为培养具备创新思维与跨学科应用能力的高层次人才,助力研究生掌握人工智能通识知识和技术体系,3月21日至4月25日,我所精心打造的“人工智能通识核心课”第一期课程圆满收官。在充分调研和研讨人工智能系列课程“教什么”、“谁来教”、“何时教”、“怎么教”的基础上,课程特邀大连理工大学人工智能学院5位博士生导师联袂授课,累计吸引所内360余人次参加学习。
3月21日,林鸿飞教授讲授《人工智能导论》课程,系统梳理AI技术演进脉络,深度剖析从统计语言模型到千亿参数大模型的范式革新。通过DeepSeek平台实景演示,重点解析提示工程(prompt engineering)技术要义,展现数据驱动范式带来的研究效率跃升,以及AI for Science开辟的新范式。
3月28日,王立君教授讲授《大模型-智能体基础与实践》课程,对比传统与基于大模型的智能体差异,构建“记忆-规划-工具”的智能体培养框架。结合Hugging GPT模块化架构与Oasis百万级智能体社会实验,生动阐释智能体协同机制,并通过Coze平台实操演练,助力大家掌握智能体开发实战技能。
4月10日,江贺教授讲授《AI for Science:科学研究的第五范式》课程,提出AI for Science的“四梁N柱”理论框架,以科学问题、数据资源、算法模型、算力设施为支撑,解构AI技术在物理、化学、生物等多学科交叉中的应用。针对AI+科研面临的融合创新、可持续发展等挑战,强调建立“AI技术-领域知识”双向反馈机制的重要性。
4月18日,谭红臣副教授讲授《深度学习入门:概念、模型与应用》课程,系统阐释深度学习的知识体系与技术脉络,介绍经典深度模型与深度学习框架的应用实例。
4月25日,都牧副教授讲授《智能时代的科学家工具箱——机器学习的原理与可能》课程,详细讲解机器学习的方法、定义、步骤、分类及应用等内容,系统阐释监督学习与无监督学习的本质差异,通过K-means、DBSCAN等算法实例,展现机器学习技术对科研工具链的革新价值。

该课程体系是贯彻落实新时代人才培养战略的重要举措,对于推动我所人才培养模式的变革、提升学生的综合素质和竞争力具有重要意义。下一步,我所将继续推出AI在化学、化工、物理、生物等领域的专项课程,持续完善“通识筑基-专业深化-创新应用”课程培养体系,为造就战略科技人才提供有力支撑。第二期课程计划于5月开展。(文/周泽宇、于晓 图/于晓)