人工智能基础(B) · 修读回执档案

老师属于放养派掌门，课下答疑耐心值拉满，还顺手帮你解决技术问题，平时作业和期末给分也都挺nice。 但讲课质量嘛，实在一般，听了容易走神，建议去申请隔壁xxzy老师班的旁听回放，当作期末考试的续命外挂。

课程内容： 这课金课一星都不配有，唯一这一星是给老师的 上课自由度： 老师本身挺好的，很耐心 考核标准： 和另一个班对比一下，人家出分之前会公示成绩、给大家核对的机会，日常小作业也给改错机会，这个班统统没有，比较严，这点狠狠差评 授课质量： 还可以

课程内容：整个人工智能课题组端上来的一桌偏实操体验拼盘，不是那种让你啃论文啃到天亮的课 上课自由度：高到离谱，不签到，不提问，你坐那儿打游戏都行，老师大概当你是个透明的NPC 考核标准：20%四次作业每次五分+30%自己设计网页交互+50%闭卷期末考试，分数像被课题组用统一模板精确切好的 授课质量：能感觉出来是整个课题组在统筹安排，ppt和操作教程之类的资料比较完善，每个老师讲的内容、作业估计都差不多？不签到好像也是整个课题组商量决定的。期末考试内容也比较简单，我们那张卷子的题型是判断-单选-多选-填空，反正没你想的那么凶

上课自由度：高，可以全程不来，能直接人形离线。 上课没听过也听不懂。最后是考前通宵，总共学习了七小时左右，期末46，平时分和大作业满分。这波属于用零点七五个通宵把学期按在地上摩擦。

课程内容：简单介绍人工智能的一些基本要素，没有什么编程要求，对代码恐惧症患者很友好 上课自由度：高，完全不签到 考核标准：平时20%+期末50%+项目报告30%。只要正常背诵期末就稳，项目基本是用AI编程，老师给分非常友好 授课质量：高，老师讲得通俗易懂，课后也耐心解答问题，很推荐

上课自由度：不管，一节课不来都没事，堪称赛博旷课许可证 考核标准：平时作业20（应该都满，属于保底快乐）＋大作业30（实测不是全部完成就是满分，但别高兴太早，不知道老师的评分标准，问了老师说完成了就是满分，结果还是扣分了，这波属于薛定谔的松手）＋期末考试50（老师会上传很多复习资料，其他班好像有的没有，属于隐藏资源；按照提纲复习，但是ai生成的题感觉和期末考试不沾边，可以选择性做做，相当于做了比没做多累一点） 授课质量：老师很温柔有耐心，助教也很好，最后几节课老师会带着复习，但求求了把大作业评分标准公开化吧，扣分扣得我像在抽盲盒抽到把空气……

家人们注意一下，我们老师实际上是章鸣铭，但canvas上仍写的是任老师......我不太理解，但你们自己留个心眼。 章老师课上自由度应该是很高的（~因为我只上了一节课平时分也没扣~，只有一次签到而且那一次不去也没关系）。 再聊聊考试内容，难度还是有的，考Python和一堆概念。Python讲的还是简单的，但AI领域概念比较多，当史纲复习吧（但是感觉也不值得复习多久......~其实有些老师会发考点整理，对着复习只要30分钟就够了，但很多老师不发，我是蹭舍友的~）。 还有期末大作业......选择大于努力啊家人们我只能说。如果功利一点的话，不用管质量怎样，过程完整就行，要求加2个ai技术你就全加上，不用管用不用的上。

课程内容：python+基础ai知识，两件套。 上课自由度：高，完全没有签到，课堂自由到就算打游戏都没人管你，属于电子游乐园。 考核标准： 20平时成绩（按时交作业就给满，这学期一共四个作业，都是比较简单的一些vibe coding） 30大作业成绩（所有班统一布置，vibe coding一款页面游戏，非常自由，甚至可以做galgame，要求两个加分点都实现即可拿满分） 50期末考试（考试很简单，但会有一两道题阴你一下，题型为判断+选择+多选+填空，考前老师会发问卷收集同学们不会的知识点进行针对性巩固，还会发模拟试题，模拟试题比考试题难一些，但做起来都很有趣，有点像小时候的脑筋急转弯） 授课质量：超级无敌夯，老师讲课深入浅出，配合许多课外的可视化系统，非常清晰地把各知识点摊开给你看，比其他班多很多很多课件以及有趣的小玩意儿，包括复习资料模拟测试试题其他班也没有（虽然是ai出的）。课后会非常耐心地帮同学排查问题，助教也非常认真地解答疑问，真心推荐这位老师。

课程内容：Python、MediaPipe、LLM等，比起被喷成筛子的人智A，人智B的难度感觉还算是适合文科生和医学生的体质，我自己虽然有些地方听得像在听外星电波，但感觉大部分知识还是能滑进脑子的，考前复习从头理一遍不会需要特别特别多的时间，上完这门课好歹跟“人工智能”混了个脸熟。 上课自由度：非常高，签到没有，点名没有，会有点人回答问题，但答不上来也不为难你，而且因为两位老师讲得都非常精彩有趣，助教答疑也非常到位，上座率非常非常高，高到后排都不太好抢。 考核标准：20分平时分，4次小作业，只要正确完成就给满，难度不算是特别大，有些同学效率高的课上就能完成，属于是作业还没下课就先下班了；30分大作业，三个人一个小组，我小组三个人正常分工课余时间做一做三四天能搞定，给分很好，好到你想给老师送锦旗；50分期末考，不算是特别难，很多同学考了三四十分钟就交卷了，考点主要集中在Python、神经网络和卷积，考前看PPT复习就能应考。 授课质量：夯爆了，楚老师上课幽默风趣，冯老师上课娓娓道来，两位老师的课堂都充满活力，讲的东西也容易听懂，课间两位老师加两位助教会下来答疑，耐心到讲到你听懂为止。每周都有线上答疑，考前一两周还开门迎客线下答疑，真的真的非常用心。 总的来说，因为这门课是今年新开的，或多或少会有需要改进的地方，比如没学过Python的文科生前两节Python课会不会速度太快，但不管总体的课程内容、考核难度还是老师的授课方式，都还是很不错的！！

课程内容：python语法、卷积网络、大语言模型、trae使用。 上课自由度：高，几乎没有签到，签到属于传说中的成就。 考核标准：期末判断+单选+多选，比较简单，适合考前突击，因为平时上课根本听不懂——考核跟教学过程，走着两条平行宇宙。 授课质量：高，老师很耐心，会有助教帮忙解决问题，作业借助AI比较好完成，AI属于助教之外的隐形助教。

课程内容：对零基础、尤其是我这种电脑植物人来说，想靠听课把这些AI知识盘明白？不如直接去庙里求个签。能看出老师已经尽力到快冒烟了，听不懂纯属我脑回路是土豆做的。（tip：苹果操作系统配环境属于是easy模式，这点极为重要，之前用ThinkPad配环境，我自己都不知道配到哪个次元去了，助教整了2个小时，直接给我整破防了！！！用mac可以省去很多麻烦，之前用WINDOWS系统，基本上每节课都会有问题，都会破防）助教人超好，给分超级宽松！！因为知道我们在电脑这方面基本上都是弱智般的水平，所以一点不会为难。 上课自由度：很赞，除了有一次教学评价签了到，其他课都没有签到，而且老师会提前一节课通知下一节课有签到。 考核标准：很明确，大作业30分，作业5分/次，然后就是期末。作业除了yolo和media pipe那一块容易被扣分以外，其他的几乎都不太会被扣分（要扣也只有1分而已），大作业基本上也不会被扣超过5分。助教老师捞人的力度真的很大。至于卷面的话，老师平时讲的那一些其实都不必特别在意，期末老师会有复习课，好好听，然后，听不懂也没有关系，死记硬背卷面也能拿90+（亲测一个晚上可以背完） 授课质量：对于我这种电脑白痴，赛博原始人来说有点太难了，不过老师真的尽力在讲好。特别要提两位助教，每节课基本上都被围得水泄不通的，但是他们都非常耐心的去给同学解决问题，在我眼里几乎和会魔法没有区别了，这个五星好评助教至少能占一大半！

课程内容：名字带基础其实跟基础关系不大，有点学不懂，期末复习硬啃才啃明白一部分 上课自由度：高，不点名 考核标准：平时作业20只要交了都给满，大作业满分30可能会扣一两分 授课质量：老师人特别好，实践作业有问题都会帮忙解决，就是这门课真的学不懂

课程内容：人工智能基础（实则不基础），python占比相当大 上课自由度：自由度很高，基本不签到；但那ppt真是非人哉，理论框架没有，知识细化也没有，全程自助复习；老师本人挺温柔也比较负责，助教老师很好！！！平时作业完成得拉胯也会给一大堆修正的机会！！ 考核标准：四个平时作业（难难难）+期末大作业（较为简单）+考试（基础题为主，难度不太高，都是客观题），平时作业务必按标准来，是按标准给分的！考试主要难在复习范围广，得靠熟记，建议平时课基本听不进去的人（在中午）考试提前复习！（苯人就是这样哈哈哈，但成绩还好没被卡绩） 授课质量：一般，也可能是我没听进去。。。个人觉得课上按自己的情况听就行了

课程内容：真正需要考试复习的只有五个章节：Python语言基础 线性回归与神经网络 卷积神经网络 yolo目标检测机制 和大语言模型概论 上课自由度：高 毕竟每节课有一半时间都在vibecoding，ai把代码写完之后你想干嘛干嘛 考核标准：平时五十分，包括四次随堂作业*5+30分大作业，期末试卷包括判断正误+单选+多选+填空，整卷客观得像一面哈哈镜，没有任何捞的空间，蹲等老师救命的同学要格外小心 授课质量：老师是好老师，耐心答学生问题，休息时间回私信快得不像人类，每周末会有一堂线上答疑供大家提问，作业要求清楚得能发光，还会体谅大家那不忍直视的AI水平适当调标。老师上课已经很拼了，努力把堆成山的、需要从名词解释开始翻篇的知识往我们脑子里灌，但本人结果还是靠考前把豆包压榨到冒烟才看懂那些PPT。课程本身没看出任何意义，Python基础直接当小语种学，囫囵背两天就速通了；其余部分基本是理论知识，卷积、神经网络这块有点线性运算，也不算难。本质不是理工科，课不硬，实在看不懂让豆老师当场讲讲价就行。总之整门课对任何专业的同学都没看出什么明确的意义，所有内容都是野心勃勃然浅尝辄止，将来工作真要用人工智能相关的东西，我看这门课教的东西解决不了现实里任何一个问题，最后照样一股脑交给AI搞定，如果建这门课就为了教怎么跟AI沟通、还配一套考核要求挺硬核的卷子，那真是本末倒置到脚后跟。 严正声明：本人这颗五星完全是冲梁晓妮老师给的，要是单纯评课，这门课倒欠我五颗星！

上课自由度高，老师有问必答平易近人像个在线客服，考前重点画得明明白白，理论讲得也不含糊，好评，麻溜的五星递上。

## 梁老师特别温柔特别好，助教也非常细心乐于助人 ## 可期末考查划重点这事，咱能不能给我划**准**一点啊喂！多少人抱着卷积神经网络、大语言模型刷到眼冒金星，结果半张试卷飘来的是python？考前说python就浅尝一下基本概念，考后体感那难度**远超声称的考察深度**，仿佛说好遛弯结果拉去跑了马拉松。 再叠一层：期末考试全客观题，于是祝各位好运，这种好运就像转发锦鲤，心诚则灵。

作为一个对人工智能、深度学习只摸过一层皮的工科生，我宣布这门课整体挺成功的，真的，比我预想的成功，属于那种"进门前以为自己要掉头发，进门后发现老师先帮你把头发保住了"的成功。 和人工智能基础A那种高难度数学要求加繁重课程压力比起来，人工智能基础B在数学和编程上的难度都低了不少，低到什么程度呢，低到它更适合被当作一门大一通识课来上。这门课的教学内容更偏向于对人工智能整体的初步了解和初步应用，分别讲了：人工智能发展历史和关键节点、python编程基础、线性回归与梯度下降、卷积网络基础、YOLO是什么以及如何使用现成的mediapipe中的模型、文本模型的初步介绍、skills和mcp的初步介绍以及伦理方面的考虑。你看这个菜单，主打一个什么都尝一口，但不让你真的下厨。 教研组显然考虑到人文社科和医学院的同学数学基础不如工科学生扎实，所以能避开数学就避开数学，编程也完全是vibe coding，难听点说就是"代码随缘，灵感主导"。这门课最难的部分我觉得就是从MSE线性回归的例子讲梯度下降的数学原理，但是也只有一个公式：w_{i+1}=w_i - \alpha \frac{\partial Loss}{\partial w_i}和卷积层参数计算了。就这一个公式，它像走廊里唯一一块绊脚石，绕过去就通关。考试两个小时，大部分同学都提前交卷，大部分题目都是一眼就能知道答案的，而且也并没有考察mediapipe、skills、mcp、tokenizer、embeddings这些可能偏难一点的东西。大部分题目都是非常基本的python语法和复习课反复强调的基础知识。复习课反复强调的含金量，属于是把答案提前塞你兜里，你还找得到。 作业和大作业难度也很低，我使用claude code基本上10分钟就能轻松完成平常的作业。至于大作业，全程使用AIGC，调API进自己的工作流，自己只需要测试一下完成咋样就行了，几乎没有什么其他需要自己动手的，最难的可能就是python -m venv venv以及pip install以及配置.env文件了。是的，整个大作业最硬核的部分是环境配置，这不是做AI，这是给AI搭个房子让它自己住进去。 两位老师上课也非常有趣，答疑非常及时，上课时欢声笑语一片，我们工科什么时候也能出现这样的氛围😭 --------------------------------------------------------------- 刚才看了一下隔壁班同学的改革文章，我感觉确实有道理的是：对于人文社科的同学来说，花两节课的时间学python一个是太快了，另一个是学的python过于基础，学了这些基础中的基础的语法，依然没办法让大家具有能够检查AI生成的代码是否正确的能力，再一个是以后他们也不会用到python了。两节课学python，约等于两节课学做菜，最后学会的是知道锅在哪，但饭还是AI做。但是我觉得这是一件很难办的事情，因为你如果不讲python的话，那整个IDE就只有运行代码一个按钮和AI chat一个对话框了😂，那画面太抽象，抽象到像给你一个方向盘但没给你车。至于算法上纠结于卷积层维度，这个讲的很有道理，我自己是做深度学习研究的，当然我自己在做项目写论文的时候，纠结卷积层维度以及网络架构细节是很重要的，因为vibe coding经常就在这里翻车，不过对于人文社科的同学来说，确实纠结这个没意义，因为本来就只需要知道AI到底是什么，而不需要知道为什么就行了，讲这么多内容反正以后也用不上。像给一个只想点外卖的人讲后厨的火候，讲得再细，他最后也只会问一句"到了没"。至于更多形象化的表述，我觉得目前已经很好了，老师上课的时候各种动画已经很多了。我自己学的时候都是对着[B, C, W, H]和[B, seq_len, num_heads, hiddens]以及各种.view()和.permute()变换来变换去学的，看这个PPT已经很舒服了，舒服得像一个天天在泥里打滚的人，突然被请去坐沙发。

刚把隔壁班《改革人工智能基础刍议》兑水喝完，也想端个小板凳聊两句。八成观点我都举双手，这门课确实该动手术，但我还是想先给它发个锦旗。一学期上下来，坦白讲是要超出我的预期的。或许是吸取了人工智能基础A引发舆情的教训，本课程的难度控制得还是比较好的（虽然最后期末复习还是很痛苦），并且也确实让我这个基础为0的文科生以我能够接受的方式学到了一些东西，起到了科普和入门的作用。python部分就是个薛定谔的鞋子码——对医学生及部分上学期学过python的外语专业同学而言太过于简单且与之前的内容高度重合，而对于凯原国务媒传人文等没学过python同学来说两节课速通确实太快，这主要是最初教务处课程设置的问题。明年大概率医学生和文科生会分开，再开一门人工智能基础C，希望这门课能越来越好。最后真的非常非常感谢楚老师、冯老师、课程组全体老师及助教同学的辛苦付出，楚老师和冯老师是我来交大遇到的最好的老师，解答问题非常耐心并且非常为同学们着想。

课程内容：/ 上课自由度：/ 考核标准：太难了，本人一个倒霉文科生直接原地蒸发，求放过，这难度是把我往挂科悬崖上逼啊 授课质量：/

# 改革人工智能基础刍议 ### 前言：今年入学的学生，很大一部分人要学人工智能基础。笔者认为，人工智能基础课非改革不可。 ## 一、人工智能课想教我们什么，及这门课的悖谬之处 人工智能基础，2学分，野心大到想做AI界的满汉全席。AI历史打头，一路狂飙：基础Python语法、线性回归、卷积神经网络、目标检测算法与Transfomer，外加Agent、MCP、skill与伦理问题。好像上完这节课，出门就能对着人工智能指点江山了。这误区，大得能开飞机。 这里随便抠一块出来，都够单独开一门3学分的课，人工智能基础却一拍桌子：我全都要。急功近利得让人挠头，考虑欠加得让人扶额。马克思说，“在科学上没有平坦的大道，只有不畏劳苦沿着陡峭山路攀登的人，才有希望达到光辉的顶点”。人工智能基础就这么点时间、这么杂的内容、这么多限制的学生对象，注定了干饭不能一口吃成个胖子。老师蜻蜓点水那么一点，学生绝无可能对AI生出深刻认识来。时间与内容两边一夹击，老师只能跳过大量有意义的推导与前后文补充，啪地甩出一张Transformer的架构图，学生当场满头问号，考试时大多也只能记住“深度神经网络的激活函数用Relu比较好”——结论刻进DNA，含义永远是个谜。没学线代，你砍不动矩阵运算，自然看不懂大规模参数更新的机制；没像看怪物一样端详过for循环与矩阵运算的差距，你就不明白矩阵运算和GPU加速里到底藏着什么神仙；没手算过卷积神经网络，你对卷积层检测边缘功能就一点直觉都培养不出来；没摸过Pytorch与Tensorflow框架，你根本猜不到我们一开始为啥非得教Python，换个编程语言不香吗；没扒过语言模型架构的进化史，你也就领悟不了Transformer凭啥优越——这一切没一个能当细节砍掉，全是理解模型的必修硬骨头。 ## 二、这暴露出的问题 **1.面向对象的问题**：上人工智能基础课的，有很大部分是文科生。学过微积分基础，不代表人工智能的数学地基就已经打好了；学完基础Python语法，不代表拿到Pytorch代码就能读下去。设计课程，得先掂量掂量学生的背景知识、理解能力、学习情况，端出真正能喂到嘴、咽得下、有帮助的菜。零基础的学生感觉这课像踩了风火轮，腾云驾雾；像笔者这种懂那么一丢丢的，又觉得太基础了下不去筷子。课程难度以某种玄学方式精准卡在中间，把因材施教的学习需求一口气全员闪避了。 **2.课程定位的问题**：这课名字叫“基础”，却想做个大杂烩中的宇宙。结果不是“博”，是“杂”，大家只能走马观花。灵魂拼图碎了一地，块块都有，就是拼不起来。 **3.考核方式的问题**：作为一门新课，人工智能基础的考试还比较原始，有待改进。这张试卷的脾气，一眼就能看出来。***首先***，宠Python基础语法。这门语言，很大程度上根本不会再被人工智能基础课的学生在任何一个场景里用上了；而且要论本门课能教的那点基础Python，实在太基础了，基础到放哪儿都派不上任何用场。花拳绣腿，一招半式，学之无用，大把语法细节嚣张地霸占了学生们的复习时间，像str[6:]这种细节语法题往考卷一坐，同学们的考试信心与本门课的热情直接双杀。对学过和没学过Python的同学，可能还因此摩擦出一桩不公。***其次***，较为注重算法细节。卷积输出的层数计算、Relu激活函数的优势之类，出现在试卷上，往深讲吧太复杂，往浅讲吧不如闭嘴——浅了根本讲不清。***第三***，题目合理性有待优化，有些知识点重复反复，同款题在试卷上像隔街碰到的前任。 ## 三、我们应该如何改革 **1.讲解算法时，应注重方法直觉，而非算法细节与数学实现**。比如讲端到端深度学习：这“就是直接扔进原始数据（比如图像的像素），告诉它最终想要什么结果（比如‘猫’或‘狗’），然后让模型自己从数据中摸索出从输入到输出的映射规则，中间所有步骤和特征都由模型自动学习，不需要人工插手设计。”；再比如讲强化学习，就用训狗的思路：像训狗，做对了给零食，做错了不奖励，次数多了它就明白“什么动作能换来好吃的“（这些解释并不严谨，但是一定程度的省略是必要的）。另一边，别捂着“卷积神经网络的维度究竟是多少”这种数学细节不放，甚至该把它整个删掉，只留能传递算法核心思想的直觉化解释，比如“像手电筒，每次只照亮图像上的一个小区域，仔细分析里面的纹理（比如边缘、颜色）。然后它滑到下一个区域……”。总而言之一句话：别因小失大、舍本逐末。 **2.去除一切对于Python或者编程语言的讲解**。讲课中出现数学公式没问题，这是铲平线性回归之类重点的必经之路，但绝对不能蹦出任何需要学生理解掌握的代码形式。这不是学习上的偷懒，是必要的断舍离。 **3.剔除过时内容**。比如“如何写提示词”以及差不多路数的一套东西，随着AI的迭代已经逐渐变得无关紧要，大可连根拔起。AIGC相关内容早已人尽皆知，连隔壁买菜阿姨都知道AI能做此事，课上再提，就显得多此一举。对“龙虾”那类全凭炒作、无半点工程责任心的过时项目，也得从讲台上请下去，别让看热闹的门外汉被迷糊着拐进歧途，也别让真想认真投身工程的人看到后心里发寒。 **4.增添新内容**。或可包括世界模型的算法直觉与发展现状、Agent社会等新兴内容，再配点对未来发展的合理展望。 **5.重点讲解Agent、skill、MCP、Context Management等内容**。两个原因。***首先***，这是最贴最广大人们生活的部分。理论上一路发展下去，Agent能干掉所有电脑能做的事，生活便利得跟开了挂似的，可在国内，大众认知度还很紧缺，压根不知道该怎么应用、怎么把它的功力施展出来，学生们也一样，对深度使用AI工具缺乏理解，于是就可能稀里糊涂丢掉一块重要的竞争力。***其次***，Agent是一个重要但被大众习惯性忽略的领域。中美间AI的差距不是只卧在基模那一条沟里，还横在Agent这条沟上。国外的Claude Code实质上已经拿到了通用编程Agent里的垄断地位。社会大众眼睛都盯着新模型迭代优化，转过身却忘了Agent的发展与调优。好在中国的厂子与民间早自发涌现出关注，但这还不够。中美顶尖Agent之间仍横着巨大的差距，未来竞争里一块重要拼图，就是《Situational Awareness》里说的”unhobbling“领域。 **6.关于vibe coding的问题**。这块我觉得值得单押一段。常人聊vibe coding，张口就是效率坐火箭、编程赛博平权、快钱横着赚这类神话套餐。可神话许下之后，递到你手上的，是没品味的自制web网页、工程鲁棒性约等于豆腐渣的粗APP，还有一堆没人喜欢的小劣质游戏。vibe coding不是把神灯擦亮向他许愿，不是嘴皮一开想要啥来啥，你手头还得攥着工程直觉、对建构的品味、和一颗真的热得发烫的心。不然vibe出来的结果，只能是garbage out。所以我认为，对vibe coding只需要提一嘴，千万别砸大块时间进去，真正值得时间的，大概是编程Agent的通用化应用。（本点或有争议，仅供参考） ## 四、总结 我们懂得AI对社会变革的炸裂意义，但真想要学AI，更需要的是严谨的治学精神、追求卓越的工程师精神，以及一堂真正能帮到我们、认认真真组织过的大学课程。是时候正面回答这个锥心之问了：**对于绝大多数将来并不会去做AI研究的学生，这门课到底该给他们留下什么**？我认为答案不过三样：第一，对AI“能做什么、不能做什么”的直觉；第二，对AI“为什么能做到”的一抹粗线条理解；第三，对AI“与我有什么关系”的自我定位。所有改革该绕这三个目标跳集体舞，而不是死死抱着“知识点全覆盖”兜圈子。 ## 五、其他 本文由一位懂点AI的法学生撰写，同时感谢法学院同学提出的宝贵意见。 肖老师的教学质量很高，能看出来相当认真。助教也十分友善，乐于助人。