的數(shù)據(jù)庫選型 67

6.3.2　數(shù)據(jù)庫規(guī)劃與設計 69

6.3.3　數(shù)據(jù)庫性能優(yōu)化 70

6.3.4　數(shù)據(jù)庫安全與隱私保護 70

6.4　數(shù)據(jù)清洗 71

6.4.1　數(shù)據(jù)去重 71

6.4.2　缺失值處理 71

6.4.3　異常值處理 72

6.4.4　數(shù)據(jù)標準化與歸一化 72

6.5　數(shù)據(jù)標注 72

6.5.1　標注流程 73

6.5.2　標注方法 74

6.6　數(shù)據(jù)集管理 75

6.6.1　數(shù)據(jù)集版本控制 75

6.6.2　數(shù)據(jù)集生命周期管理 76

6.6.3　數(shù)據(jù)集質量管理 76

6.7　小結 77

第7章　智能系統(tǒng)算法設計 78

7.1　小模型場景下的算法設計 78

7.1.1　問題導向的設計理念 78

7.1.2　分類問題 79

7.1.3　回歸問題 80

7.1.4　分組問題 81

7.1.5　生成問題 83

7.1.6　預測問題 84

7.2　大模型微調(diào)技術 85

7.2.1　LoRA 85

7.2.2　前綴調(diào)優(yōu) 86

7.2.3　提示調(diào)優(yōu) 87

7.2.4　P調(diào)優(yōu) 88

7.3　算法優(yōu)化技巧 89

7.3.1　模型簡化和壓縮 89

7.3.2　高效的訓練策略 90

7.3.3　超參數(shù)調(diào)優(yōu) 91

7.3.4　算法并行化和分布式訓練 91

7.4　小結 92

第8章　智能系統(tǒng)開發(fā)、部署和運維 93

8.1　智能體構件設計 93

8.1.1　智能體構件的職責規(guī)約 94

8.1.2　智能體構件的數(shù)據(jù)實現(xiàn) 95

8.1.3　智能體構件的業(yè)務流轉接口實現(xiàn) 96

8.1.4　智能體構件的交互實現(xiàn) 97

8.2　系統(tǒng)開發(fā)環(huán)境搭建工具 98

8.2.1　數(shù)據(jù)處理工具和框架 98

8.2.2　智能報告工具 98

8.2.3　開發(fā)工具 98

8.3　系統(tǒng)測試與質量保證 99

8.3.1　智能系統(tǒng)質量要素的獨特性 99

8.3.2　測試需求管理 99

8.3.3　測試方案生成 101

8.3.4　測試代碼編寫與測試自動化 101

8.3.5　測試報告生成 102

8.4　部署與交付 102

8.4.1　部署策略與流程 102

8.4.2　試運行 103

8.4.3　持續(xù)集成與持續(xù)部署 103

8.5　系統(tǒng)運維 104

8.5.1　運維策略與措施 104

8.5.2　系統(tǒng)監(jiān)控與報警 104

8.5.3　故障排除與恢復 104

8.6　系統(tǒng)優(yōu)化 105

8.6.1　需求預期管理 105

8.6.2　需求變更管理 105

8.6.3　系統(tǒng)優(yōu)化實現(xiàn)技術 105

8.6.4　個性化及個性化版本管理 106

8.7　小結 106

第9章　智能系統(tǒng)倫理、安全和隱私保護策略 107

9.1　倫理考慮與指南 107

9.1.1　人工智能的倫理挑戰(zhàn) 108

9.1.2　倫理指南與實踐 108

9.1.3　社會責任與參與 109

9.2　安全性設計與應對策略 110

9.2.1　安全威脅與風險 110

9.2.2　安全性設計原則 111

9.2.3　應對策略與實踐 111

9.3　隱私保護與應對策略 114

9.3.1　隱私挑戰(zhàn)和風險 114

9.3.2　應對策略 115

9.4　小結 117

第 10章　行業(yè)應用 118

10.1　概述 118

10.1.1　大模型 營銷 118

10.1.2　大模型 辦公 119

10.1.3　大模型 游戲 120

10.1.4　大模型 影視 121

10.1.5　大模型 制造 122

10.1.6　大模型 教育 122

10.2　醫(yī)療行業(yè)典型案例 123

10.3　金融行業(yè)典型案例 124

10.4　小結 126

第 11章　總結和展望 127

11.1　人工智能在應用中所面臨的挑戰(zhàn) 127

11.2　人工智能技術發(fā)展的趨勢及其對軟件開發(fā)的影響 129

11.2.1　技術發(fā)展方向 129

11.2.2　應用領域的拓展 134

11.2.3　大模型對軟件開發(fā)的影響 136

11.3　小結 138