課程資訊
課程名稱
生成式人工智慧導論
Introduction to Generative Artificial Intelligence 
開課學期
112-2 
授課對象
電機資訊學院  電信工程學研究所  
授課教師
李宏毅 
課號
EE5200 
課程識別碼
921 U3570 
班次
 
學分
2.0 
全/半年
半年 
必/選修
選修 
上課時間
星期五7,8(14:20~16:20) 
上課地點
綜合大講堂 
備註
初選不開放。上課地點:綜合大講堂
總人數上限:550人 
 
課程簡介影片
 
核心能力關聯
本課程尚未建立核心能力關連
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

這門課旨在讓學生理解生成式人工智慧的基本原理。通過掌握這些原理,學生不僅能夠明白這些技術的可能極限,更能夠開始思考生成式人工智慧的實際應用。

加簽方式:本課程沒有開放初選,將於 2/23 第一次上課時提供一份 Google 表單連結供有意加簽的學生填寫,只要是電資學院和文學院的學生都會加簽,也會從非電資學院和非文學院的學生中隨機抽一定數量的學生進行加簽。

以下是加簽表單連結:https://forms.gle/z6rjJDwD7jjv6ueQ6

所有跟加簽以及旁聽相關的資訊都已明列在表單上,請要加簽或旁聽的同學仔細閱讀表單中的內容,並在表單的死線(2024/2/26 23:59:59 (UTC+8))前完成填寫。課程授權碼最晚會在 2024/03/01 前寄到你填表單的時候提供的信箱。填寫表單的順序不影響加簽的先後順序。如果有問題,可以寄信詢問助教(ntu-gen-ai-2024-spring-ta@googlegroups.com)。

公開的課程網站:https://speech.ee.ntu.edu.tw/~hylee/genai/2024-spring.php 

課程目標
這門課程旨在以易於理解的方式介紹生成式人工智慧的基礎知識。本課程不預設學生有預先修過機器學習相關課程,學生可以在完成此課程後再修習機器學習相關課程;但另一方面,本課程與電機系的機器學習相關課程沒有太多重疊內容,因此修過機器學習課程的學生也可以在這門課有所收穫。

在本課程中你將會學到以下內容:

1. 生成式人工智慧基本概念。近年來,生成式人工智慧在各行各業中得到廣泛討論。本課程將從機器學習的基本概念出發,說明何謂生成式人工智慧,並探討其所面臨的獨特挑戰。

2. 文字生成技術。大型語言模型如ChatGPT和Bard已經逐漸融入我們的生活和工作中。本課程將解析這些模型如何通過網路上的大量資料進行學習,以及如何學會理解和回應人類的指令。我們還將探討如何利用現有的大型語言模型工具來創建自己的人工智慧應用,並且體驗如何訓練自己的模型。

3. 優化生成式人工智慧的性能。通過適當的指令(Prompt)來引導大型語言模型是實現高效生成的關鍵。本課程將介紹如何通過不同的指令策略來提升模型的能力,並探討如何利用反思技術來獲得更準確的答案。

4. 工具與生成式人工智慧的結合。生成式人工智慧能夠結合搜尋引擎、計算機等多種工具來增強其性能。本課程將探討工具的使用如何影響生成式人工智慧的效能。

5. 生成式人工智慧的道德與挑戰。隨著生成式人工智慧的普及,其帶來的道德議題也越來越受到關注。本課程將探討人工智慧可能產生的偏見、歧視以及如何自動檢測人工智慧生成的文本和語音等相關議題,並討論如何針對這些問題提出解決方案。

6. 語音生成技術。現代的語音合成技術已經達到了非常擬真的程度,能夠模仿不同人的聲音並具有自然的抑揚頓挫。本課程將深入解析這些技術的工作原理,並展示一些實際的應用例子。

7. 視覺生成技術。視覺生成模型如DALL-E已在廣告創作等應用中開始發揮作用,本課程將說明模型學習繪圖的原理,展示一些實際的應用案例,並體驗客製化自己的視覺生成模型。
 
課程要求
已在課程大綱中預先公告作業的大致方向,使同學們得以預先了解可能的作業類型。然而,具體的作業細節及其在成績中的比重,將會在開學後的課堂上正式宣布,敬請以那時的公告為準。有部分的作業需要撰寫程式,但只要按照助教的指示操作都可以拿到基本分數。 
預期每週課後學習時數
 
Office Hours
另約時間 
指定閱讀
 
參考書目
生成式人工智慧為較新的技術,所以目前尚未有適當的教科書可以採用 
評量方式
(僅供參考)
 
No.
項目
百分比
說明
1. 
作業一:真假難辨的世界 (2/23 公告) 
10% 
嘗試判斷語音、文字、圖像是否為 AI 生成,本作業的目的是讓同學體驗今日生成式 AI 的能力。 
2. 
作業二:都是 AI 的作文比賽 (3/01 公告) 
10% 
這是一場課堂內的作文比賽,但是作者和評審通通都是 AI,本作業的目的是讓同學體驗今日生成式 AI 的能力。 
3. 
作業三:以 AI 快速搭建自己的應用 (3/08公告) 
10% 
本作業會教同學們以現成的大型語言模型 API 搭建自己的應用,本作業會用到 Colab,需要寫一點程式才能完成。 
4. 
作業四:成為 AI 催眠大師 (3/15公告) 
10% 
一起來想想要用甚麼指令才能強化 AI 解數學的能力,這個作業會讓同學們體認到提示工程可能帶來的差異。 
5. 
作業五:機器如何透過人類的回饋學習 (3/29公告) 
10% 
訓練自己的迷你ChatGPT,從中了解訓練模型的過程,並體驗可能會遭遇到的困難。本作業會用到 Colab,會訓練自己的模型,較有難度。 
6. 
作業六:訓練自己的 ChatGPT (4/19 公告) 
10% 
體驗模型經過人類回饋後如何學習並改變其行為,本作業會用到 Colab,需要寫一點程式才能完成。 
7. 
作業七:了解生成式AI 在想甚麼 (4/26公告) 
10% 
對於模型進行剖析,了解模型學到了甚麼,以及訓練資料對模型的影響。 
8. 
作業八:生成式AI的安全性問題 (5/03 公告) 
10% 
了解模型可能會有偏見等安全性問題。 
9. 
作業九:演講影片快速摘要 (5/10 公告) 
10% 
學習以現成的API快速搭建語音辨識相關的應用。 
10. 
作業十:客製化自己的影像生成 AI (5/24 公告) 
10% 
客製化AI生成模型,讓它可以產生本來它不認識的物件。本作業會用到 Colab,會續練自己的模型,較有難度。 
 
針對學生困難提供學生調整方式
 
上課形式
以錄影輔助
作業繳交方式
考試形式
其他
課程進度
週次
日期
單元主題
第1週
2/23  課程概述
公告作業一 
第2週
3/01  提示工程 &AI 代理人
公告作業二 
第3週
3/08  生成策略&從專才到通才
公告作業三 
第4週
3/15  生成策略&從專才到通才
MTK 團隊演講 
第5週
3/22  深度學習&Transformer
公告作業四 
第6週
3/29  深度學習&Transformer
NVIDIA 團隊演講
公告作業五 
第7週
4/05  放假 
第8週
4/12  評估生成式AI&道德議題
公告作業六 
第9週
4/19  放假 
第10週
4/26  打造生成式AI經驗談
TAIDE 團隊演講 
第11週
5/03  生成式 AI 的可解釋性
公告作業七 
第12週
5/10  語音的生成式AI
公告作業八 
第13週
5/17  語音的生成式AI
公告作業九 
第14週
5/24  影像的生成式AI
MTK 團隊演講
影像生成模型概述  
第15週
5/31  影像的生成式AI
公告作業十 
第16週
6/07  期末考週放假