Towards Artificial General Intelligence

迈向通用的人工智能

本课程是清华大学计算机科学与技术系开设的创新型本科通识课程，采用”用AI传授AI“的教学理念，旨在帮助学生深入理解人工智能尤其是大语言模型技术的最新进展。

课程概况

• 开课单位：清华大学计算机科学与技术系
• 首次开课：2024-2025学年春季学期
• 课程类型：全校性选修课（本科生）
• 学分学时：1学分，16学时（8次课，每次2学时）
• 授课语种：英语
• 先修要求：无。课程面向所有对人工智能感兴趣的同学开放，更适合非信息类学生

课程特色

创新教学模式： “用AI传授AI”

本课程采用前沿的教学方法：

• 课前学习：由AI进行课程内容讲解，学生可以与AI实时互动，实现个性化教学
• 课堂讨论：教师回顾核心内容，引导学生深入探讨前沿开放性问题
• 培养思维：不仅传授知识，更注重培养学生的批判性思维和创新能力

试点教学反馈

在2024年上半年的试点教学中：

• 135名志愿者完成课程
• 学生普遍认为AI授课清晰、易于理解
• 课程显著提升了学生的抽象思维和批判性思维能力

教学目标

通过本课程的学习，学生将能够：

1. 掌握核心概念

   • 系统理解人工智能的基础原理和大模型的运作机制
   • 了解大模型当前技术水平与未来发展方向
   • 初步具备分析和评估AI技术应用可行性的能力

2. 养成交叉创新思维

   • 理解AI在各领域的交叉应用案例
   • 培养跨学科思维和问题解决能力
   • 学会将AI技术与自身专业背景相结合

3. 培养社会责任感

   • 深入思考AI技术的社会影响
   • 理解AI发展带来的伦理挑战
   • 形成对科技发展的批判性认知

课程内容

（对应的讲稿文本可在每页ppt的备注栏查看）

第1讲：迈向通用的人工智能绪论

• 人工智能发展历程
• 通用人工智能（AGI）概念
• 大模型技术现状与未来趋势

第2讲：神经网络与大模型基础

• 神经网络基本原理
• 深度学习训练方法
• Transformer架构及其优势
• 高效大模型架构探索

第3讲：多模态智能

• 多模态大模型概念
• 视觉、语言、声音等模态融合
• 图像理解与生成模型
• 多模态预训练与指令微调

第4讲：自主智能体

• 基于大模型的智能体架构
• 工具使用与任务执行
• 多智能体协作机制
• 群体智能与组织架构

第5讲：人工智能交叉应用

• AI在秩序维护中的应用
• AI辅助科学研究
• AI在艺术创作中的角色
• 人机协作的未来展望

第6讲：人工智能安全与伦理

• AI带来的潜在风险
• 恶意攻击、隐私泄露、算法偏见
• 大模型对齐技术
• 超级对齐与AI安全

成绩评定

课程采用考查方式，成绩由以下三部分组成：

1. 课程内容学习（40%）

   • 按时完成AI授课内容学习
   • 与AI积极互动讨论
   • 理解与掌握课程知识

2. 课后习题讨论（30%）

   • 按时完成课后作业
   • 参与开放性问题讨论

3. 大模型交叉应用（30%）

   • 将大模型技术应用于学习、生活或研究
   • 撰写不超过1500字的小论文
   • 评估大模型的优势与局限

教材与参考书

主教材

• Artificial Intelligence: A Modern Approach, Stuart Russell & Peter Norvig

参考书目

• Deep Learning, Ian Goodfellow, Yoshua Bengio & Aaron Courville
• Superintelligence, Nick Bostrom

适用对象

• 面向全体清华本科生开放
• 无专业限制，更适合非信息类学生
• 对人工智能感兴趣，希望了解AI技术及其影响的同学

课程价值

本课程不仅是一次技术学习之旅，更是一次思维方式的革新：

• 知识传授：从AI历史到前沿技术，全面覆盖大模型相关知识
• 能力培养：通过跨学科案例培养创新思维和问题解决能力
• 价值塑造：通过深度讨论培养批判性思维和社会责任感

通过“用AI传授AI”的独特体验，学生将：

• 亲身感受AI技术的发展现状
• 在学习AI的过程中使用AI
• 站在教育智能化变革的前沿
• 为未来的技术创新奠定坚实基础

联系方式

如有课程相关问题，请联系课程助教或通过课程平台提问。

---

本课程致力于培养既懂技术又有人文关怀的全面发展人才，帮助学生在AI时代找到自己的定位，成为引领创新发展的力量。