人工智能应用体验

这一节包含的知识点

比「节」更细的一层：具体到能对上一道题的步骤。

• 图像识别与语音交互体验用摄像头识别物体或人脸、用麦克风识别语音，体验机器如何把采集到的信号变成类别。
• 训练数据质量的影响训练样本的数量、标注是否准确、是否覆盖各种情况，直接决定模型识别效果的好坏。
• 生成式模型的提示与约束给模型的提示越具体、附上示例和格式要求，它输出的内容就越接近想要的结果。
• 数据决定模型表现样本的数量、标注质量和覆盖范围，直接决定模型识别效果的好坏
• 如何写出有效的提示把要求、示例和输出格式说清楚，往往比反复追问更容易得到可用结果

先修：学它之前要先会

• 人工智能初步

完整前置链：一路要先会

不只是直接先修 —— 把先修的先修也追到底，顺序就是该学的顺序（含跨学科）。

1. 1信息安全威胁→
2. 2信息伦理与法律法规→
3. 3人工智能初步

后继：学会它之后可以往哪走

• 人工智能的局限与偏见

学习「人工智能应用体验」

这个知识点还没有内容（还没有教材或出版物接进来）。现在能做的：看清它在坐标系里的位置 —— 先修是什么、学完之后通向哪里，然后把「我了解了」记下来。

自述不等于掌握：它只是「我知道这一条讲什么」，不会计入学习单元完成数。学习记录存在这台设备上。

还没有任何内容覆盖这条概念。要让它长出来，需要导入并发布一份讲到它的材料 —— Publishing 会在正文里找候选（带原句作证据），由人确认后挂到这条上。

还没有任何学习目标、测评或任务标注到这条知识点上。学习链只列**真的标注过**的条目 —— 没有就是没有，不按模板补一个出来。