2026年5月10日，绵阳育英高级中学人工智能班第6期课程如期开讲。本期课程由电子科技大学计算机学院首席教授、智慧城市研究中心主任孙明教授主讲。孙教授同时担任国家发改委“互联网教育系统技术及应用国家工程实验室”专家组委员，在数据挖掘与机器学习领域成果卓著，曾获教育部科技进步一等奖、四川省教学成果二等奖，并获教育部－华为“智能基座”全国优秀教师奖励。本次课程围绕人工智能的核心技术、学习范式、逻辑基础及数据结构应用展开，为同学们系统梳理了AI背后的原理与挑战。
强化学习：高试错成本与探索－利用困境
课程首先聚焦强化学习的本质困境。孙教授指出，智能体在学习初期“什么都不会，只能瞎猜”，通过不断尝试行动、获得反馈、更新策略来完成学习闭环。然而，现实应用面临极高的试错成本——典型训练尝试次数超过十万次。这引出两大核心难题：其一，探索与利用的权衡——已知路径稳定但平庸，未知路径可能带来突破但也伴随风险；其二，奖励设计的困境——单纯追求即时奖励容易导致模型陷入局部最优，而稀疏奖励又使学习难以启动。模拟器训练环境虽安全高效，但现实世界的微小差异（状态分布偏移）往往让模型表现大幅下降。这些挑战正是当前深度强化学习研究的焦点。
深度学习：从简单函数到复杂网络
在联结主义框架下，孙教授讲解了深度神经网络的数学本质。单个神经元可表示为加权求和加偏置的非线性映射。大量神经元通过层级连接构成深度网络，能够拟合极度复杂的函数。但孙教授强调，模型的能力并不等于智能——学习过程包含三个关键步骤：定义函数的优良性（损失函数）、收集训练数据、挑选最优函数，最后在测试集上验证泛化能力。以西瓜分类为例，输入特征（瓜藤、瓜蒂、颜色、花纹）通过线性加权组合判断是否为“好瓜”，这是机器学习从数据到决策的典型缩影。
逻辑的边界：悖论与人工智能的根基
课程别开生面地引入了逻辑悖论问题。孙教授通过苏格拉底与柏拉图的对话循环（“柏拉图说苏格拉底的话是错的”与“苏格拉底说柏拉图说得对”形成自指悖论），以及理发师悖论（理发师给且仅给所有不自己刮脸的人刮脸，那他是否给自己刮脸？），揭示了经典逻辑体系的内在局限性。这些悖论在人工智能发展史上曾深刻影响符号主义流派——从布尔逻辑到一阶逻辑再到专家系统，逻辑演绎系统一度是AI的主流范式，但自指与不完全性定理迫使研究者寻找新的路径。
人工智能三大流派与图灵测试
课程系统梳理了人工智能的三大流派：符号主义（理性主义、逻辑学派，处理单元为符号，代表成果包括专家系统与知识工程）；连接主义（仿生学派，处理单元为神经元，从感知机到深度网络）；行为主义（进化主义/控制论学派，强调无需知识、无需推理，通过环境交互进化，代表为强化学习与演化算法）。孙教授指出，现代AI往往是多重范式的融合。
课程最后回顾了图灵测试的原始定义：如果机器在与人类隔离的对话中，能让平均超过30%的参与者误判其为人类，则认为该机器具有智能。图灵测试确立了人工智能的根本研究目标——不是模拟内部思维过程，而是产生不可区分的智能行为。
数据结构：迷宫问题中的逻辑与控制
作为算法与数据结构的基础案例，课程以迷宫求解为例讲解了数据结构的双重作用：一是存放待处理数据（迷宫地图），二是实现算法策略（方向增量数组、回溯栈、重复走标记）。二维数组maze[m][n]约定元素值为0表示通路、1表示不通。探索方向存储为增量数组DeltaXY（正东顺时针八个方向），并讨论了角点、边点与中间点的探测差异。孙教授强调，程序 = 算法 + 数据结构，而算法 = 逻辑 + 控制——这正是计算机科学解决现实问题的核心方法论。
结语
本期课程从强化学习的试错本质，到深度学习的函数逼近能力，再到逻辑悖论对AI根基的挑战，最后落回到迷宫问题的经典数据结构设计，形成了从理论到实践的完整闭环。同学们在课后与孙教授就“奖励设计如何避免局部最优”“符号主义在当下大模型时代的价值”等问题进行了深入探讨。
绵阳育英高级中学人工智能班的使命，不是将每一位学生培养为算法工程师，而是赋予他们一种能够穿透技术表象、看见原理与局限的认知能力。当人工智能日益成为社会基础设施，掌握这种能力的人，才有资格参与定义规则的对话，而非仅仅遵循规则。这正是本期课程试图埋下的种子。
人工智能班班型介绍
人工智能班招生计划
热门跟贴