在第 2 周，您将发现并非所有的 AI 工具都是一样的，选择正确的工具可以完全改变可能发生的事情。您将比较不同的工具如何处理文本、图像、音频和代码中的相同任务，并建立直觉，了解 Transformer、扩散模型、GAN 和 VAE 等底层模型类型如何影响工具的生成，以及为什么这很重要。您不会被复杂的技术问题所困扰，而是会以直接与实际应用相联系的方式探索嵌入和 Retrieval Augmented Generation (RAG) 等重要理念。使用 NotebookLM，您将从课程材料中生成个性化的播客，体验 RAG 如何根据您的需求重塑输出，然后反思其局限性以及人类判断在哪些方面仍然发挥着关键作用。本周结束时，您将更有战略性地思考如何将正确的模型与正确的工作相匹配。

在第 3 周，您将学习如何通过提示工程和情境工程的第一步来有意识地引导生成式 AI，从而提高您使用生成式 AI 的水平。您将探索模型如何使用注意力、什么是上下文窗口以及 tokenization 如何塑造模型实际 "看到 "的内容，帮助您理解为什么结构上的微小变化会导致输出的巨大变化。您将不再局限于简单的 Prompt 提示，而是能够设计出具有清晰度、角色、示例和排序的提示，同时还能了解对话历史是如何影响结果的。通过 "提示-改进 "的实践循环，您将反复强化您的输入，尝试管理或重置语境，并在游戏化的 "Prompt Jeopardy "挑战中磨练您的策略。本周结束时，您不仅能写出更好的 Prompt，还能理解这些 Prompt 为何有效，以及如何更一致、更有力地塑造结果。

在第 4 周，您将从培养人工智能生成技能的角度出发，以更具批判性的视角审视人工智能的局限性、风险和伦理影响。使用 "三个 R"：责任（Responsibility）、红旗（Red Flags）和检索增强生成（RAG）。您将学习如何识别幻觉、Bias、Training cutoffs 和上下文限制，以及如何利用外部 Data Model 等技术在无须人工判断的情况下提高准确性。您将以更深入的方式重温 "公交车上的陌生人 "这一隐喻，探索与一个听起来很自信但同时也在学习人类集体行为的系统进行交互的真正含义。通过案例研究、动手实验和讨论，您将开始认识到 GenAI 并不是一个神奇的盒子，而是一个由设计选择、权衡和人类责任所塑造的强大工具，标志着向更有意识、更合乎道德的使用方向的明显转变。