0898-08980898
个/性/化/教/育/行/业/领/跑/者
2025/09/09
如今，人工智能已经成为科技发展的主流，尤其是 ChatGPT 问世以来，大语言模型（LLM）正在深刻影响社会、企业和个人的方方面面。
对于想要投身人工智能领域的初学者来说，选对一门课程显得尤为重要。很多大学往往会设置人工智能导论（Intro to AI）课程，并成为很多学生的首选。其中最著名、深受学生喜爱的课程有斯坦福大学的《CS221: Artificial Intelligence: Principles and Techniques》。
对于入门者来说，人工智能导论可以让学生快速了解人工智能的不同分支，一般包括人工智能基础、机器学习、神经网络与深度学习、自然语言处理（NLP）、计算机视觉、强化学习等知识。
近日，OpenAI 研究科学家、德扑 AI 作者 Noam Brown 表达了一种观点：「对人工智能感兴趣的本科生在选择课程时要谨慎，不要再把人工智能导论（Intro to AI）作为第一门 AI 课程。大学里真正需要修的其实应该是机器学习导论（Intro to Machine Learning）」。
他给出的解释是，过去 15 年里，得益于深度神经网络的发展，人工智能技术迎来了爆炸式的发展。然而在许多学校，人工智能导论的课程大纲几乎没有变过，依然停留在 2010 年前后，通常只会花几节课讲机器学习。此外，在很多大学里，对于这门课程的「重构」存在争议，而惯性往往主导了一切。
他认为，不要只根据课程名称来决定要不要选它。相反，你应该仔细查看课程大纲。理想情况下，一门好的入门课程应该涵盖线性回归、梯度下降、反向传播和强化学习。不同学校的课程差异很大，有些「人工智能导论」会讲这些内容，但大多数不会。
最后，他的建议是，如果你打算未来从事 AI 相关的职业，那么将「人工智能导论」留到后面再学更合适，它能让你对智能有更广阔的理解。但如果你的目标是学习现代聊天机器人、图像识别或生成工具、代码助手背后的核心技术，那么你真正应该先学的课程很可能是「机器学习导论」。
另外，他曾经与很多大学教授讨论过这个问题，几乎所有人都认为「人工智能导论」课程应该涵盖更多的机器学习内容。问题在于，他们对删除哪些内容来为机器学习腾出空间无法达成统一的意见。曾经有一段时间，他建议应该移除 CSPs（约束满足问题），结果就让一些教授觉得被冒犯了。
相较于人工智能导论略显「传统」的内容（如符合主义、专家系统），机器学习导论聚焦现代主流 AI 技术，通常涉及线性回归、逻辑回归、神经网络、反向传播、SVM、集成方法、深度学习等，内容紧贴工业界和学术界热点，适合未来打算进入工业界或从事应用研究的学生。
其中著名的课程要数吴恩达担任主讲人的斯坦福《CS229: Machine Learning》，该课程涵盖了监督学习、无监督学习、生成模型、深度学习基础等知识。
Noam Brown 的观点引发了热议，Anthropic 的一位研究者称自己本科时就感到惊讶，IIT（印度理工学院）的「人工智能导论」课程完全没有提到神经网络，并且好像到现在都没有变化。
有人觉得「人工智能导论」课程确实存在陷阱。大学里教搜索算法和专家系统，而学生想了解 transformer 和反向传播。这就像在智能手机时代教学生修打字机。
「我们今天看到的大多数突破都来自机器学习和深度学习，而不是那些老派人工智能导论课程里的主题。」
本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。
