香港中文大学名校夏校-多模态大模型与AI智能体创新

在计算机科学的前沿，人工智能正致力于让机器模拟、延伸乃至超越人类的智能。而计算机视觉，其核心是赋予机器“看懂”世界的能力——从识别图像中的物体，到理解复杂的场景与动态。大模型正推动着多模态认知的革命。以此为基础，下一代AI的终极形态——AI智能体应运而生，它不仅是能对话的助手，更是能理解指令、感知环境并自主决策执行任务的智能系统，代表了从“思考”到“行动”的关键跨越。
本项目从计算机视觉切入，让学生理解AI如何从“看见”图像到“感知”世界；进而探索大模型驱动的语言理解，搭建“视觉-语言”的跨模态认知桥梁；最终聚焦于AI智能体的构建，选择人脸识别、智能驾驶障碍感知等前沿场景，亲手完成智能体核心模块的搭建与集成。同时，课程将带领学生走进香港中文大学校园、MMLab实验室及商汤科技进行实地参访，亲身感受从学术研究到产业应用的完整创新链条。