助教天团 底层逻辑，这门复旦AI课程硬核得不像话！

原创 殷梦昊 曾译萱 复旦大学

“很多同学告诉我，他们不能选择上课，问我能不能做点什么。”本学期初，复旦大学计算机科学技术学校(以下简称“计算机学院”)的年轻研究员陈智能收到了几封意想不到的邮件。

这门课程是三位老师今年联合马兴军、曹艺馨、戈维峰开设的AI专业主干课程。（AI-Essential Courses，简称AI-E课程)《人工智能前沿探索实践》。面对选修课的旺盛需求，本课程的选修课人数暂时从50扩大到70人，但仍被迅速选中，部分学生不得不作为旁听参加本课程。

AI-E类课程是专注于人工智能学科的核心领域。从底层逻辑出发，系统呈现了AI相关学科的基础、共同知识结构和核心技术的专业课程。今年，全校推出了7门课程。作为AI课程系列中的“硬核”类别，这些课程适合哪些学生选修课程，专注哪些领域，培养哪些能力？今天给大家揭晓答案！

拒绝“纸上谈兵”

助教天团教你怎样编程？

说到上课的初衷，陈智能提到，目前工科生的培养在一定程度上存在“重理论，轻实践”的问题。“很多学生理论素养都不错，但实践技能方差很大，很多人在编程实践中存在问题。”

针对这一痛点，陈智能在课程设计中特别注重培养学生的实践能力:“人工智能非常实用，不能停留在‘纸上谈兵’。” 正如《人工智能前沿探索实践》的课程名称一样，这门课程由前沿理论和编程实践两部分组成。

在计算机视觉、自然语言理解等不同技术领域，理论部分重点介绍了近十年来新一代人工智能的前沿成果。他说：“2012年卷积神经网络AlexNet的提出，是新一代人工智能的标志性事件。随着AI的快速发展，教材也没有完善。教师根据技术的发展和演变，编写自己的教材，整理领域的代表性工作和经典论文。即使是一个月前的重要成果，也会被及时吸收。

大多数课程通常只设置2到3门课程实践和1到3名助教，而这门课程设置了10个“豪华”助教团队，专注于课程实践，有8门课程背景，编程经验丰富，并在GitHub设立了专门的课程实践区，为学生提供丰富的实践锻炼和近乎“一对一”的个性化编程指导。

这个学期每周一晚，前两节课由老师授课，第三节课是课堂练习时间，轮到助教们“施展才能”了。每节课将有4-5名助教到场，为学生布置编程任务，解释代码结构。课堂练习不是让学生从零开始敲代码，而是更像是“完形填空”：空出部分核心代码，同学们补充一下，整个代码就可以正常运行了。每个人都可以在课堂上随时向助教提问。课程结束后，课程微信群也常常热闹非凡，学生和助教经常与编程实践中遇到的各种问题交流。

《人工智能前沿探索实践》作为一门面向非计算机专业的本科课程，汇集了不同年级的学生，专业包括医学、中文、新闻、数学、化学等。

“这门课一方面介绍了很多模型原理，让我在实际使用中更有把握；另一方面，助教可以帮助我尽快开始编程实践。”2024年数学科学学院硕士生牛晋怡觉得这门课“很有意思”。

他说：“只要你学会了线性代数，并且有比较基本的编程技巧，就可以选择。每个人都放心，这里没有高级数学。陈智能引用了2024年8月牛津大学“人工智能与数学”演讲中菲尔兹获得者陶哲轩教授的观点，提醒学生“不要压力太大”。对他来说，这门课程更像是E类课程中的一门通识课程，让选课者从相对专业的角度对AI发展有一个全景的了解。

该学科的考核机制也是独一无二的，有三种选择-1、编程复制前沿论文；2、提出问题，并根据自己的学科进行建模；3、参加公开的技术竞赛，争取好的排名。无论哪种方式，学生都应该提交考核报告，以展示他们通过技术优化和创新不断提高精度或排名的过程。

“最终目的是让每个人都学以致用。来自不同学科的学生可以掌握主流的人工智能方法和技术，形成一定的实践技能，推广这些经验，解决各自学科的问题。”陈智能说。

缺乏正确的知识

最为重视自主学习能力

在哔哩哔哩，计算机学院教授、中国第一个开源大模型MOSS设计师邱锡鹏的《神经网络与深度学习》课程视频已经超过百万播放量。线上课程越来越受欢迎，线下课程的创新也在不断进行。随着AI课程的整体推进，今年9月，邱锡鹏教授参加了8年多的课程《模式识别与机器学习》，并首次作为AI-E课程与师生见面。

“所有的人工智能都离不开机器学习。”邱锡鹏表示，机器学习是帮助人工智能解决数据背后隐藏的规律，然后运用规律处理新问题的重要方法。“可以说，机器学习是人工智能领域的核心”。

起初，“模式识别与机器学习”是计算机学院为拔尖学生开设的高级课程，旨在培养学生的机器学习相关素质和实践技能。2020年，学校成立了人工智能专业，成为人工智能专业学生的必修课。今年，“模式识别与机器学习”首次向全校学生开放选修课。

邱锡鹏说:“从这个角度来看，这是一门新课。为了让非计算机专业的学生掌握机器学习的基本原理，精简教学内容，重点讲授当前AI领域的最新知识点，如主流易用的线性模型，并增加Transformer模型、分布式培训、模型可解释性等。

课程还与华为、百度等头部科技企业联合搭建编程培训平台，让学生从简单到深入开展一系列动手练习。考虑到非计算机专业学生基础相对薄弱，课程计划了四名助教为学生解答疑问和疑问。

2024年数学科学学院硕士生陶思凡说:“完成练习的过程可以反过来督促我看书，课堂上学到的知识和原则也可以应用到面试中。”

回顾多年的教学经验，邱锡鹏意识到机器学习的教学方法正在发生变化，从关注技术和方法的优化，到关注解决实际问题的实践能力。因此，现在这门学科旨在帮助学生将这个专业的实际问题抽象成机器学习问题，并利用他们所学的知识来解决。

作为一门AI-E课程，这门课程需要选修者提前掌握线性代数、微积分、概率论、信息论、算法等知识基础。“但即使没有学过相关课程，学生也可以通过自学掌握基本概念进入课堂学习。”邱锡鹏认为，在互联网时代，学习资源触手可及的关键在于能否独立学习，积极思考。

“课堂知识是‘死亡’的。作为一门不断发展的学科，机器学习没有固定正确的知识。”邱锡鹏希望每个人都能积极思考课堂上提到的问题。“如果你对从事人工智能相关工作感兴趣，仅仅了解基本概念是不够的，你需要有深入研究的能力。”

创新要趁早

带领本科学生开拓新的研究内容

随着人工智能的快速发展，安全问题越来越受到各方的关注。今年，计算机学院教授钱振兴团队首次为本科生开设了“人工智能安全”课程。

目前国内外还没有专门针对人工智能安全领域的成熟教材。所以钱振兴课程团队这次也是自己写教材，相关教材预计明年出版。

钱振兴率领的复旦大学多媒体智能安全实验室团队，主要研究多媒体和人工智能安全，发表了400多篇关于学术论文的文章。从研究生到本科生，钱振兴希望加强这门新课程的基础性，“沉淀许多经典理论和方法”。

本科生上这门课会不会有点早？金钱振兴不同意。他觉得“创新要早”，“创新的想法可以从一年级开始培养，而不是等到读研。我们的课程可能会激励一些学生，让他们有更高的成长空间。”

“这是一门非常具有探索性的课程，难度相对适中。课程的目的是帮助本科生拓展新的研究方向。”钱振兴表示，从讲座到评价，《人工智能安全》将“创新”思维贯穿全局。

目前，该课程是为掌握一定AI基础知识的高校本科生设置的，研究生也可以选修，包括AI安全领域的六大前沿技术板块，帮助学生了解经典论文和研究方法，带领他们快速了解这一新的研究方向。

课程作业包括实验阶段，学生课后应使用复旦大学校级智能计算平台CFF自己编程实践。评价要求学生阅读国际前沿论文，提炼论文创新点，帮助学生跟踪技术前沿。

在这门课的课堂上，我们现在可以看到计算机学院、数学科学学院、经济学院、信息科学与工程学校这三个学段的学生...学科背景丰富多样。

2024级经济学院本科生梁哲铭出于兴趣，选修了这门学科，有一定的编程基础，期待提高实践技能。2021级信息科学与工程学校本科生张益铭认为，教学内容与他的研究方向相匹配，不仅包括入门面积小、可操作性强、发展前景广阔的前沿技术，还完整介绍了AI安全领域的入门知识，拓展了他的知识边界。

正在复旦读博士的英伟达自动驾驶云平台R&D总监李思一也选修了这门课程。“人工智能安全是一个普遍存在的问题。无论是自动驾驶还是GPT，安全都是一个需要考虑的问题。现在这一块的人才差距还是挺大的。”他认为，在原有知识的基础上，这门课程可以拓展他对AI安全方向的认识，激发更多的创新思路。

教学内容仍在不断创新。未来，钱振兴课程团队计划为本科生和研究生开设人工智能安全课程，以准确满足不同学生的需求。

组 稿

校融媒体中心

文 字

殷梦昊，曾译萱

摄 影

曾译萱，受访者提供图片

制 图

汪祯仪

责 编

殷梦昊

编 辑

乐可悦

▼更多复旦新闻，请关注复旦大学官网。阅读原文，继续滚动，阅读下一篇轻触阅读原文。

向上滑动复旦大学，看下一个。

题目：“助教天团” 底层逻辑，这门复旦AI课程硬核得不像话！》

阅读原文

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com