欢迎大家来到《如何用AI创造（几乎）一切》。我们非常高兴能开设这门课程。作为媒体实验室的传统，这是首次开设，紧随《如何制作（几乎）一切》和《如何培育（几乎）一切》之后，我们推出了第三部曲《如何用AI创造（几乎）一切》。我们非常高兴能在这个学期担任你们的教学团队。
我的名字是Paul，是麻省理工学院媒体实验室和EECS的新教员，领导着一个多感官智能研究小组。除了我之外，我们还有两位非常棒的助教——Chanaka和David，他们将协助作业并指导一些课程研究项目。我们都是名为“多感官智能”的更大团队的一部分，这是麻省理工学院媒体实验室的一个新研究小组。
我们的研究专注于构建能够真正接收世界上任何事物的AI系统，我们称之为下一代AI——本质上是多感官的系统。你通过视觉来理解语言、手势以及世界上的各种传感器。因此，本课程的一个重点将是：我们如何设计真正多感官、并能接收世界上几乎任何感官模态的AI系统。我们也构建能够切实帮助人类体验的系统，而不仅仅是复制或重复人类所能做的事情，而是实际上帮助人类取得更好的集体成果。这也将是本课程的一个焦点。
最后，因为我们都看到AI系统非常紧密、非常强大地理解人类并与人类互动，确保它们在实际互动中安全也同样非常重要。在课程的尾声，我们将涵盖如何让这些AI系统真正安全且鲁棒的不同方面。
人工智能适用于任何事物，我们周围的整个世界都是多感官的。我们已经开始窥见能够处理世界上越来越多媒介并与之互动的AI系统。我们看到了用于口语或电脑上文本的大语言模型，开始看到能够理解我们语音和声音表达的系统，它们可以理解我们的面部表情和肢体语言，从而全面地理解我们如何与他人交流。我们在医疗保健领域也看到了AI的巨大进展——这些系统能够针对X光图像做出合理的预测，以帮助医生对患者进行最终诊断，也可以用于理解不同的细胞和各种形式的医疗传感器。而这仅仅是冰山一角，我们已经看到AI几乎应用于世界上所有的这些模态。这真的是令人兴奋的时代。
从我最喜欢的一些激发灵感的AI案例开始：AI已经真正融入了物理感知。比如机器人，需要理解力和触觉信息，从而让机械臂感知它们是否正在抓取坚硬或柔软的物体，感知应该将物体放入何处以及那是否是正确的位置。与此同时，大多数这些机器人身上也装有摄像头，告诉你各种形状、颜色、大小以及环境中的事物。机器人上安装的传感器越多，它就越鲁棒——你可以推动这些机械臂，模拟地震般的扰乱力度，它们依然可以依靠视觉来解决任务；同样地，你也可以遮挡机器人的摄像头，用文件夹来模拟下雨或大雾，然后依靠力觉来解决任务。
我们小组正在发生的一些很酷的事情包括为嗅觉构建人工智能。有一个能够感知不同食品和饮料释放的挥发性气体的芯片，这是一种不同类型的感官模态。在收集足够的数据之后，你可以训练AI系统从本质上检测不同食品和饮料所谓的味道。比如在一段视频中，这个芯片被编程为可以闻出花生的存在，你可以把它带到糖果棒、一块蛋糕或一罐花生酱前，它就会检测到存在花生。这对可能对花生过敏的人来说非常有用。
在这门课程中，我们还将涵盖生成式人工智能——能够接收任何模态的生成式人工智能，并将其在语义上翻译为其他感兴趣的模态。例如，输入一段文本并生成与之对应的视频，或者给定一段视频，生成与之相对应的音频剪辑，比如创作音乐或配乐来搭配视频。我们将涵盖这些能够从任何模态翻译到另一种模态的生成模型。
我们还将涵盖将人工智能应用于整体健康指标的例子。许多这些整体的健康指标并不会在医生的办公室里获取，我们可能一年只去看一两次医生，但我们有很多方法可以感知日常的健康和福祉状况。在身体健康领域，有机会构建真正能够以高分辨率理解ICU病房中患者状态的AI，无论这些患者是坐起还是跌倒，以及他们是否需要医生和护士的帮助，你可以将这些信息在紧急情况下传达给医生。
在情感健康领域，我们身体上的传感器越来越多，比如在我们的手机上，它们可以感知我们情绪、压力和情感的各个方面。最后，人工智能的某些方面可以用来理解我们将如何与他人进行社交互动，通过我们所说的具体言语，或者使用任何非言语表达或我们在群体交流中使用的手势。
到目前为止，讨论的一切主要都在感知领域：给定世界上的某种数据模态，我能预测些什么。但有一代新的AI正在兴起，那是关于交互式智能体的。它们不仅能做出单步预测，还能采取多个行动来为人类解决任务。你们中有些人可能见过这些用于网页的智能体——你给它们一些自然语言指令，例如“去亚马逊帮我买一副这种颜色且评分至少在4.5星以上的耳机”，这些智能体就能理解这个指令，并执行一系列动作：搜索耳机、按评分排序、根据以前的购买习惯选择颜色、将其加入购物车并结账。
这就是新一代的交互式智能体，它们能够理解人类给出的指令，植根于各种数字媒介中。我们很快就会在网站上看到这些智能体，甚至可能已经看到了。你也可以构建能够帮助你操作PowerPoint和电子表格的智能体，最终，我们将看到适用于多种计算机任务的智能体来帮助你。
这就是为任何事物构建AI的机遇的简要概览——从理解物理环境，到能够在互联网上处理和生成各种数字媒介，理解健康和福祉的整体指标，以及最后的交互式智能体，它不仅能做出预测，还能为我们执行任务并提高日常生活的生产力。希望你们所有人都能从这门课程中学到一些东西。
这门课程的整个目标是教授将AI应用于任何模态的原理，尤其是那些还未真正处于AI研究最前沿的新模态。当我提到原理时，我指的是能够直观地思考：你需要什么样的数据、将从哪里收集这些数据，你需要什么样的模型架构以及如何设计它们，你将如何快速进行实验和评估模型在数据上的成功与否，以及现实世界中存在哪些问题是你在实际部署这样一个AI系统之前必须解决的。
这将会非常不同于传统的机器学习导论和人工智能导论课程，在那些课程中，焦点主要集中在模型上——15周的课程，每周逐一学习一种不同的算法。而在这里，我们试图教给你原理而不是方法本身，关于如何思考什么数据有用以及如何收集它，各种形式的建模、架构，以及所有这些迭代的评估和部署流程。
很多人对手势、医疗数据、许多有趣的生理传感器和可穿戴传感器、移动数据感兴趣，我觉得大家没有提到社交网络，这也是人工智能中另一个研究相当不足的领域。这是课程的第一个主题——针对新模态的人工智能。自然地，课程的第二个主题将是关于多模态人工智能。人们提到了许多需要将不同数据模态连接在一起的应用，比如你可能想把语言和手势连接起来以全面理解一个人及其社交互动，或者想把感知和执行连接起来，拥有一个感知和采取行动的循环。我们将涵盖多模态人工智能的要素：你如何在概念上构建能够使你学习模态之间联系的数据，如何构建模型架构来学习这些联系，以及如何在实践中评估和部署这些系统。
这就是课程的概述。我想强调几个学习目标：课程将是一半讲座、一半独立研究和讨论。阅读的目标是真正研究人工智能研究中最近的技术成就，这将通过讲座进行交流，也包括个人文献阅读和对这些论文的评判。通过阅读这些论文，目标也是为了提高你的批判性阅读和批判性思维能力。课程的另一个大目标是让你不仅理解目前存在的东西，而且还要预测和理解未来的挑战，关于人工智能可能能够实现什么的未来愿景，以及我们如何取得这些成就。最后，有一个很大的动手实践环节，我们将探索并实现一些新的研究想法，走向那个未来。
在组织上，有几个偏好的先决条件。如果你不满足其中任何一个，也不用担心，我们会试着根据你懂什么或不懂什么来量身定制课程体验。理想情况下，你有一些编程知识，最好是用Python。如果你用其他语言编程，也应该能快速学会Python，因为大多数人工智能工具包和实现都将用Python完成。或者，你对现代人工智能的能力和局限性有一些基本的了解，不需要深入研究技术和数学细节，但应该能够知道有哪些最新的进展、它们的能力和局限性是什么。每天刷推特是达到这一先决条件的好方法。
理想情况下，你会带入一些外部的非人工智能领域的知识到这门课程中。从大家的描述来看，我们有很多这方面的知识。如果能带入一些关于传感器或某些任务的外部知识就太好了，或者是你正在研究的某个领域或问题，并合作寻找解决方案来应对这些领域。作为加分项，如果你体验或尝试过，或为某种模态制作了某些人工智能原型，那就太好了，也许你可以更进一步，真正深入研究这些课题。
这门课的授课形式是：我们每周二和周四上课两次，下午1点到2点。周二主要是进行一小时的讲座，通常由我本人、我的学生或者其他客座讲师主讲。周四将会有更多的实践和互动，结合课前阅读，我们在课堂上讨论关于这些阅读材料的有争议的话题，或者也可能是某些教程，让人们获得动手操作代码或实现的实际经验。阅读作业也会在课外布置，有几项阅读作业是必须阅读以准备周四的几次讨论。最后，还有一个非常重要的研究部分预计要完成。在这个项目的整个过程中，一个研究部分将产生协同效应，与当前的领域和模态以及大家已经感兴趣并正在开展的任务相呼应。
有人介意关一下门吗？谢谢。
让我先快速介绍一下课程主题。这门课程将有四个主要模块，每个模块持续约三到四周。第一模块将涵盖AI的基础知识。在今天的课上，我们将介绍AI以及这门课程的后勤安排。周四的课作为例外，本周四会有一堂课，我们将涵盖进行AI研究的基础知识，从做文献综述和阅读论文，到在AI领域提出好的研究想法，再到快速地对它们进行实验和验证，直至撰写论文并发表成果。我们希望这只是对AI和AI研究的介绍。
在接下来的三周里，我们将涵盖如何将AI应用于任何事物的原理。这些原理将涵盖三个部分：首先，你如何看待数据，数据有哪些属性是你理想中想用某些AI系统来建模的。我们还将涵盖不同形式的数据，以及你如何从互联网或现实世界中收集这些数据。在那之后，我们将介绍几种常见的模型架构。再次强调，我们的目的不是像在人工智能课程中那样详细地介绍所有这些架构，而是为了教授通用原则，以便你随后可以设计出适合你数据的新架构。最有可能的是，这些架构不仅仅是已经存在的原生架构，可能需要进行一些调整才能适用于你的情况。
这将是第三周的内容，涵盖模型和架构。第四周将涵盖学习和泛化——一旦你获得了数据，定义了一些要在该数据上训练的模型，你实际上该如何训练它，必须有一些训练函数。我将介绍不同的训练函数示例，你如何监控学习过程以确保你的模型确实在学习，以及你如何选择合适的模型，从而在你有新数据时能够在现实世界中进行泛化并发挥作用。在宏观层面上，我们将在前四周介绍人工智能的基础知识。
第二模块将是多模态人工智能的基础。通常情况下，你有多个传感器或多种数据模态需要被相互连接，所以我们将介绍不同的原因，为什么模态会相互连接，以及使用机器学习来建立这些连接的方法。我们将介绍模态之间相互作用的不同方式，以提供新的信息，并通过融合方法学习这些新信息。最后，我们将介绍跨模态迁移，这种想法是，你关注的模态中可能只有有限的数据，你如何寻找其他东西来补充并改善学习过程，从而让你比仅拥有有限数据时做得更好。刚好，我们有春假，标志着学期过半。
从春假回来时，我们将涵盖大模型和现代人工智能。每个人都会对这个主题感到兴奋。我们将有几节课讨论关键的要素，关于人们目前如何进行预训练、缩放和微调这些大型语言模型，重点放在微调上，因为我不指望有人会在其他实验室做预训练。但在许多应用中，你想要根据你的审美来微调它们，将它们微调到你特定领域的最佳实践是什么。成员周我们将不上课，然后我们会回来看看大型多模态模型——大型视觉语言模型、视频语言模型、大语言模型以及更多模态。
同样，我们将介绍如何快速部署并使这些大型语言模型适应你感兴趣的模态，这些可能不是语言，通常情况下不会是语言。最后，我们将涵盖现代生成式人工智能——那些不仅仅是做出预测或输出文本的系统，而是实际上可以生成更多数据，比如生成图像、可能生成传感器数据、生成视频、音乐、艺术等等。
最后，第四个主题将是交互式人工智能——你如何构建能够与人类在多个步骤中交互的系统。我们将首先开始那个模块，关注能够进行多步推理的人工智能系统，比如复杂问题、数学问题或推理，需要你采取多个步骤的行动才能达到最终目标的问题。然后我们将涵盖交互式和具身实体人工智能的要素，构建一些实际上可以在现实世界中运行的、具有物理表现和实体的AI系统。在最后一周，我们将涵盖人与AI交互的元素，其中人类处于循环中，安全和其他问题将非常重要。好的，大约有12、13节课分布在四个模块中。
现在，评分概述。成绩的40%将分配给阅读作业。会有几次作业，我们将分发几篇论文，你们必须阅读它们，把阅读的内容带到周四的课堂上，并进行小组讨论，分享关于批判这些论文的不同观点。成绩的60%需要做一个高质量的研究项目，包含几个检查点：一份包含文献综述的开题报告、理解问题，一个包含想法实现的期中报告，以及一份终期报告，包含更多想法的实现和更多误差分析。
更详细地说，将会有七次阅读作业，大致分布在整个学期，而不是每周都有。每一次阅读作业都将布置大约两篇必读论文和大约五到六篇选读论文。与这些论文一起，我们还将布置几个讨论探究问题，测试你们对论文本身的理解，以及这些论文如何融入某个研究领域更广泛的背景中。将会有三个主要的作业，需要单独完成的部分，大致在讨论前那个周末截止。你们应该阅读这些论文，从中总结出一些笔记，还要寻找其他几篇同样与这个广泛领域相关的论文，并且迈出第一步去自己回答其中的一些讨论问题。把这看作是普遍地深入阅读论文，理解它们并对其进行批判，使用我们提供的一些讨论引导问题。所有这些都应该在讨论前的一周内独立完成。
讨论将在周四进行。会有一个共同部分，大家集合进行15分钟，几位组长将做一个关于总结这些论文的简短展示，也许会回答学生们对论文提出的澄清性问题，并且还会总结其他学生搜寻到的与该研究领域相关的论文。共同部分主要是学生进行展示，之后会有一个分组环节，分成若干个讨论小组。我正尽量将每个讨论小组控制在10名学生左右，小组的数量将取决于最终选这门课的学生人数。然后在大约40分钟内，我们进行圆桌讨论，来回互动讨论，每个学生对讨论引导问题发表一些看法，其他学生表示同意或不同意，并且会有几位记录员来总结讨论的结果，并将其写成一份连贯的报告。
有几种讨论角色。第一个角色是阅读主导者，每周大概会有一到两名。这些阅读主导者负责周四课开始时的简短展示，为展示做准备，总结论文，回答澄清性问题，并且总结学生们找到的与该周主题相关的其他资源。他们也在讨论过程中协助记录笔记。另一个角色是总结主导者，他们首先会在讨论期间协助记录笔记，但更重要的工作是总结讨论中发生的一切，将所有来回的对话整理成一份连贯的报告，该报告将会公开发布并与全班同学分享。每个讨论周都会有一名这样的人。阅读主导者在课前完成大部分工作，并在课程开始时进行展示，而总结主导者在课后完成大部分工作。所以，每周每种角色会有一个或一两个。
这里有一些讨论主题。前三周不会进行讨论，更多是关于课程介绍的心智准备。我们将从讨论学习和泛化的特性开始——有哪些不同的方法可以确保我们的模型平稳学习，选择正确模型的不同方法有哪些，以及评估的不同方法有哪些，我们的模型对新数据的泛化效果如何。在我看来，我们将讨论一个相当有争议的话题：关于构建专用模型架构好还是通用模型架构好。大多数机器学习都是从专业化开始的，你针对自己的问题设计一个非常具体的模型，但如今我们看到了构建通用大模型的趋势。优缺点和权衡是什么？我们如何平衡两者？
我们将讨论跨模态迁移，倾听你们所有的想法，关于你们目前感兴趣的模态，例如可能不会有那么多数据的医疗或传感器数据，我们有什么方法可以寻找不同的数据资源并利用它们来帮助解决你感兴趣的任务。我们将进行几次讨论，围绕阅读关于大语言模型和多模态大模型的最新论文，并讨论它们的各个方面——它们如何训练、如何扩展、如何针对不同的实例进行微调和部署。最后，我们将讨论生成模型和人机交互。共有七个讨论主题，大致分布在整个学期中。
再次快速说明评分方案。所有的阅读和讨论加起来占成绩的40%。其中15%的成绩将由个人完成，即阅读论文、填写表格、回答问题。15%的成绩将取决于周四当天的讨论参与，为了确保每个人都在表达自己的想法，你应该说点什么，独立表达观点，并在其他人分享想法时进行回复。最后的10%将用于那一周的特殊角色——阅读引导员在课前做更多的工作，准备最初的陈述报告；概要引导员在课后做更多的工作，总结讨论并撰写一份连贯的报告。所以阅读和讨论总共占40%。
我们也可能会尝试其他角色，这是我非常喜欢做的事情。几种讨论角色包括：同行评审员，学生需要假装他们是同行评审员，并真正连贯地评审论文，指出优点、缺点、如何改进，论文中是否存在实验性或数学上的错误；考古学家，学生假装在过去发现了这篇论文，将论文置于最近发生的事情的背景中，追溯受该论文启发的近期工作或推翻了该论文的近期工作；学术研究员，假装自己是在该领域工作的人，已经读过这篇论文，在此基础上产生新的想法、提出新的研究愿景和方向；行业从业者，假装是一家大公司的研发主管，试图向老板解释为什么这篇论文将为公司赚很多钱；黑客，必须快速构建系统，阅读论文并提出一个快速而简陋的演示来实现那篇论文，从中学习；私家侦探，试图追踪为什么论文作者最初会研究这篇论文，他们的背景是什么，他们是如何受到启发的，如果重来他们可能会做出哪些不同的选择；社会影响评估，评估论文是对世界产生积极还是消极的社会影响。你们可以尝试一些有趣的讨论角色，我不指望每个周四都会有所有这些角色，但我们会尝试一下。
总结一下这七个阅读作业在典型的一周中如何安排：通常在上一周的周三，阅读作业将会发布，包含两篇必读论文和几篇选读论文，我们也将给出几个讨论问题并分配角色。周三到周五以及周末独立阅读这些论文，并在周一提交个人阅读作业——只是个人思考，回答那些问题。然后，阅读主导人将在周一到周三的时间里准备他们的幻灯片，回答澄清性问题，并总结学生们找到的资源。周四在课堂上，阅读主导人先进行展示，然后分成几个小组进行讨论。概要主导人和阅读主导人将会做笔记，然后概要主导人将总结笔记并整理出一份连贯的报告，与班级分享。这大约占成绩的40%。到目前为止有什么问题吗？我将向大家发送一个投票，来选择他们想在哪些周担任主导，看看你们对哪些主题最感兴趣，并且预留出任何可能因为旅行或会议而无法参加的周。
成绩的另外60%，你们需要做一个高质量的研究项目。这个项目在精神上类似于独立研究项目，我们希望以项目团队的形式进行，理想情况下是分组，但如果由于某种原因你想自己做，我们也对此持开放态度。当然，它可以与你目前作为硕士或博士研究的一部分正在进行的研究有一些共同之处，但不应该是一个完全的复制品。对于看起来相似的项目，我们将试图找到一种方法，使其不完全相同且被重复计算。最终报告应该像一篇高质量的AI研究论文，你们需要真正走出去，探索新的想法，而不仅仅是实现现有的东西。
有几个研究想法，我觉得大家可能会感兴趣。当然，这些只是主题，你们可以自由提出自己的想法。你们中的很多人都在研究新的模态：如何构建这些目前主要用于语言、视觉、音频的AI系统，并让它们适应这些新的模态，无论这是一个数据挑战、模型架构的挑战，还是为你的新模态想出合适的评估框架，这些都是潜在的研究机会。有些事情真的很有趣：例如，深度学习还没有被发现对时间序列、生理传感器和表格数据非常有效，大多数传统方法比如梯度提升依然运行得非常好，我们该如何调和这一点？如果有些人对味觉、艺术、音乐、嗅觉以及有形的具身系统感兴趣，那也是很好的研究方向。
此外，AI推理中也存在巨大挑战，我认为这是如今的热门话题：我们如何让AI系统真正针对具有挑战性的问题，在多个步骤中进行鲁棒的推理，比如数学推理、逻辑推理。构建需要你在多个步骤中进行交互的智能体系统是一个大方向。交互式智能体也是如此：你们中的许多人都提到了大多属于预测性质的问题，但你如何将其扩展到下一个水平，即你做出的预测实际上可以帮助控制一个系统？例如，你可能想要理解某人佩戴的传感器，而不仅是感知信息，而且可能还要采取行动来调节这个人，从而有某种福祉的概念被最大化。这需要你构建既能感知又能采取行动的系统。
关于构建更具身和有形的AI的研究，需要想出一个物理介质来部署这些系统。一个核心研究问题是：如何让这些AI系统在设备上快速运行，这将会存在物理限制。社交智能AI：如何构建真正能够通过不同的沟通媒介理解人类社交互动的人工智能系统，如何构建能够理解社交关系的系统——那些你无法仅仅从10秒的视频说话画面中推断出来的内容，这可能需要与该人互动数月或数年的数据。人机交互：我们如何构建新的媒介？大多数AI系统都只是在你的电脑上，我们还可以把AI放在哪些其他地方或媒介上，从而让它更具互动性，让人类与之交互更加直观？如何构建能够更好传达不确定性的系统，从而让人们能够更信任这些系统？如何构建能够向人类寻求澄清的系统，让人们感到自己拥有主动权，而不是仅仅处于背景中被AI系统所控制？
最后，超越仅仅模仿人类的新任务：如今的大多数AI都围绕着某些基准，让人类标注一个能力衡量标准，并使用AI来模仿人类的做法。你如何能提出一些新任务，在这些任务中人类自己甚至都无法完成，从而引导真正的合作？关于伦理和安全的科研项目：我们知道这些系统很棒，但它们也有很多局限性，比如不可控，或者输出不安全文本，或者生成危险图像。你如何对所有这些类型的安全问题进行分类，并提出新的数据或训练目标，以确保它们在现实世界中部署时更加安全？
这是一堆研究问题。周四的课程将是人工智能研究导论，在那里我们将涵盖所有这些内容，并涵盖更多关于构思研究想法的技巧。
为了完成一些后勤事务，助教们和我自己都非常致力于帮助你构思出一个成功的研究项目。因此，将需要与我们进行双周会议，每次会议大约20-30分钟，在周四下课后或周四下午期间。你将被分配一位主要导师，要么是我，要么是助教之一，你应该为这些会议做好准备，通过更新一个共同的谷歌幻灯片或谷歌文档来展示你的进展。同样重要的是，你被什么事情卡住了，也就是我们可以帮助调试的事情，试着思考我们如何改进这个系统。
这是五次双周会议的大致日程以及用粗体表示的关键检查点：第一周是这周，第二周将会有一个预提案，你必须提交至少一个简短的谷歌表单，里面有你的名字、任何你想一起工作的团队成员（或者如果你强烈倾向于单独工作），以及一个两句话的描述，关于你想研究的模态和任务。第三周其他小组将展示他们的提案，到那时，你大概被期望已经阅读了相关文献，对最新技术进行分类并概述其中的一些挑战。第四周将是提案的报告版本。两周后，到第六周，我们期望对你提出的想法进行一些初步的实现。在第四周和第六周之间，我们会给你们关于提案的反馈，以确保你们想出的想法是合理的。
春假回来之后，期中报告评审应该包含结合你们新想法的第一轮结果，我们也会在课堂上再次展示这些，以从导师和同行那里获得更多反馈。到第11周，你们应该有更新的结果，应该已经修复了方法展示中行不通的部分。到第13周，你们应该更深入地研究你们的方法，以真正了解其成功和局限性，也许可视化该方法是如何工作的，进行用户研究，看看它是否真的有助于达到预期的目标。第14周在课堂上进行最终展示，第16周是最后一堂课的那周，将是提交最终报告的截止日期。大概的结构错开安排，以确保每个团队都能够在学期结束前完成一个最终的研究项目。
关于最终报告评分的快速后勤安排：课程项目占60%，其中提案占10%，期中占25%，最终报告占25%，双周更新占10%，以检查你是否在取得合理的进展。
每个人都应该来上课。如果你决定正式注册学分，我们也可以容纳一定数量的旁听生，取决于有多少人注册。我们必须确保讨论小组确实能以小组形式进行。所以如果你注册了，请在周二和周四来上课。如果你有长期的旅行计划，请提前告知我们，以便我们做出相应安排。会有几张万能卡，学生可以用它们将截止日期延长24小时。阅读作业共有七次，其中两次可以迟交一天。至于项目报告的万能卡，每组两张，可以用来延长期中或期末报告截止日期一天或两天。
课程网站包含所有信息，它也是对公众开放的。所有的课程幻灯片、视频和讨论笔记都会发布在网上。我们也会开放Canvas平台用于阅读作业和项目报告的提交。
这周没有作业，也没有阅读。如果你开始最好开始思考你想做什么项目，如果你决定修这门课拿学分，或者有兴趣做课程项目，还有可能寻找队伍和队友，那些和你有共同兴趣的人。我们将发布一个谷歌表单用于收集项目偏好，截止时间是下周二。这周四我们还会在这里见面，下午1点到2点，这仍然是一堂关于如何做人工智能研究的课，我们将涵盖如何阅读论文、如何产生想法、如何快速执行研究想法，以及如何撰写和总结你的研究结果。
热门跟贴