OpenAI大神:人工智能導論課程停在15年前,本科首選該是機器學習導論
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。」
























