大模型工具在人工智能系列课程中的应用 

随着人工智能技术的迅速发展，ChatGPT 的横空出世让很多人产生了错觉，认为大模型无所不能。这其实是一种误解，在大多数应用领域，目前的大模型可能都很难说直接一步到位的达成目标，但如果把他定位为一个“辅助”角色，他的优势就能充分发挥出来。大模型时代，如何将大模型“训练”为我们生活、工作和学习的得力助手才是最重要的。

为了验证大模型工具在人工智能系列课程中的应用效果，在专业综合实战、人工智能导论、大数据与人工智能应用课程中，李征骥老师和杨丹老师分别在B205、D117、B323等教室的课堂上进行了一个学期的试点。参与试点的学生涵盖了学院所有专业。

(1) 智能化教学辅助：在课程教学活动中，利用大模型分析学生的学习数据，了解学生的学习进度和掌握情况，提供个性化的教学建议和资料推荐。针对不同掌握程度的学生，大模型工具会推荐一些更深入的阅读材料和技术论文，帮助他们更好地拓展知识领域。同时，我们在部分课程环节中，邀请了AI相关企业对学生进行实践讲座，达到理论与实践双管齐下的效果。

(2) 实现编程自动化：在专业综合实战课程中，学生利用大模型工具根据给定的算法框架自动生成模型代码。通过这种方式，学生可以将更多的精力投入到算法设计和优化中。同时，大模型工具还可以对生成的代码进行自动检查和优化，帮助学生发现代码中的潜在错误和问题。例如，学生利用大模型工具自动生成了卷积神经网络的代码，并通过自动检查发现了潜在的内存泄漏问题。

(3) 提高代码质量和可维护性：大模型工具可以对代码进行自动检查和优化，帮助学生发现代码中的潜在错误和问题，并提供解决方案。同时，大模型工具还可以根据编码规范和最佳实践自动生成代码模板和注释，提高代码的可读性和可维护性。大数据与人工智能课程中，学生利用大模型工具对一段自然语言处理代码进行了自动检查和优化，发现了潜在的语法错误和性能问题，并提供了相应的解决方案。

(4) 模拟对话式学习：学生利用大模型工具与虚拟教师进行对话学习。通过与虚拟教师的对话互动，学生可以深入了解编程概念和问题解决策略。例如，在人工智能导论课程中，学生通过与虚拟教师的对话了解循环神经网络在自然语言处理中的应用原理以及训练过程中的一些技巧和方法。这些技巧和方法对于学生解决自然语言处理问题非常有帮助。通过与虚拟教师的对话式学习，学生不仅加深了对编程概念的理解而且提高了解决实际问题的能力。

总的来说，大模型的使用为我们教学工作不仅带来了便利，也带来了更多的挑战和机遇。通过使用大模型，我们可以更加高效地获取信息、跨语言沟通、辅助教学、辅助实验等。同时，我们也需要不断适应和应用新的技术工具和方法，以更好地应对未来的挑战和机遇。在大模型的帮助下，拥抱人工智能，我们将能够开启新的学习与工作篇章。

李征骥 杨丹