從零開始構建人工智能：微軟生成式人工智能課程

今年，生成式人工智能從小眾好奇心轉變為基礎技能。為此，微軟發佈了 《初學者生成式人工智能》（Generative AI for Beginners） ，這是一門由微軟雲倡導者製作的免費在線課程，包含18節課。該課程以視頻、書面指南和代碼示例為框架，引導學習者從基礎知識開始，逐步掌握負責任的人工智能、快速工程、代理、RAG（隨機梯度下降）和微調。該課程內容精簡實用，沒有多餘的內容——很少有MOOC課程能如此清晰地涵蓋如此廣泛的內容。

課程內容：十八個課程，切合實際需求

該課程涵蓋 18 節課，分為包含核心概念的“學習”模塊和包含 Python 或 TypeScript 代碼的“構建”模塊，每節課都以“繼續學習”軌道結束。 內容包括視頻、書面自述文件、代碼筆記本和額外資源。

課程主題包括：

• 生成式人工智能和法學碩士簡介；
• 探索和比較不同的法學碩士；
• 負責任地使用生成式人工智能；
• 快速工程（基礎和高級）；
• 構建文本、聊天、圖像生成應用程序；
• 使用矢量數據庫搜索；
• 低代碼AI應用程序（Power Platform，Copilot）；
• 與函數調用集成；
• 人工智能應用程序的用戶體驗設計；
• 應用程序生命週期，LLMOps；
• 確保人工智能應用的安全；
• 檢索增強生成 (RAG) 和向量數據庫；
• 開源模型和Hugging Face；
• 人工智能代理；
• 微調法學碩士；

許多課程都配有視頻。例如，第 1 部分介紹 LLM 的內部工作原理和實際用例；第 2 部分介紹模型比較和部署；第 17 部分深入探討 AI 代理：它們是什麼、框架以及實際應用環境。

為什麼微軟希望開發人員學習生成式人工智能

人工智能素養正在向科技領域的基準預期邁進。微軟的發佈似乎具有戰略意義：在教育新人的同時，將他們融入微軟的生態系統——Azure 、 Copilot以及OpenAI 合作伙伴關係。

教育科技的增長反映了全球需求： HolonIQ 預測，到2025年，全球教育科技支出可能超過4000億美元，其中數字技能是主要驅動力。微軟的努力看起來不那麼利他，而更注重生態系統的強化。通過Microsoft Learn教授開發人員使用 Azure 或 OpenAI，可以為其工具創建一條自然的學習渠道。

谷歌和NVIDIA也提供人工智能指南——谷歌的“AI for Everyone”路徑；NVIDIA 的深度學習學院。然而，微軟的內容將學習與 Azure 和實踐項目緊密結合起來，而不僅僅是理論。

實際回報：開發人員從微軟的“初學者生成式人工智能”課程中獲得技能

學員將掌握 18 節課程中概述的具體技能：

• 構建原型，例如聊天機器人、基本 LLM 應用程序或圖像工具；
• 將向量搜索和 RAG 集成到應用程序中；
• 使用函數調用將 LLM 與外部系統連接起來；
• 使用 Power Platform 和 Copilot 部署低代碼應用程序
• 設計安全、生命週期感知的 AI 解決方案。

這些是初學者生成式人工智能課程的直接成果，由官方模塊GitHub和Microsoft Learn提供支持。

微軟如何將學習融入其生態系統

除了課程之外，微軟還鼓勵學習者通過其更廣泛的生態系統擴展項目。例如，微軟創業公司創始人中心 (Microsoft for Startups Founders Hub)提供高達 15 萬美元的 Azure 積分和 2,500 美元的 OpenAI 積分（ 項目詳情）。雖然這些激勵措施並非課程本身的一部分，但它們為從教育到在微軟堆棧內進行原型設計和擴展開闢了一條途徑。

市場背景

更廣泛的開發者社區進一步強化了這些技能的重要性。GitHub的《2024 年 Octoverse》報告指出，帶有生成式 AI 標籤的公共代碼庫同比增長 98%，全球項目數量接近 15 萬個。這一增長表明，生成式 AI 已迅速從實驗階段發展成為主流開發者活動。

來自現場的聲音：學習者的反應和背景

認真的建設者想要的不僅僅是口號。他們想要的是能夠教會他們交付可運行系統的課程，以及一個與現代模型實際行為相匹配的框架。如今，最有用的信號來自於那些身處技術棧內部並在公開場合發佈具體指導的實踐者。

• 吳恩達 (Andrew Ng)，Coursera 聯合創始人，DeepLearning.AI 創始人。他專注於應用型、以項目為中心的學習，將理論延伸至代理工作流程和執行。
  https://x.com/AndrewYNg/status/1882125891821822398
• Andrej Karpathy，人工智能研究員，前特斯拉和 OpenAI 工程師。他呼籲重新思考教育材料如何編碼知識，使 LLM 原生的推理和交互模式成為核心，而不是邊緣。https ://x.com/karpathy/status/1885026028428681698

這些立場共同描繪出一條清晰的需求曲線：以即時實用為目的的動手實踐，以及對人工智能素養教學方式的更深入的重塑。這種結合為任何聲稱旨在培養從業者勝任實際產品工作的課程設定了基準。

人工智能教育競爭格局

微軟將“初學者生成式人工智能”定義為其生態系統的學習路徑和切入點，但更廣泛的人工智能教育領域已經多樣化。

赫爾辛基大學與MinnaLearn合作創建了“人工智能元素”免費課程，該課程已覆蓋170個國家/地區的100多萬人，提供26種語言版本。該課程側重於Civic素養和易於理解的基礎知識，而非特定於平臺的技能。

fast.ai 由 Jeremy Howard 和 Rachel Thomas 創立，於 2016 年推出了《程序員實用深度學習》系列。該系列強調編程、實驗以及無需機構支持即可獲得現代模型訓練的機會。

Coursera聯合創始人吳恩達通過發佈機器學習和深度學習課程，吸引了全球數百萬學習者，從而重塑了在線人工智能教育。他的工作證明了大規模大學式課程的持久力。

微軟將其課程定位為與其基礎設施緊密相關的應用方向。“人工智能元素”專注於可訪問性，fast.ai 追求編碼深度，Coursera 則持續擴展學術框架。它們共同定義了人工智能教育既普及又充滿戰略競爭的格局。

從學習到構建：生成式人工智能教育的未來之路

面向初學者的生成式人工智能將培訓定位為基礎設施。它將學習者引導至既定的生態系統，其中匯聚了工具、工作流程和職業發展機會。微軟簡化了整個流程：從基礎知識、負責任的人工智能、快速設計、檢索、代理，到 Azure 和 OpenAI 內部的完整工作流程。最終實現了從理論到原型的直接銜接。替代方案揭示了其他邏輯。人工智能元素大規模開放，fast.ai 訓練編程技能，Coursera 連接學術界和全球需求。

每種方法都體現了相同的基線：AI 的流暢性不再是可有可無的。區別在於渠道。企業項目加速技能發展，同時將其與平臺綁定。獨立軌道保持中立，但又與集成堆棧保持分離。這一決定決定了下一代從業者的學習方式，以及由誰來制定他們的實踐規則。

《從零開始構建人工智能：微軟生成式人工智能課程內部》一文最先出現在元宇宙 Post上。