背景

当前人工智能已经深入人们的生活、工作、学习等方方面面，以超乎预期的方式改变着人类与世界互动的方式。人工智能方兴未艾、快速发展，其内容已不再是简单的学术范畴，而是正在内化为每个人生活和工作不可忽视的重要组成部分。与此同时，人工智能正在驱动人类社会迈向智能化的新阶段。善用人工智能就能收获“智能红利”，无视人工智能必定导致“智能鸿沟”。智能时代的每一位大学生应当具备基本的人工智能素养。

人工智能通识课程实验平台整体架构

人工智能通识课程实验平台示意图

智能化评测

以评测为核心贯穿所有实验环境

· 代码、模型、云桌面。

· Jupyter、3D仿真、大模型。

· 支撑构建丰富的实验体系。

大模型底座

以大模型为底座的人工智能通识实验

· 提供数百个大语言模型及服务。

· 提供数百个多模态大模型及服务。

· 融合大模型与学科领域知识。

全学科覆盖

覆盖全学科的人工智能通识实验体系

· 实验体系：基础→应用→前沿。

· 覆盖工、理、医、农、艺术。

· 覆盖经管法、文史哲教、军事。

AI课程助教

AI助教驱动的双师教学模式

· 支持教师上传数据自定义AI助教。

· 支持自由对话答疑和启发式答疑。

· 支持基于知识图谱的学习路径规划。

智能化评测：代码评测

Python代码评测实验环境

通过Python代码评测，夯实编程基础：

· 学生提交代码，平台自动打分。

· 配套题库，可用于作业、考试、竞赛等环节。

· 支持编程题、程序片段编程题、接口编程题等多种题型。

题库丰富

提供面向人工智能多个方向的编程题库：

· 逻辑推理、监督学习、非监督学习。

· 神经网络、图像处理、深度学习。

· 计算机视觉、自然语言处理、知识工程。

· 语音识别、人脸识别、模式识别。

支持教师出题

只需设计和上传测试数据，即可轻松出题：

· 第1步：录入标题、题目内容。

· 第2步：录入或上传测试数据。

· 第3步：编写样例代码测试题目。

· 第4步：发布作业、考试或竞赛。

智能化评测：可视化评测

神经网络可视化

提供神经网络可视化在线实验环境：

· 学生可在线选择数据集、设置超参数。

· 学生可设定网络层数以及每层神经元数量。

· 在线进行模型训练，实时呈现训练效果。
根据迭代次数、训练时长、分类效果自动判分。

大模型可视化

提供大模型可视化在线实验环境：

· 多尺寸模型：nano-gpt、GPT2、GPT3

· 通过可视化呈现Transformer的计算全过程。

· 通过可视化呈现大语言模型推理的计算全过程。

· 根据实验进度和实验任务完成情况自动判分。

更多可视化案例

提供更多算法和模型的可视化实验环境：

· 卷积神经网络（MNIST版和CIFAR-10版）。

· 一维回归模型、二维分类模型。

· 自编码器训练、DQN强化学习算法。

· 图像回归、优化算法、Keras深度学习框架。

智能化评测：算法模型评测和Jupyter评测

算法模型评测

支持对学生提交的算法模型进行自动评测：

· 学生提交算法模型，平台自动使用GPU在训练集上训练模型并在测试集上进行模型评估。

· 支持根据题目设定的指标生成排行榜，通过榜单激励学生持续优化模型。

· 教师只需上传训练集和测试集、设定评测指标，即可轻松完成出题过程。

Jupyter评测

提供Jupyter笔记在线实验环境及配套实验体系：

· 交互式的Jupyter Notebook、JupyterLab在线实验环境。

· 可调用摄像头开展人脸识别实验，调用麦克风开展语音识别实验。

· 支持自动化评测，学生提交笔记后，平台自动评测学生代码。

· 只需上传ipynb文件、设置评测逻辑，即可添加新实验。

智能化评测：云桌面评测和大模型评测

云桌面评测

提供云桌面在线实验环境及配套实验体系：

· 通过云桌面，可开展依赖GUI应用程序的综合型实验。

· 例如，可开展自动驾驶、强化学习、机器人仿真、智能应用系统综合开发等实验实训项目。

· 云桌面实验环境支持自动评测，可对学生完成的项目进行自动判分。

大模型评测

通过大模型实现对简答题、论述题、讨论题等主观题的自动判分：

· 根据题意、参考答案、得分标准，可实现对学生提交的简答题、论

· 述题、讨论题、名词解释题等主观题答案的自动判分。

· 支持对学生提交的图文混合的实验报告进行自动判分。

· 只需上传ipynb文件、设置评测逻辑，即可添加新实验。

大模型底座：大语言模型及服务

大模型

提供数百个开源的大语言模型：

· 通义千问系列、智谱·AI、百川、昆仑天工、元象、Yi系列、Moss...

· Llama3系列、Llama2系列、Mistral系列、RWKV系列、BLOOMZ...

· 提供线上大模型社区，支持自动与线上大模型仓库同步。

· 所有大模型皆提供快速开发案例。也支持在本地开发调用大模型服务API的大模型应用。

大模型服务

所有大模型皆支持一键模型部署，部署后进入服务状态：

· 每类大模型提供至少一个WebUI Demo，可通过对话方式使用。

· 进入服务状态的大模型，提供对外调用的API接口及配套开发手册。

· 网站URL（自动爬取）

· 既支持通过WebUI Demo和大模型对话交流，也支持在本地开发调用大模型服务API的大模型应用。

大模型底座：多模态大模型及服务

多模态大模型

提供数百个开源的多模态大模型：

· 文本生成图像、文本生成视频、文本生成3D模型...

· 文本生成音频、图像生成视频、图像生成3D模型...

· 图像生成音频、文本生成音乐、图像生成音乐...

· 图像问答、视频问答、图像理解、视频理解...

· 语音对话、人声模仿、语音克隆、数字人...

· 文本生成代码、图像生成代码、语音生成代码...

· 文本编辑图像、文本编辑视频、文本编辑3D模型...

· 文本生成动漫、图像生成动漫、视频生成动漫...

多模态大模型服务

所有多模态大模型皆支持一键模型部署，部署后进入服务状态：

· 每个多模态大模型皆提供对应的WebUI Demo，可通过Web页面交互式使用该模型。

· 进入服务状态的多模态大模型，提供对外调用的API接口及配套开发手册。

· 既支持通过WebUI Demo和大模型对话交流，也支持在本地开发调用多模态大模型API的大模型应用。

演示视频中给出一个基于多模态大模型的图像问答示例，用户在上传图片后，分别提问了3个问题：

1、图中有多少条船？2、为什么每条船都亮着灯？3、图中有多少人？

从上述视频中可以看出，多模态大模型准确回答了用户提出的所有问题。

学生在本地开发环境（如PyCharm、VSCode或IDLE）中，参考上述开发文档，只需2行代码，即可远程调用多模态大模型的能力开发自己的多模态大模型应用。

全学科覆盖：典型实验项目

AI课程助教：整体架构

基于教师上传的资料，AI助教平台不仅可以精准答疑，还支持自主训练模式。AI助教支持自动出题、自动布置作业、自动组卷并发布考试，根据学习过程数据进行实时评估，智能规划个性化学习路径，自适应调整题目难度和训练体系
核心功能

· 答疑解惑

· 出题组卷

· 能力评估

· 路径规划

数据源

· 文档、图像

· 语音、视频

· 从教学平台同步

· 路径规划

可定制

· 知识库参数

· AI助教参数

· 召回测试

· 路径规划

统计分析

· 对话统计

· 性能监测

· 能力分析

· 路径规划

AI课程助教：门户首页

· 所有AI助教的统一入口。

· 可通过课程名搜索AI助教。

· 通过邀请码实现私有助教。

· 2类助教：RAG助教和Agent助教。

· RAG助教是基于知识库和检索增强生成技术构建的AI助教。

· Agent助教是基于大模型和智能体协同技术构建的AI助教。

和基于知识库的RAG助教相比，Agent助教的最大优势是可以在真实环境中运行所生成的代码，并对代码自身及代码运行结果中的图文表进行详细的分析、说明和解读。

AI课程助教：RAG助教使用示例

AI课程助教：Agent助教使用示例