这门课程由Zico Kolter教授主讲，介绍以机器学习和大语言模型为核心的现代AI系统原理。课程在卡内基梅隆大学线下授课，同时提供免费在线版本，内容延迟两周发布。在线学员可观看讲座视频并提交自动评分的作业，但不包含测验和考试。

《现代人工智能导论（10-202）》课程概要

课程基本信息

• 授课教师：Zico Kolter（卡内基梅隆大学副教授）
• 授课时间：每周一、三[周五] 9:30-10:50（周五仅用于复习或补课）
• 线上课程：2026年1月26日开放免费精简版，内容比线下课程延迟两周发布，包含讲座视频和自动评分作业（不含测验和考试）

课程特色

本课程聚焦ChatGPT、Gemini等现代AI系统背后的核心技术，通过实践教学带领学生： 1. 掌握监督学习、大语言模型(LLM)和后期训练的核心方法 2. 实现开源LLM的底层代码 3. 完成从零训练AI聊天机器人的完整流程

核心教学内容

• AI简史：发展脉络与关键技术突破
• 监督学习：
  • 线性模型与神经网络
  • 损失函数与优化方法
• 大语言模型：
  • Transformer架构与自注意力机制
  • 分词器与高效推理
• 后期训练：
  • 监督微调与指令对齐
  • 强化学习与推理模型
  • AI安全防护机制

课程评估体系

| 评估方式 | 占比 | 说明 | |----------------|--------|---------------------------| | 编程作业 | 20% | 通过mugrade系统提交 | | 随堂测验 | 40% | 每次作业后15分钟闭卷测试 | | 期中/期末考试 | 40% | 两次期中各10%，期末占20% |

先修要求

• 编程：需熟练掌握Python面向对象编程（相当于CMU 15-112/15-122课程水平）
• 数学：需具备微积分基础，线性代数与概率论知识更佳

教学特色

1. 渐进式实践：通过7次编程作业逐步构建AI聊天机器人
2. 双平台支持：同时提供Colab和Marimo两种编程环境
3. AI使用政策：允许作业中使用AI辅助，但考试必须独立完成

课程时间表（节选）

• 1/12：AI发展史与课程介绍
• 1/28：监督学习基础
• 2/16：第一次期中考试（监督学习专题）
• 3/18：第二次期中考试（大语言模型专题）
• 4/20：AGI前沿探讨
• TBD：期末考试

注：此为2026年春季首期课程，具体安排可能调整。线上学员可通过官网注册获取课程更新通知。

以下是评论内容的总结：

1. 关于课程AI使用政策的讨论

   • 课程允许在作业中使用AI辅助学习，但建议最终提交版本由学生独立完成，考试期间禁止使用AI。
   • 支持者认为AI是学习工具，但过度依赖可能影响理解。
   • 引用："AI can be extremely helpful as a learning tool... but over-reliance can be a detriment to learning."
   • 引用："You absolutely need to learn how to code... but turning in AI-generated solutions... can lead to less understanding."

2. 对课程内容的提问与建议

   • 有用户询问课程质量及推荐学习LLM的结构化课程。
   • 引用："Do you think this is a good course? Or, what do you suggest as a structured course to learn how LLMs work?"

3. 对符号推理的疑问

   • 用户提出课程是否包含符号推理内容。
   • 引用："Nothing on symbolic reasoning?"

4. 对Lisp和Prolog复兴的积极评价

   • 用户对Lisp和Plog的复兴表示欢迎。
   • 引用："Nice to finally see the revival of Lisp and Prolog."

5. 对未来AI发展的调侃

   • 用户调侃期待"后现代AI"的出现。
   • 引用："Can't wait for postmodern AI."