摘要：“很多学生跟我说选不上课，问我有没有什么办法。”这学期伊始，复旦大学计算机科学技术学院（简称“计算机学院”）青年研究员陈智能收到了数封让他意想不到的邮件。

“很多学生跟我说选不上课，问我有没有什么办法。”这学期伊始，复旦大学计算机科学技术学院（简称“计算机学院”）青年研究员陈智能收到了数封让他意想不到的邮件。

这门课，就是他今年联合马兴军、曹艺馨、戈维峰三位老师新开设的AI专业核心课程（AI-Essential Courses，简称AI-E类课程）《人工智能前沿探索实践》。面对旺盛的选课需求，该课程的选课人数临时从50扩充到了70人，但仍迅速被选满，部分同学不得不以旁听身份参与课程。

AI-E类课程，就是聚焦人工智能本学科的核心领域，从底层逻辑出发，系统呈现AI相关学科的基本性、共通性知识体系及核心技术的专业类课程，今年全校共推出7门。作为AI大课系列中“硬核”的一类，这些课适合哪些同学选修、聚焦哪些领域、培养哪些能力？今天为你揭晓答案！

拒绝“纸上谈兵”

助教天团手把手教你编程

谈到开课初衷，陈智能提到，当前工科学生的培养一定程度存在“重理论，轻实践”的问题。“很多同学理论水平都不错，但实践能力方差较大，不少人在编程实践上存在问题。”

针对这个痛点，陈智能在课程设计时尤为注重培养学生的动手能力：“人工智能本身实践性很强，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，这门课由前沿理论和编程实践两部分组成。

理论部分侧重讲授近十年来新一代人工智能在计算机视觉、自然语言处理等不同技术领域的前沿成果。“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”，他说。AI发展日新月异，没有成熟教材，老师们就自己编写讲义，梳理领域中的代表性工作和经典论文，按照技术的发展演进脉络一一展开。哪怕是一个月前的重要成果，也都会及时吸纳进来。

大部分课程通常只设置2到3个课程实践、配备助教人数1到3位，而这门课设置了10个各有侧重课程实践，配有8位科班背景且有丰富编程经验的“豪华”助教团队，并在GitHub上建立了专门的课程实践专区，为同学们提供丰富的实践锻炼和近乎“一对一”的个性化编程指导。

本学期每周一晚，前两节课由教师授课，第三节课则是课堂练习时间，轮到助教们“大展身手”。每节课会有4至5位助教到场，给同学们布置编程任务、解释代码结构。随堂练习并不是让同学们从零开始写代码，而更像是“完形填空”：将一部分核心代码空出来，同学们补充上，整个代码才能正常运行。课上，大家可以随时向助教提问。课下，课程微信群也经常热闹非凡，同学和助教们针对编程实践中遇到的各种问题经常交流。

作为一门面向非计算机专业的本研贯通课程，《人工智能前沿探索实践》的课堂汇集了不同年级的同学，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，让我在实际使用时更有把握；另一方面，助教能够帮助我尽快上手编程实践。”2024级数学科学学院硕士生牛晋怡觉得这门课“很有意思”。

“只要你学过线性代数并具备较为基本的编程技能，就可以选。你们放心，这里面没有高级的数学。”陈智能引用了菲尔兹奖得主陶哲轩教授2024年8月在牛津大学“人工智能与数学”演讲时的观点给同学们打气，提醒大家“不要压力太大”。在他看来，这门课更像是E类课中的通识课，让选课者以相对专业的视角对AI发展有一个全景式的了解。

课程的考核方式也别出心裁，有三种选择——1、编程复现前沿论文；2、根据自己所在学科提出问题，并建模实现；3、参加公开的技术竞赛，力争好名次。无论哪种，同学们均需提交考核报告，以展示自己通过技术优化和创新不断提升精度或者名次的过程。

“最终目的是希望大家学以致用。来自不同学科的同学，都可以掌握主流的人工智能方法和技术，形成一定实践能力，并能将这些经验推广开来用于解决各自学科领域的问题。”陈智能说。

没有固定正确的知识

最看重自主学习能力

在B站上，计算机学院教授、国内首个开源大模型MOSS设计者邱锡鹏的《神经网络与深度学习》课程视频已突破百万播放量。线上课程热度不断攀升，线下课程的创新也步履不停。伴随AI大课整体推进，今年9月，邱锡鹏教授8年多的课程《模式识别与机器学习》，首次作为AI-E类课程与师生见面。

“所有的人工智能都离不开机器学习。”邱锡鹏介绍，机器学习是帮助人工智能求解数据背后隐含规律，继而利用规律解决新问题的重要方法，“可以说机器学习是人工智能领域的核心”。

最初，《模式识别与机器学习》是计算机学院面向拔尖班学生开设的进阶课程，目的在于培养学生机器学习相关素养和实践能力。2020年，学院成立人工智能专业，这门课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》首次面向全校学生开放选课。

“从这一角度来说，这算是一门新课。”邱锡鹏说。为使非计算机专业的学生也能够掌握机器学习基本原理，课程内容有所精简，重点讲授目前主流易用的线性模型等内容，并增设Transformer模型、分布式训练、模型可解释性等时下AI领域的最新知识点。

课程还与华为、百度等头部科技企业联合共建的编程实训平台，让学生开展一系列由易到难的动手练习。考虑到非计算机专业的学生基础相对薄弱，课程安排了4位助教为同学们答疑解惑。

2024级数学科学学院硕士生陶思凡表示：“完成实践作业的过程能够反向督促我去看书，课堂所学的知识、原理也能够在面试中得到应用。”

回顾多年教学经历，邱锡鹏察觉到机器学习教学的模式正在发生变化，从关注技术和方法的优化，到关注解决实际问题的动手能力。因此，如今这门课程旨在帮助学生将本专业实际问题抽象成机器学习问题，并利用所学知识进行解决。

作为AI-E类课程，这门课需要选课者提前掌握线性代数、微积分、概率论、优化信息论、算法等知识基础。“但即使没有学习过相关课程，同学们只要通过自学掌握基础概念，就可以进入课堂学习。”邱锡鹏认为，网络时代学习资源触手可及，关键在于能否自主学习、主动思考。

“课堂知识是‘死’的，作为一门正在不停往前发展的学科，机器学习没有固定正确的知识。”邱锡鹏希望大家可以对课堂所提及的问题进行主动思考，“如果你有志于从事人工智能相关工作，只了解基本概念是不够的，还需有深入钻研的能力。”

创新要趁早

带领本科生开辟全新研究方向

随着AI迅速发展，安全问题日益受到各方关注。计算机学院教授钱振兴团队开设的《人工智能安全》课程，今年首次面向本科生开放。

国内外目前尚无专门针对人工智能安全领域比较成熟的教材，因此，钱振兴课程团队这次也是自主编写讲义，相关教材预计明年出版。

钱振兴所带领的复旦大学多媒体智能安全实验室团队，主要研究多媒体与人工智能安全，已发表相关学术论文400余篇。从面向研究生到面向本科生，对于这门新课程，钱振兴希望加强基础性，“把很多经典的理论和方法沉淀下来”。

本科生上这门课，会不会有点早？钱振兴不以为然。他觉得“创新要趁早”，“不用等到读研究生才有创新想法，而是从一年级就可以开始培养这个想法。我们的课程可能会启发一些学生，让他们有更高的成长空间。”

“这是一门极具探索性的课程，难度相对适中，开课目的在于帮助本科生们拓展一个新的研究方向。”钱振兴说，从授课到考核，《人工智能安全》将“创新”思维贯穿全局。

课程目前面向掌握一定AI基础知识的高年级本科生开设，研究生也可选修，囊括AI安全领域的六大前沿技术板块，帮助同学们了解经典论文与研究方法，带领他们快速了解这个新的研究方向。

课程作业包含实验环节，学生要在课后利用复旦大学校级智能计算平台CFFF亲自动手编程实践。考核采取阅读论文的形式，要求学生阅读国际前沿论文并提炼论文创新点，帮助学生追踪技术最前沿。

在这门课的课堂上，如今可以看到本硕博三个学段的学生，计算机学院、数学科学学院、经济学院、信息科学与工程学院……学科背景丰富多元。

出于兴趣，拥有一定编程基础的2024级经济学院本科生梁哲铭选修了该门课程，期待提升实践能力。2021级信息科学与工程学院本科生张益铭则认为，课程内容与他的研究方向相契合，既包含了切入面小、针对性强、发展前景广阔的前沿技术，又较为完整地介绍了AI安全领域入门知识，拓展了他的知识边界。

正在复旦读博深造的英伟达公司自动驾驶云平台研发总监李思一也选修了这门课。“人工智能安全是一个普适性的问题，不管你做自动驾驶还是做GPT，安全都是要考虑的问题。现在这一块的人才缺口也相当大。”他认为，在原有的知识基础上，这门课能够拓展自己对AI安全方向的认知，激发更多创新想法。

课程内容仍在不断更新之中。未来，钱振兴课程团队计划为本科生、研究生分别开设《人工智能安全》课程，以精准满足不同学段学生的需要。

组 稿｜校融媒体中心

文 字｜殷梦昊、曾译萱

摄 影｜曾译萱、受访者供图

制 图｜汪祯仪

责 编｜章佩林

编 辑｜赵雯欣

来源：复旦大学