10月31日至11月1日，致远学院“数据、模型与科学：AI科学四讲”系列课程顺利举办。上海交通大学首届（1985级）试点班校友、现任美国恩坎托咨询公司首席技术官的陈丽亚学姐专程返校开讲。课程从“AI是什么”出发，沿着数据、模型、学习、生成再到科学研究的主线层层推进，带领同学们完成一场小而完整的AI科学素养之旅。课程跳出碎片化技术科普，深入浅出地阐释了人工智能背后的核心思想与科学逻辑，帮助同学们理解从数学与数据中生长出的智能，正在如何改变我们的科研方式；同时，也以生活实例为切入点，将复杂的AI问题讲得通俗易懂，受到在场师生的广泛欢迎。两日活动分别由致远学院2023级生命科学方向罗芸灵和2023级数学方向赵希媛担任主持人。85级试点班校友金屾、潘明耀、许向红，98级校友郝峻晟，02级校友朱丹，学院党委书记周申申、常务副院长何峰、副院长李茜、党委副书记刘延共同出席。

周申申为活动致辞。她回顾了85级试点班与致远学院的深厚渊源，对试点班校友重返学院、共叙情谊表示热烈欢迎。周申申深情表示，陈丽亚学姐长久以来情牵学院发展、心系致远学子成长，持续为青年学子传道指引、倾心相助，这份笃厚的母校情怀令人敬佩。她勉励全体同学珍惜本次宝贵的学习契机，在课程研讨中互学互鉴、深入交流，善用人工智能赋能学业钻研与长远发展。

课程首先系统阐释了人工智能的基本概念与发展脉络。AI已有半个多世纪的发展历史，按照专用与通用维度可分为ANI、AGI、ASI等层级，并形成符号主义、联结主义、控制论三大流派。AI不是一台特定的机器，而是一个包含基础层、大模型层与应用层的完整系统。在此基础上，课程深入拆解了机器学习的底层逻辑，AI本质上是寻找输入与输出之间的映射关系，训练就是通过“预测、比较、求梯度、更新”的循环不断优化一个函数。神经网络借助权重、偏置与激活函数逐层学习特征，通过前向计算与反向传播更新参数，并延伸至CNN、RNN、Transformer等经典架构。课程同时强调，评价模型不能只看训练精度，更要关注泛化能力，机器学习不是记住数据，而是理解规律。

在大模型与生成式技术层面，课程聚焦当前最受关注的大语言模型。从自然语言处理的技术演进切入，课程重点讲解了Transformer的注意力机制，并结合BERT、T5、GPT等架构特点，拆解ChatGPT如何逐Token生成文本。尺度定律表明，数据、算法与算力共同推动模型能力提升，而生成式模型基于概率预测，输出并不总是正确，“AI要用，但更要验证它”这一观点令同学们印象深刻。课程还展望了视觉Transformer、扩散模型、智能体等前沿技术，展现AI向多模态融合演进的方向。

在产业落地与科研实践层面，课程结合医疗影像、金融风控、自动驾驶等场景，指出AI已进入“能用、好用，但要看怎么用”的阶段，并强调应理性看待AGI、ASI等热词，重视AI带来的隐私、伦理与责任问题。围绕“AI能否做科学研究”这一命题，课程认为AI可高效辅助文献整理、数据规整与文本润色，但科研问题定义、方案选择与原创责任不能交由模型承担，勉励同学们筑牢数理基础、认清AI的能力边界，在使用AI时留存记录、如实标注、逐篇核验文献，严守科研严谨底线。

课程尾声，陈丽亚学姐以“长风破浪会有时，直挂云帆济沧海”寄语同学们，勉励大家珍惜时代机遇、勇攀科研高峰。同学们围绕AI的使用边界、技术方向与科研应用踊跃提问，气氛热烈。就“如何成为AI的主人”，她强调研究者须对科研问题、数据、方法和结果解释有清楚判断，AI可辅助资料收集、数据分析与语言润色，但方法选择不能交给AI，使用过程应做好记录、发表时注明，文献须逐篇核实原文。对于语言与图像处理、智能体、Transformer、扩散模型等技术问题，她结合应用场景逐一回应，建议同学们学习Python、保持好奇心与持续学习的习惯。面对“对AI持悲观态度为何还愿意做科普”的提问，她表示，正因为将AI 视为“猛兽”，才更需要让更多人了解它、认识它、防范它、控制它。

何峰作总结发言。他着重和同学们分享两点体会：一是数理根基至关重要，概率统计、线性代数等基础内容，正是前沿研究的基石，也是致远学院人才培养持续夯实的重点；二是要拓宽思维边界，主动善用 AI 赋能学习科研，同时锤炼长远洞察与前瞻视野。本次课程是打通本科教学与前沿产业的一次有益实践，学院后续将持续搭建交流平台，邀约更多校友回校与同学们交流互动，合力推进拔尖创新人才培养工作。

致远学子赵希媛、吴亦凡代表全体同学为陈丽亚学姐送上鲜花。

至此，“数据、模型与科学：AI四讲”系列课程圆满落幕。两天的课程帮助同学们系统理解人工智能的核心原理与科学逻辑，也激发了大家探索AI、投身科研的热情。学院将以此为契机，持续搭建校友智识分享的长效纽带，推动更多前沿思想、产业经验与拔尖创新人才培养深度交融。

推荐阅读