AI-B类基础课，大一新生解锁了哪些新技能？

“做AI作业把系统做没了……”临床医学（八年制）的大一新生李梓铭的朋友圈，最近AI浓度过高：有深夜因作业“跪求万票”找大佬指点迷津的，也有程序崩了把电脑跑蓝屏的——一切只为完成一次AI训练。

马兴军为李梓铭答疑

AI-B类课《人工智能基础》设置丰富的互动和实践环节。这次李梓铭完成的作业，是一个是基于计算机视觉的图像识别项目，这是深度学习算法的经典应用，也是AI“理解”图片内容的第一步。任课教师、计算机科学技术学院青年研究员马兴军要求学生独立完成相关任务。

选课的多是大一新生，没有编程基础怎么办？教师助教都是坚强后盾。

马兴军、助教提供编程指导

“课堂讲解之外，我们还有手把手的编程指导。”开课第五周，这一天的课堂不同以往，马兴军走下讲台，帮大家修起了BUG。“环境变量没有配置好，文件路径需要进行转义，这行代码要先定义模型结构，优化器初始化参数需要调整……”“这里要注意，ResNet（一种用于图像识别的深度学习模型）是用在大分辨率上的”……

一同为同学答疑的，有本节课的4位助教，还有其他平行班的几位助教，“正好有空，就来帮帮忙”。不同于一般课程1名助教的“标配”，AI大课的助教比例达到每节课4名的“豪华配置”。作为开课院系的硕士研究生，助教们利用课余时间和专业知识辅助AI大课课堂教学，深度参与到代码说明文档编写、线上线下答疑的过程中。

助教为新生答疑

这是一场师生的双向奔赴，最令马兴军惊喜的是同学们展现的浓厚学习热情。课后，许多同学围着教师提问，久久不肯离去，相互讨论，甚至主动组建起了学习小组，在课堂之外也相互协助配置编译环境，解决各类BUG。

“我们就像炼金术师，要在一次次尝试中，找到正确解法。”课上，马兴军这样形容做人工智能研究的过程。他的《人工智能基础》教学团队试图通过教授系统的AI基础知识，从一开始就培养新生建立AI思维，掌握各类基础AI模型和算法的应用能力，“走好AI学习旅程的第一步”。

在成功提交第一次作业后，李梓铭很高兴：“作为非人工智能专业学生，现在通过学习也能了解基础代码运行规则，以后解决本专业问题时就能用AI来探索新思路了。”

跨越学校、来回2公里只为上堂课，是什么体验？每周二晚，28位同学来到六教阶梯教室，开始一场持续两个半小时的“头脑风暴”。最远的从同济大学而来，距离，只是他们需要“闯过”的第一个关卡。

深度学习作为一切机器学习的基础，“可以说是人工智能学习的基础”。《深度学习基础》这门“基础中的基础”也高度抽象概念化，学习需要一定专业门槛和编程基础。

此前，任课教师、计算机科学技术学院副教授吴祖煊开设的多是面向计算机学院高年级本科生、人工智能研究生的专业课。现在同样的知识要作为通识课讲给全校理工医科的学生听，不少还是大一新生，基础差异较大。因此，对包括吴祖煊在内的教师来说，授课的难点就变成“如何才能让课堂更易懂”。

“我们做了充足的准备”，增加辅助内容、降低理解门槛，是方法之一。在介绍感知机时，吴祖煊为抽象的迭代算法找了可视化的坐标轴。同学只要输入任意点数参数，迭代就开始一遍遍执行下去，线性二分的函数随之变动——这就是人工智能区分事物的底层逻辑，它通过动画清晰地呈现在学生面前。

感知机可视化课件

为了加深课堂概念的理解，吴祖煊还准备了不少互动插件，连同课件、录屏、前置基础链接、进阶拓展资料一起，供同学预习复习。在充分理解概念后，吴祖煊要求同学们完成两次上机实操，“要通过实践，加深对整个课程的理解”。

个人算力不够，复旦大学智能计算平台（CFFF）来助阵。本学期，学校根据选课人数，为每堂AI大课配置CFFF算力。学生注册平台即可获得额定算力，再也不用担心个人电脑配置跟不上AI训练所需的大量计算。“据我所知，学生们已经在作业中用起来了”，吴祖煊说，“他们对实践部分很感兴趣，特别期待看到数学概念在代码中的实现”。

“目的是让学生理解深度学习的基础概念，并且能够将这些知识应用到未来的研究中。这对通识类课程来说，就足够了。”

“代码要写一行，检查一行，对咱们初学者来说比较友好。”《人工智能程序设计》的教室在新建成的本科教学实验中心的电脑机房。

面对非计算机专业大一新生缺乏编程基础的苦恼，任课教师、计算机科学技术学院青年副研究员戈维峰很乐于在课前课后为初学Python的同学们随时“支招”，“Python有个特点，多写写代码，花两个星期就适应了”。

“现有Python算法库很成熟，不用非常复杂的逻辑就能写出代码”，他并不担心复旦同学的能力，“只需要点拨一下，他们很快就掌握了”。

这门课虽然叫“程序设计”，但人工智能入门该有的数学基础、编程教学、案例实践一个不少。“我们跳过了一些跟程设不相关的内容”，任课教师、计算机科学技术学院副教授周雅倩介绍。在课程设计上，把研究生至少学2年才能入门的内容精简后塞进为一学期的通识课，14周课时安排稳妥满当，为的就是“让同学们能‘速通’学习人工智能。”

为此，备课功夫了不少。从今年5月接到开设AI大课的任务起，由戈维峰、周雅倩、信息科学与工程学院青年副研究员王施相三人组成的备课组，在计算机科学技术学院教授周扬帆“老带新”的指导下，马不停蹄地开启任务拆解、轮轮备课。学院层面则调动全院力量，组织教学保障小组、AI大课课程试听试讲、邀请授课经验丰富的教师讲座交流分享，营造良好的备课氛围。

戈维峰课后为学生“支招”

最佳的课堂效果，则需要师生一同探索。9月开课，学生的加入给备课赋予新活力。一边了解同学们的现状，一边调整课程，是常态。每次提交完作业，同学们还会被邀请问卷反馈感受，最终共同构建起这门“宽视野、浅内容”的AI通识入门课，“一学期下来，学生能完整体验AI全链路，也能完整地学习到关键知识点”，构建起AI领域的宏观视野。

为了照顾不同基础的同学，周雅倩还在课堂上留足互动时间，“我鼓励他们当堂就把知识消化掉”。半学期下来，“基本上没有缺勤的”。同学亲口说出“觉得对人工智能越来越感兴趣”，是让周雅倩最感动的评价。

开学第一节课，神秘嘉宾登场！教师头戴Vision Pro走到讲台上，吸引全场目光。台下的同学们没想到，多种不同的新型计算设备将陪伴本学期全程，帮助他们开启通往“元宇宙”的大门。

赵星手拿Vision Pro讲解“元宇宙”

“我们试图让年轻人看到新一代信息技术更远的未来，不只是两三年，而是二十、三十年。”《智能社会与“元宇宙”》任课教师、大数据研究院教授赵星深知，选课同学多为18岁左右的M世代群体，刚刚脱离传统的应试教育，对技术发展存在天然的好奇心，接受新鲜事物的能力很强，但对技术演进逻辑的了解可能还不够。

所以，他安排生动鲜活的社会实践与前沿场景体验，带同学们到线下“元宇宙”场景进行沉浸XR体验、亲身领略到虚拟人数智人的互动，“帮助学生由浅入深、由表及里地全面理解和掌握人工智能等技术以及在各行各业中的应用场景”。

这门课，不仅硬件超前，话题也很前沿。黑神话悟空、AI工作获得诺奖、贝碧嘉飓风的AI预测与XR呈现、扎克伯格新发布的增强现实眼镜Orion、马斯克新发布的自动驾驶汽车与人形机器人……都是课上聚焦讨论的话题。

课堂伊始，赵星讲解每周时事热点

每周课，5-10分钟的“每周时事热点”是同学们最喜欢的板块。“既能响应社会面的快速发展与变化，又能与时俱进将时事与课堂知识有机融合。”为此，备课团队利用暑假时间弯道超车，对课件做了系统升级完善，着重“每周重新补充近一周的新兴案例以及相关技术的最新进展”，邀请多位专家围绕课程内容设计提出的宝贵意见……多方助推，将这门既详实丰富又多姿多彩的课堂内容，具体地呈现在学生面前。

质疑的精神，在课上很重要。“‘萝卜快跑’智能驾驶出租车来了，以前的出租车司机怎么办？”“人工智能是否会带来‘入不敷出’的种种新问题？”“‘元宇宙’讲述的宏大故事，是否真的是全人类想要的未来？”……种种问题与反思，都来自于赵星对通识课程意义的思考：当前社媒发达，00后学生早已习惯网络学习，针对AI这样的社会热点领域，引导学生“挑战与反思主流观点”才是通识课程中最需要教师做的事。

学生们充分打开视野后，也产出了不少基于技术底座引擎自行完成的有趣应用开发。例如，在之前的课程中，就有同学组队开发“元宇宙”形态的安全教育游戏，教大家如何在邯郸校区防火，还有同学开发了类GPT智能体并试图解决当时大模型对话的共性问题。

让文科生入门AI，在课程上进行“不直接写代码、不从头做数学推理”的课程设计意图高远。当一个未来主义的视野在同学们眼前展开，如何探索，那便请君发挥想象力，尽情自由驰骋翱翔！

正如AI-B类课程的B所强调的基础Basic一样，仰望星空的复旦人，在AI学习的路上相信脚踏实地。

距离第一次实践截止还有9天，临床医学（八年制）的大一新生陈杰宁已提前完成作业，下一步，他准备在课堂最基本的神经网络之外，找一些残差网络的代码学一学。“享受探索的过程”，这是他不断推动自己向前进展的动力。