厦大团队_DeepSeek大模型赋能高校教学和科研（120页PPT_建议收藏）_123页_16mb

DeepSeek与高校AI教育应用总结

一、厦门大学大数据教学团队简介

• 团队定位：国内高校大数据教学的长期贡献者，专注领域教学11年（2013年至今）。
• 团队特色：
  • 年轻化：核心成员全部46岁以下；
  • 结构合理：涵盖教学型、科研型与实验工程师；
  • 特点：眼光前瞻、紧跟技术、执行力强。
• 影响力指标：
  • 教材数量与占有率领先；
  • MOOC学习人数、师资培训、教学网站访问量等多于项国内领先；
  • 联系方式：ziyulin@xmu.edu.cn。

二、人工智能与大模型概述

1. 人工智能发展简史

• 图灵测试：1950年提出，定义机器是否具备智能；
• 人工智能诞生：1956年达特茅斯会议首次提出“AI”概念；
• 发展阶段：可划分为萌芽期、沉淀期、爆发期。

2. 大模型概念与分类

• 定义：基于深度学习，参数量大、训练数据量大、计算资源需求高；
• 应用领域：
  • 语言、视觉、多模态；
  • 通用大模型（L0）、行业大模型（L1）、垂直大模型（L2）。
• 分类方法：

  类别	特点	应用场景	例子
  推理大模型	多步逻辑能力强	数学、代码、复杂问题	OpenAI o1、DeepSeek R1
  通用大模型	生成能力强	文本创作、翻译、基础问答	ChatGPT、文心一言

3. 主流大模型概况（截至2025年1月）

• 国外代表：ChatGPT、Gemini、Sora、OpenAI Operator；
• 国内代表：DeepSeek（能力第一）、豆包（用户量第一）、Kimi（文本处理第一）；
• 部署方式：支持本地部署（如DeepSeek-R1满血版需高算力），但部分优化方案如清华KTransformers项目可降低门槛（如单卡4090运行）。

三、DeepSeek在高校的应用与部署

1. 高校本地部署实践

• 使用场景：科研辅助、课程平台集成、办公自动化、智能答疑；
• 优点：
  • 知识库集成减少“幻觉”；
  • 提供定制化推理能力；
  • 离线部署保障数据安全。
• 部署挑战：
  • 昂贵硬件需求（如超算集群）；
  • 算力资源碎片化（多数高校未建校级平台）。
• 解决方案：模型微调（需高质量数据和计算资源）或RAG（检索增强生成）本地对接。

2. 部署实例

• 郑州大学：成功运行DeepSeek-R1 671B模型，覆盖数学、编程等场景；
• 其他高校：如北京交大通过平台对接教学资源，实现课堂“智能体”式答疑。

四、AI生成内容（AIGC）与应用实践

1. AIGC概述

• 定义：利用大模型生成文本、图像、视频、音频等内容；
• 核心工具包括：DreamStudio、通义万相、即梦AI、腾讯智影。

2. 高校应用案例

• 工具集成：
  • 课程PPT生成（DeepSeek+Kimi）；
  • 文献思维导图制作；
  • 视频配音与翻译（腾讯智影、剪映）。
• 跨领域应用：
  • 文本类：教学大纲、自动生成代码；
  • 图片类：图像修复、风格迁移；
  • 视频类：宣传视频、数字人播报。

五、基于大模型的智能体

1. 智能体定义：结合推理、规划与执行能力的自主AI任务处理系统；
2. 应用案例：
   • OpenAI Operator：自动完成网页任务、多线程操作；
   • 高校智能体场景：招生审核、实验模拟、心理辅导。

六、AI在高校科研与教学中的赋能

1. 科研辅助

   • 文献检索与总结（如《Resuscitation》投稿仅用时1天）；
   • 实验设计、数据可视化、论文润色。
   • 局限性：幻觉问题（真实性存疑）；AI辅助并非替代，仍需人工把控。

2. 教学变革

   • 自适应学习系统（绍兴大学案例）；
   • AI助教覆盖课前、课中、课后全流程；
   • 教师角色转变：从“讲授者”到“引导者”，强调人机协同的价值。

七、总结与展望

• 大模型与教育：AI正在重塑教学科研范式，提供高效的工具支持，但非教育目的；
• 人机协同：教师需掌握Prompt设计与批判思维；
• 发展方向：从通用能力构建教学专属智能体、打造无缝本地化部署方案，推动AI技术与知识创新深度融合。

参考来源

厦门大学大数据教学团队 © 2025