体系化知识篇#

1. 第一讲：人工智能概述
2. 第二讲：搜索算法
3. 第三讲：机器学习
4. 第四讲：深度学习
5. 第五讲：大语言模型
6. 第六讲：图像生成模型

构建式能力篇#

7. 第七讲：图像理解
8. 第八讲：图像生成
9. 第九讲：文本生成
10. 第十讲：智能体

创造性价值篇#

11. 第十一讲：综合应用

人本性伦理篇#

12. 第十二讲：人工智能伦理

教材#

• 《人工智能通识基础》（课程组编写，2025 年 2 月由浙江大学出版社出版发行）

参考资料#

• 《走近人工智能》，吴飞，高等教育出版社，2022
• 《图解人工智能》，王东、马少平，清华大学出版社，2023
• You Look Like A Thing and I Love You，Janelle Shane
• 《人工智能引论》，吴飞，高等教育出版社，2024
• Artificial Intelligence: A Modern Approach (3rd edition)，Stuart Russell & Peter Norvig
• 维斯理学院课程页面：https://cs.wellesley.edu/~cs232/s24/index.html

总评成绩#

• 总评成绩 = 平时成绩 60% + 期末考试成绩 40%

平时成绩构成#

• 平时作业：20%
• 课堂表现（出勤、提问、讨论、课堂小测等）：5%
• 4 次阶段性测试：20%
• 实践项目（课程报告）：15%

及格底线#

若未达到以下底线，则总评成绩不及格：

• 期末考试：考后再定
• 平时成绩：折合百分制后需达到 60 分

其他说明#

• 学校规定：通识课成绩须符合正态分布

选题方向#

课程报告采用 AI + X（自己的专业） 的形式，要求讲述人工智能与自己专业领域的结合，例如：

• 语言学
• 教育
• 传媒
• 历史
• 哲学
• 艺术
• 其他相关专业方向

课程报告建议回答的问题#

1. Why is this interesting?
   这个问题为什么值得研究？有哪些真实世界中的例子、理论依据或个人观点？

2. Why is this problem novel?
   这个问题的新颖性体现在哪里？已有相关工作是什么？其局限性是什么？

3. What is this problem?
   问题本身是什么？输入、输出、目标（例如最小化计算时间）以及基本假设分别是什么？

4. Why is this problem hard?
   这个问题为什么难？难点和代价体现在哪里？

5. What is your contribution?
   你的贡献是什么？

第 10 周前#

• 组队（3 人一组）
• 讨论并自拟课题
• 与老师 / 助教协商后确认课题

第 11–15 周#

• 通力合作完成课程报告

第 16 周#

提交材料包括：

1. 答辩 PPT
2. 课程报告
3. 汇报视频