打好学生人工智能学习的“地基”

　　“中学时，我就对人工智能很有兴趣。但人工智能概念相对宽泛，我也不知道自己的兴趣点是模型开发，还是实际应用。”这学期，南方科技大学（以下简称“南科大”）大一学生朱信怡在学校“人工智能与应用”课上，找到了答案。

　　在“随机森林算法”课程学习中，朱信怡在教师指导下，一步步将数据代入公式计算。她逐渐意识到，人工智能算法是基于计算机工作原理的枚举与迭代。这让曾经在专业选择上摇摆不定的她，锚定了计算机这一专业发展航向。

　　“面对技术变革、产业发展，如果工科院系学生在校期间未能学习掌握人工智能相关能力，毕业后将面临知识与技能滞后的风险。”南科大工学院院长陈明伟介绍，这学期，学校新开设了人工智能专业，首批25名新生已经进入专业。此外，学校还面向大一学生，创新开设了“人工智能与应用”系列课程。

　　如何开好人工智能课程？“网上的人工智能相关学习资源丰富，但很多停留在工具应用层面，浮于表面。”在陈明伟看来，尽管人工智能大模型迭代升级很快，但支撑其运行的数学原理、数据科学逻辑、计算机工作原理等具有相对的稳定性。掌握了数学原理、数据科学逻辑、计算机工作原理等底层原理的学生，更能在人工智能大模型迭代升级的浪潮中“站稳脚跟”。

　　为此，南科大从工学院、商学院和医学院精心抽调15名教授，组建人工智能通识课教学团队，将计算机科学、数学等基础学科知识有机融入人工智能通识课程体系，帮助学生以人工智能底层原理为重点构建知识框架。

　　然而，技术原理课程的理论艰深、相对枯燥，如何激发学生的学习兴趣？“在前期课程中，算法讲解是教学重点。我们以应用驱动兴趣，以实践贯通理论，努力调动学生主动学习的积极性。”南科大工学院教授刘江介绍说，授课教师还通过定期发放问卷，收集学生对课堂内容的多元化诉求。教师分析学生的学习需求后，动态调整教学内容，将学生兴趣点作为教学方案的“重要导航仪”。

　　学生在创新实践中提升本领，教师也在服务产业中成长。主攻“人工智能+医疗”的刘江把自己的科研资源转化为教学资源，将算法知识与医学应用的交叉领域作为授课重点。“在20多年前，‘支持向量机’算法就很流行。当时我应用这一算法分析眼底图像，就能够自动检测患者眼底青光眼病变情况。”刘江先向学生们介绍自己应用“支持向量机”算法的过程。随后，很多学生从刘江的讲解中，了解到算法升级带动青光眼诊断准确率提升的技术逻辑。

　　很多学生在刘江等教授的带领下，在认知领域开始了“探险”，也逐渐明晰未来的专业发展方向。“如何将色素块转化成计算机能够理解的编码，并将不同的编码进行分类？”南科大大一学生兰子毅在课后练习中，运用深度学习等算法尝试完成任务。“在具体实践中，我发现优质数据是‘喂养’算法的‘美食’，也是大模型的重要基石。”学习后的兰子毅对数据科学专业产生了浓厚的兴趣。他希望通过系统学习，掌握挖掘数据价值等重要技术，为人工智能的发展夯实“数据地基”。

　　目前，南科大已在学校过半院系中，开设了以人工智能、机器学习、深度学习为主题的通识或专业课程。近日，学校还成立了人工智能学院，加速向人工智能领域的教学、科研与成果转化新阶段迈入，进一步打造多层次、全链条“人工智能+”人才培养模式。

《中国教育报》2026年02月01日 第03版