3亿人将被ChatGPT残忍淘汰？AI时代下，05后如何建立国际级竞争优势？

AI（Artificial Intelligence）在最近的几年已经应用在了各行各业中，包括但不限于

• Alpha Go击败了围棋世界冠军柯洁

• Alpha Fold预测绝大多数蛋白质三维结构

• 大量的文案与设计案例

AI的基本逻辑是通过机器来学习，通过机器的力量来完成进一步的学习。

而且，我们可能会提一个问题，就是为什么要学习人工智能？

在未来，我们的团队对于学科科研与产业发展的预判是

“在科研中：AI不能替代任何一个学科，但AI可以为每一个学科提供帮助”

“在产业中：AI很难替代绝大多数工作，但AI可以为绝大多数工作提供帮助”

AI将会为各行各业的领域中提供一种新的可能性，我们也猜想，这也会是核心人才中的一种核心技能

AI学习的目的也非常简答，结合了我们的思考和预测，一切为了在竞争中建立比较优势，我们也在这个过程中做了自己的推论：

1. 未来3-5年中帮助学生处于优势领先地位

2. 未来5年后，成为未来顶尖人才的必备技能

也许AI的能力就是

• 1990年代的英语能力

• 2000年代的计算机能力

• 2010年代的互联网 know-how 能力

长按识别下方二维码进入课程宣讲会

答案就是一个字：

能

为什么？

因为人工智能与编程本身并不是完全一致的内容，实际上就是说，人工智能与编程在本质上是不同的事情

编程（Programming）：编程是一种创建程序或软件的过程，其目的是让计算机执行特定的任务或解决特定的问题。在编程中，程序员会明确地告诉计算机需要做什么，并详细地定义出每一步的操作。如果问题的规则或条件改变了，那么程序就可能需要进行修改才能处理新的情况。编程主要依赖于算法和数据结构。

人工智能（Artificial Intelligent）：它的目标是开发可以从数据中学习的算法。这些算法使用统计方法来改进他们的性能，不需要人工明确地编程。这就是说，机器学习的模型可以在接收新数据时改变他们的行为，学习新的规则或者预测新的结果。与编程不同，机器学习模型不需要对问题的每一步进行详细地定义，而是可以根据数据自我学习和改进。

在我们深入开展AI课程研究之前，也有的同学们对AI感兴趣，便开始自行对AI知识进行学习，但市场上的绝大多数的AI内容多数是基于程序员之间的相互学习与沟通的内容，并没有系统的知识梳理与教学设计，大多数都是基于实际的企业需求而产生的，所以这些不适合于中学生教学

当我们开始对AI的课程感兴趣之后，我们对AI内容基本原理的解构，对内容进行重新的教学设计与整理，让中学生可以用最基本的逻辑来理解并通过项目来学习AI能力

目前可以实现0编程基础的同学们完成AI 101/AI 102的课程

我们在北美经历了多轮课程的实践，并且经过美国8位顶尖大学（来自加州大学伯克利分校，斯坦福大学，卡内基梅隆大学，MIT等）教授的验证。顺利完成我们AI 101/ AI 102的同学，已经达到了进入他们实验室开展学术科研工作的水平

核心目的：

为了让同学们在群体中建立国际级竞争优势

项目收益

A. AI课程项目（AI 101与AI 102）

1. 掌握AI的基本原理

2. 掌握AI的进阶能力，达到可考取世界顶尖人工智能公司机器学习工程师水准

3. 具备通过机器学习解决实际问题的能力，达到科研助理（RA）在数据处理上的能力要求（须完成AI 101与AI 102课程）

B. 增值服务（包含AI课程项目）：

1. 进入北美顶尖大学参与科研项目助理工作，并根据实际研究项目进行科研项目发表，可能包含论文、学术会议等

2. 由北美顶尖大学教师担任导师带队参与国际创新比赛（e.g. ISEF），通过AI能力在国际比赛中提升自身科研/解决问题的能力

3. 通过长期的接触与共同学习，导师会根据同学们的特点与能力，为其推荐合适的本科学校

4. 与高水平华人人才建立长期的沟通与分享的机会

1. 课程服务

a. AI 101（AI基础课）：

Lecture 1-3: Python语言基础及数据分析处理可视化工具

Lecture 4-5: 人工智能视角的统计学入门，深入理解数据，与统计及决策之间的关系

Lecture 6-8: 六大经典机器学习模型

Lecture 9-10: 前沿AI模型入门，强化学习，生成模型及ChatGPT

Milestone Project 1: 理解人工智能领域的数据类型，熟练处理序列数据及空间数据。

Milestone Project 2: 结合六大经典机器学习模型，实战搭建预测，分类，识别等关键模型及应用

Delivery:  北美顶级大学教师授课，10节长课程授课及实操

b. AI 102（AI进阶课）

Lecture  1-2：人工神经网络模型入门，深入理解神经网络模型结构，组成部分和运行原理

Lecture  3-4：卷积神经网络入门，掌握卷积层，池化层等概念。并构建LeNet model 和AlexNetmodel

Lecture  5-6：循环神经网络入门，掌握GRU模型，LSTM模型基本原理及迁移学习基本概念

Lecture  7-8：Transformer模型入门，了解ChatGPT模型的核心基础，并灵活掌握注意力机制

Lecture  9-10：对抗神经网络，了解GAN模型中的生成网络和判别网络模型，并使用对抗神经网络制作图像生成应用

Milestone Project 1：利用人工神经网络搭建 Universal function approximator

Milestone Project 2：利用卷积神经网络搭建手写图像识别应用

Milestone Project 3：利用循环神经网络搭建时间序列预测模型

Milestone Project 4：用Transformer 模型搭建语言应用

Delivery:  北美顶级大学教师授课，10节长课程授课及实操，课后课程实验，可选择考取世界一流人工智能公司机器学习工程师认证

2. 增值服务

a. 实验室科研：

在学校（北美顶尖大学）内在导师的带领下，参与科研工作，协助处理科研项目的工作

Delivery：高校科研实习证明、可能的学术产出

b. 国际创新比赛：

导师带队参与国际创新比赛（e.g. ISEF/英特尔国际科学与工程大奖赛），为期不超过12个月

Delivery：辅导参赛，赛程指导

c. 申请辅导：

导师根据学生特点及高校情况，为期推荐合适的学校及学院，顶尖大学教师深入沟通，确认学生兴趣与个人能力进行个性化推荐

Delivery：北美顶级高校教师定制化推荐信

适用人群：9-12年级的同学们