如今，人工智能已經成為科技發展的主流，尤其是 ChatGPT 問世以來，大語言模型（LLM）正在深刻影響社會、企業和個人的方方面面。

對于想要投身人工智能領域的初學者來說，選對一門課程顯得尤為重要。很多大學往往會設置人工智能導論（Intro to AI）課程，并成為很多學生的首選。其中最著名、深受學生喜愛的課程有斯坦福大學的《CS221: Artificial Intelligence: Principles and Techniques》。

對于入門者來說，人工智能導論可以讓學生快速了解人工智能的不同分支，一般包括人工智能基礎、機器學習、神經網絡與深度學習、自然語言處理（NLP）、計算機視覺、強化學習等知識。

斯坦福大學 2025 秋季 CS221 課程。

近日，OpenAI 研究科學家、德撲 AI 作者 Noam Brown 表達了一種觀點：「對人工智能感興趣的本科生在選擇課程時要謹慎，不要再把人工智能導論（Intro to AI）作為第一門 AI 課程。大學里真正需要修的其實應該是機器學習導論（Intro to Machine Learning）」。

他給出的解釋是，過去 15 年里，得益于深度神經網絡的發展，人工智能技術迎來了爆炸式的發展。然而在許多學校，人工智能導論的課程大綱幾乎沒有變過，依然停留在 2010 年前后，通常只會花幾節課講機器學習。此外，在很多大學里，對于這門課程的「重構」存在爭議，而慣性往往主導了一切。

他認為，不要只根據課程名稱來決定要不要選它。相反，你應該仔細查看課程大綱。理想情況下，一門好的入門課程應該涵蓋線性回歸、梯度下降、反向傳播和強化學習。不同學校的課程差異很大，有些「人工智能導論」會講這些內容，但大多數不會。

最后，他的建議是，如果你打算未來從事 AI 相關的職業，那么將「人工智能導論」留到后面再學更合適，它能讓你對智能有更廣闊的理解。但如果你的目標是學習現代聊天機器人、圖像識別或生成工具、代碼助手背后的核心技術，那么你真正應該先學的課程很可能是「機器學習導論」。

另外，他曾經與很多大學教授討論過這個問題，幾乎所有人都認為「人工智能導論」課程應該涵蓋更多的機器學習內容。問題在于，他們對刪除哪些內容來為機器學習騰出空間無法達成統一的意見。曾經有一段時間，他建議應該移除 CSPs（約束滿足問題），結果就讓一些教授覺得被冒犯了。

相較于人工智能導論略顯「傳統」的內容（如符合主義、專家系統），機器學習導論聚焦現代主流 AI 技術，通常涉及線性回歸、邏輯回歸、神經網絡、反向傳播、SVM、集成方法、深度學習等，內容緊貼工業界和學術界熱點，適合未來打算進入工業界或從事應用研究的學生。

其中著名的課程要數吳恩達擔任主講人的斯坦福《CS229: Machine Learning》，該課程涵蓋了監督學習、無監督學習、生成模型、深度學習基礎等知識。

Noam Brown 的觀點引發了熱議，Anthropic 的一位研究者稱自己本科時就感到驚訝，IIT（印度理工學院）的「人工智能導論」課程完全沒有提到神經網絡，并且好像到現在都沒有變化。

有人覺得「人工智能導論」課程確實存在陷阱。大學里教搜索算法和專家系統，而學生想了解 transformer 和反向傳播。這就像在智能手機時代教學生修打字機。

「我們今天看到的大多數突破都來自機器學習和深度學習，而不是那些老派人工智能導論課程里的主題。」

還有人建議，「只學提示詞工程和氛圍編程就行了，剩下的一切將迎刃而解。」