大屏幕上，两个长相一模一样、声音、动作一模一样、穿着同样藏青色T恤的黄宣静坐在沙发上和学生们打招呼，台下学生们反应热烈。这时，黄宣静问学生们：“看完视频，你们分得清哪部分是真实的我，哪部分不是？”
视频中的“黄宣静”是通过语音采集、人脸建模等方式生成的数字化身，黄宣静通过这样的形式让学生直观地感受到AI的强大。
新学期，复旦大学推出61门AI-BEST课程，即人工智能课程。该课程体系通过整体设计，面向各专业、各学科背景共同构建，寓意最优质的人工智能课程。人工智能课程难度分为1-8级，适合本科生、研究生各阶段学生选课。8月27日选课首日，近4000名学生选择了自己喜欢的人工智能课程。
走近人工智能
《走近人工智能》是一门AI-B课程，是全校学生通用的基础课，零AI基础的学生也能看懂、跟上。黄宣菁着眼于用这门课帮助文科生入门AI，把课程设计成“不需直接编码、不需从零开始数学推理”，难度降低了，但课程价值很高。
从人工智能的基本概念、基本方法、基本任务，到神经网络与深度学习、强化学习、自然语言处理等大模型关键技术，从多模态大模型、具身智能等前沿课题，到编写大模型题库、利用大模型生成绘画、音乐作品等手工实践……课程的最终目的是理解、学习和应用人工智能。
在起草课程名称时，黄宣敬特意选择了“接近”而不是“进入”。“人工智能就像过去的计算器，帮助我们解决问题、思考。我们希望通过这门课程，帮助大家更接近人工智能，自觉地把它作为方法和手段，并将所学运用到本专业的学习中，迈出走向人工智能的第一步。”
外国语学院2024级新生郭逸飞在听说无人驾驶技术后，很有参与感。“体验了最火爆的无人驾驶出租车”，她与大家分享了自己的体验。她坦言，选课前有点紧张，“因为是新课，没有学长们的课程点评，就抱着试试的心态来上课。”
上了一节课后，她的想法发生了改变，“这门课对我们这些文科生很友好，课堂氛围轻松活跃。人工智能是一个贴近学习和生活的话题，希望这门课能让我们更接近人工智能。”
老球场新开
还有新玩法
暑假期间，计算机学院邱希鹏教授几乎每天都和团队成员见面、和专业老师聊天、和领先的科技公司对话。
邱希鹏是国内首个开源大模型MOSS的设计者，新学期他将自己在复旦大学执教8年多的《模式识别与机器学习》课程作为AI-E课程向师生讲授。AI-E课程聚焦人工智能学科，从底层逻辑出发，系统呈现人工智能相关学科的基础、共性知识体系和核心技术。
虽然名称没有改变，但新课程增加了当前AI领域最新的知识点，如模型、分布式训练、模型可解释性等，与华为、百度等领先科技公司联合打造的编程训练平台也将上线，相关配套课程教案也进行了更新。
一年多来，复旦在AI4S（注：人工智能即科学智能）方面积累了一定经验，为“人工智能班”办学奠定了基础。但像邱希鹏这样能把原有课程保留下来的人毕竟是少数，“人工智能班”80%的课程都是按照新体系、新标准建设的。
基于跨学科
生成AI+X
我们鼓励跨学科研究激发新想法，这在 AI-S 课程中尤为明显。
AI-S是一门基于文、理、工、医与人工智能交叉融合而开发的AI+X课程，是将人工智能技术与学科核心知识相结合，由各学科开设的专题人工智能课程。
由外国语言文学学院郑永彦教授和毕玉德、刘嘉琪老师共同设计的《人工智能语言分析与语言习得》课程是在计算语言学、应用语言学、语料库语言学等交叉学科课程基础上开发的。
当AI在某个时候能够通过海量语料，在大型语言模型上与人类进行交流的时候，就触及了语言学中一个核心而经典的话题，那就是语言是怎么产生的？语言形态是如何出现的？
人工智能的介入，正在重塑学界对语言本体、语言习得等核心问题的认识。本课程试图将语言分析、语言识别、语言习得三大板块串联起来，形成“人工智能技术如何解决语言学的核心问题，探索人工智能与语言学研究核心知识体系深度融合的前景与方向”的逻辑链条。“当人工智能成为我们的‘学习伙伴’时，这种‘人机交互协商能力’将如何重塑我们现有的语言学理论？这是我们想要探索的。”
该课程级别为5级，是一门涵盖本科和研究生的课程，难度为中高，要求学生在学习该课程之前完成《语言学导论》等必修课程。“我们鼓励高年级学生选修这门课程。对于人工智能，每个人可能都是‘零起点’，但如果学生感兴趣，他们不一定需要完成必修课程。我们会提供不同级别的助教、在线学习资源和作业。”
目前，郑永彦还在协调外国语学院AI课程团队与领先的人工智能开发公司，搭建线上实训平台。“我们希望大家在完成理论学习后，能在实操平台上用AI解决任务。比如语音识别中的语音切分、语音标注等。”
团队中不少老师长期从事数据驱动的语言研究。“我们特别鼓励学生通过课程参与‘第二课堂’活动，比如加入老师的课题组、参观实验室、与行业专家交流等。关于AI与学科的交叉，我们的共识是，课程的最终目的是回归学科本身，用AI思维解决学科的核心问题。”
今年5月起，国际关系与公共事务学院熊逸涵教授与团队中另外3名老师一起，对新设计的《人工智能与国家治理》课程进行打磨。团队成员虽然都是从事政治学研究，但知识背景各有不同，涵盖区位数字化转型、智慧城市建设、计算政治、机器学习等不同方面。
虽然从备课到开课的时间非常紧张，但团队并没有因为时间紧迫而“懈怠”，而是“精打细算”。 “我们试图将最新的人工智能技术与政治学、公共管理等传统学科有机结合起来。学生们可以亲身体验大型语言模型、机器学习、深度学习、自然语言处理、大数据分析和算法如何融入国家治理。”
课程每个模块结合国内外最新研究成果，配有相应的人工智能技术应用案例，涵盖人工智能技术对政治参与、信息治理、选举竞争、政府运作、公民赋权、技术治理等国家治理各个领域的影响。
“在教学端，我们为学生准备了相应的脚本、模型和API（应用程序编程接口），支持学生构建自己的人工智能应用，用于国家治理。”借助各地方政府平台，每个模块都配有相应的人工智能实践案例讲解，如自然语言处理在舆情分析中的应用、聊天机器人在政务服务中的应用、生成式人工智能在选举中的应用、情绪分析在舆情治理中的应用、大数据分析在城市治理中的应用等。“我们希望通过课程，让学生认识到，我们无法以现有的知识存量与人工智能竞争，我们的优势是想象力和创造力。利用好人工智能工具，我们可以把更多的精力投入到创造性的脑力劳动中，拓展人类的认知边界。”
AI垂直领域应用
通过DNA鉴定、颅面重建等手段，复原了山西吕梁无名烈士的面容、北周武帝宇文邕的容貌。文博系副教授温少卿发现，“几百年来，人工智能在很多应用场景中都不可或缺”。经过近一年的筹备，一门名为《人工智能考古》的AI-T课程正式上线。
AI-T课程围绕社会经济发展和产业中具体的人工智能应用场景设计，注重实践训练和垂直研究应用，几乎每个课程建设团队都邀请了产业和科研院所的力量。
《AI考古》主要涵盖了AI在考古中的应用介绍、AI在考古中必须用到的场景、文物修复、考古数据库的建立三个方面。“我们会重点让学生参与到出土文物数据库的建立和分析中，包括各类出土陶器、瓷器、动物植物等，我们也有完整的出土文物数据库供学生进行AI训练。”
温少卿的研究团队是一个多学科团队，几乎每个不同学科背景的学生都能在考古现场产生新的方向、新的思考，因此这门课程对文理科生都开放，不受专业背景的限制。
“我们鼓励不同专业背景的学生以小组形式开展研究项目，还邀请了计算机学院的钱振兴教授、金程教授为学生讲授AI大模型的理论和具体操作方法。除了学期末撰写论文外，学生还可以发表成果，展示他们在AI考古方面的实践成果。”
选课第一天，复旦大学附属华山医院主任医师李宇欣发现，他担任主讲的《医学影像AI多场景应用》课程几乎已满。
过去AI应用于医学影像，多是针对临床医生进行小规模培训，如今则以课程形式提前面向研究生开放。李宇欣坦言：“目的是让学生提前了解临床的需求和应用，认识到AI影像在医学诊断中的重要性，帮助学生在研究中针对性地解决临床痛点问题，提高诊断的准确率和早期诊断的能力。”
课程内容来自最新的相关书籍、教学团队最新的研究成果和理念，以及多年的临床经验和实际应用。“我们的工作直接面对患者、科研机构和企业界。从伦理声明、数据收集，到模型开发、软件优化、产业化路径探索，课程从一开始就旨在向学生展示AI与医学影像如何通过产学研的全过程，从设计到落地，在各种场景中落地。”李宇欣说。
AI影像是医学诊断的重要工具，有助于挖掘疾病的多组学信息。教学团队已拥有脑血管病、脑肿瘤、肝肿瘤、肺炎等疾病的数据库和技术发明专利，可以支持学生在现实环境中体验AI诊断场景。
“除了邀请医院影像科的医生、学校计算机系、理工系的老师，我们还邀请了国内专注于AI医学影像的企业、联合研发图像采集（硬件）和分析（软件）的知名企业的首席科学家作为授课专家，这些行业一线研发人员与学生们分享了他们在AI影像领域的经验和感悟。”李宇欣也希望学生们在了解临床需求和市场发展的同时，对AI影像在医学诊断中的应用有一个宏观的认识。“我们也希望这能对学生们的科研方向和未来的职业选择有所帮助。”
备课时，生命科学学院教授田伟东惊讶地发现，目前结合大型AI模型的组学领域研究呈指数级的增长趋势。
随着基因测序技术、高通量生物实验、传感器等技术的发展，生命科学与人工智能相结合，支撑我们对复杂生命形态的理解。当“碳基智能”与“硅基智能”融合，将会产生怎样的火花？田伟东及其团队开设的《组学数据分析与人工智能应用》课程试图给出答案。
课程涵盖基因组学、转录组学、空间转录组学、临床组学等多个模块，拆解神经网络、深度学习、大模型等AI技术在不同组学分析中的应用。“表征学习、弱监督学习、联邦学习……人们获取组学数据的目的是为了理解人类现在无法理解的原理和规律。大规模组学测序技术研究的是基因组/蛋白质组数据，与AI天然兼容。在课程教学中，我们也不断加入最新的科研成果，保证课程内容的前沿性和实用性。让学生从大模型分析入手，促使他们认识到生命科学研究模式的变化，学会如何用技术推动研究工作。”
“AI+办学”
新的尝试
从自发课到系统课的转变，是从“AI4S组织科研”到“AI+组织教育”的深化延伸，也伴随着教学改革的新尝试、新实践。
暑假以来，我们协同学院完成了同类课程共建整合、课程代码新编、培养方案更新、本科、研究生系统同步排课等工作，同时开展了对教学教师AI算力运用的培训，并打通了与同济大学AI课程共建互选通道。
在选课期间，AI课程采用独特的课程代码编码规则，该规则用6位数字分别涵盖课程的适用难度等级、适用程度类型、课程性质（类别）以及用于标记类别的序号。
本AI课程面向全校开放，为了帮助学生选择适合自己学业水平的课程，课程分为不同难度等级，1-4级对应本科阶段，从一年级的入门课程到研究生年级的高级课程，难度呈递进关系；5-8级对应研究生阶段，从硕士一年级（含直博一年级）到博士研究生年级的高级课程。
刷新小目标，迎接新挑战，拥抱新一代人工智能，新学期希望同学们学有所成、有所收获。
社论
学校媒体中心
单词
赵天润
视频
马新元
图片
受访者提供
编辑
赵天润
▼更多复旦新闻请关注复旦大学官网。
