全部课

课程

高三人工智能：人工智能系统、研究与创新

设计、测试并上线一套原创的人工智能系统，再把它作为结业项目来展示。

按顺序学习各课。学完后，你能标出人工智能系统里的组件和服务，按质量、速度和成本做模型选择，并画出系统的架构设计并为它辩护。你能写出一个你能检验的研究问题，以及一页带基线的项目提案。你能做出能用的原型，先写实验计划，用有噪声的输入来测试稳健性，并在消融研究里去掉各部分、测量每一部分带来什么。你能做一次小型用户研究，把演示上线并跟踪它的错误和成本，权衡谁获益、谁可能受损，并展示一套原创的人工智能系统及其评估。

这些课怎么用

  • 从标着做这个的课开始。标题下面那一行你自己会了，再往下。
  • 先玩游戏。再做测验。10题里对8题就通过。练习纸在纸上。答案在最下面。
  • 每一课都把结业项目往前推一步。记项目日志：每个决定、每次实验、每个结果，没做成的也要记。
  • 选一个结业项目：科学、辅导、机器人与视觉，或一个创业想法。只用你被允许用的数据。做用户研究前先取得同意。API 密钥要保密。设一个花费上限。

每一课都有游戏、测验和练习纸。

0/36

人工智能系统架构

  1. 1系统组件标出人工智能系统里的组件和服务。
    • 说出数据层、模型层、服务层和界面层。
    • 把一个真实的人工智能产品对到这些层上。
    • 找出单点故障。
  2. 2模型选择按质量、速度和成本做模型选择。
    • 在你自己的测试集上比较三个模型。
    • 测量每次请求的速度和成本。
    • 选一个，并说明取舍。
  3. 3自建还是购买决定何时自建（训练或微调），还是购买 API。
    • 列出每种做法的成本。
    • 考虑数据、隐私和控制权。
    • 为你的结业项目做决定。
  4. 4架构设计画出系统的架构设计并为它辩护。
    • 画出组件和数据流。
    • 标出错误和攻击可能出现的地方。
    • 展示它，并回答问题。

问题表述

  1. 5找到一个问题找到一个值得解决的真实问题。
    • 访谈有这个问题的人。
    • 查一查已经有什么。
    • 说明人工智能为什么是合适的工具，或为什么不是。
  2. 6研究问题写出一个你能检验的研究问题。
    • 把一个宽泛的想法收成一个窄问题。
    • 说出你要测量什么。
    • 说出什么样的结果能回答它。
  3. 7需求列出需求：系统必须做的和绝不能做的。
    • 写出功能需求。
    • 写出准确率、速度、成本和安全的限度。
    • 按优先级排序。
  4. 8项目提案写一页带基线的项目提案。
    • 写明问题、方法和数据。
    • 定一个要超越的简单基线。
    • 定一条时间线。

进阶人工智能应用

  1. 9多模态系统把视觉、文本和音频合进一个多模态系统。
    • 研究一个真实的多模态系统。
    • 选择怎样合并输入。
    • 找出一种输入能纠正另一种输入错误的地方。
  2. 10智能体系统设计带检查的多步智能体系统。
    • 把工作分成规划者、执行者和检查者。
    • 在步骤之间加上检查。
    • 限制工具和花费。
  3. 11科学里的人工智能说明科学里的人工智能怎样加快科学发现。
    • 研究一个例子，比如蛋白质折叠或天气预报。
    • 说出人工智能做了什么，科学家做了什么。
    • 找一个你可以用的科学数据集。
  4. 12原型做出能用的原型：第一版。
    • 做出从头到尾能跑通的最小版本。
    • 拿它和基线比一比。
    • 列出先改进什么。

实验设计

  1. 13假设说出一个假设，以及什么会推翻它。
    • 写一个你能检验的假设。
    • 写出能证明它是错的结果。
    • 预测效应有多大。
  2. 14变量与对照只改变一个变量，对照保持不动。
    • 说出自变量和因变量。
    • 固定随机种子和设置。
    • 每种设置多跑几次。
  3. 15数据集与划分做出公平的数据集与划分：训练集、验证集和测试集。
    • 防止划分之间泄露。
    • 需要时按时间、地点或人来划分。
    • 把测试集锁到最后。
  4. 16实验计划在运行任何东西之前，先写实验计划。
    • 列出每一次运行和它的设置。
    • 事先定好指标。
    • 估计计算量和成本。

人工智能评估

  1. 17基准选一个基准，并说明它的限度。
    • 为你的任务找一个公开基准。
    • 检查模型在训练时是否可能见过它。
    • 加上你自己的测试用例。
  2. 18稳健性用有噪声和发生偏移的输入来测试稳健性。
    • 加上噪声、错字和模糊。
    • 用新地点或新时间的数据来测试。
    • 测量分数掉了多少。
  3. 19消融研究在消融研究里去掉各部分，测量每一部分带来什么。
    • 列出系统的各个部分。
    • 一次去掉一个，再重新运行。
    • 把结果做成一张表。
  4. 20报告结果用误差线和诚实的限度来报告结果。
    • 展示各次运行的平均值和散布。
    • 和基线比较。
    • 把限度写明白。

人与人工智能协作

  1. 21人工监督用人工监督决定哪里必须由人来批准。
    • 按风险给决策排序。
    • 在高风险的决策上加上人。
    • 设计一个能轻易推翻人工智能的办法。
  2. 22可解释性用可解释性说明模型为什么做出这个选择。
    • 使用特征重要性或显著性图。
    • 为生成的回答展示来源。
    • 测试用户是否看懂解释。
  3. 23反馈循环用反馈循环收集用户反馈，来改进系统。
    • 加上评分和评论。
    • 把反馈变成新的测试用例。
    • 留意会带来偏见的反馈。
  4. 24用户研究做一次小型用户研究并总结它。
    • 取得每位参与者的同意。
    • 给出任务，测量成功率和时间。
    • 总结什么行得通，什么行不通。

部署与运维

  1. 25推理服务把模型放在 API 后面，做成推理服务。
    • 把模型包进一个网页 API。
    • 加上输入检查和超时。
    • 做压力测试。
  2. 26监控做监控：跟踪错误、速度和漂移。
    • 记录请求，但不记个人数据。
    • 画出错误和响应时间。
    • 发现输入何时偏离训练数据。
  3. 27成本与规模估算成本和规模：每位用户的成本。
    • 测量每次请求的成本。
    • 估算 100 位和 10,000 位用户时的成本。
    • 用缓存或更小的模型降低成本。
  4. 28上线一个演示把演示上线，让别人能试用。
    • 部署到一个免费主机。
    • 加上花费上限和速率限制。
    • 给用户写一份简短指南。

人工智能创新

  1. 29机会找出机会：人工智能能满足的一个需求。
    • 研究三个人工智能产品和它们满足的需求。
    • 找出一个还没被满足的需求。
    • 估计谁会用它。
  2. 30研究伦理检查研究伦理：同意、隐私和伤害。
    • 检查你的数据的许可和同意。
    • 去掉个人数据。
    • 列出可能的伤害，以及你怎样减少它们。
  3. 31社会影响权衡社会影响：谁获益，谁可能受损。
    • 标出系统影响到的每一个人。
    • 为每一组权衡好处和风险。
    • 因此改掉一个设计选择。
  4. 32提案或路演写一份研究提案，或一份带商业方案的路演。
    • 选研究提案或创业路演。
    • 用你的结果支撑每一条说法。
    • 带着反馈练一遍。

人工智能结业工作室

  1. 33迭代做迭代：根据测试结果改进系统。
    • 从你的评估里挑出最大的弱点。
    • 修好它，再重跑测试。
    • 把改动记进项目日志。
  2. 34技术写作用技术写作写出一份清楚的报告。
    • 写出摘要、方法、结果和限度。
    • 做出清楚的图和表。
    • 分享代码，让别人能重复。
  3. 35海报与演示做一张海报和一次现场演示。
    • 做一张一页的研究海报。
    • 准备三分钟的现场演示。
    • 准备一个备用方案，以防演示失败。
  4. 36人工智能结业项目展示结业项目：一套原创的人工智能系统及其评估。
    • 展示问题、系统和结果。
    • 说明它和基线比怎么样。
    • 回答关于它的限度的问题。
高三人工智能：人工智能系统、研究与创新