相信很多大家對陶哲軒力薦，哈佛反向學習法火了：教會AI就是教會自己還不知道吧，今天菲菲就帶你們一起去了解一下~.~！

數(shù)學大佬陶哲軒力薦，哈佛反向學習法火了:教會AI就是教會自己。

他最新分享了哈佛應用數(shù)學和應用物理學教授Michael P. Brenner的一個教學方法——

利用提示工程，讓學生嘗試教AI完成平時數(shù)學作業(yè)（不納入正式考核），期末再讓這些AI參加考試。

好嘛，相當于學生再把AI當學生，俄羅斯套娃有。

Michael P. Brenner教授認為，這一方法能夠教會學生拆解問題，并深度掌握提示詞工程技術。

教AI解數(shù)學題，期末還要考試

提出這項創(chuàng)新教學方法的Michael P. Brenner，是一名美國應用數(shù)學家和物理學家。

他曾獲得賓夕法尼亞大學物理和數(shù)學學位，并在芝加哥大學獲得物理學博士學位。

從2001年至今，他在哈佛大學擔任教授，此前還在麻省理工擔任應用數(shù)學助理和副教授。

他的研究方向是，使用應用數(shù)學方法來解決科學和工程中的廣泛問題，特別是與流體力學和材料科學相關的問題。

接觸AI后，他對利用機器學習來促進科學發(fā)現(xiàn)尤為感興趣。

在哈佛，他面向研一開設了一門叫做“Applied Math201”的課程，主要教授解決硬科學問題（通常指自然科學和工程學）的數(shù)學方法。

由于他對構建可以解決復雜問題的模型和聊天機器人的想法非常感興趣，于是想出了一個新招:

當然，Brenner教授貼心表示，這部分成績不計入正式考核。

不過學生在平時作業(yè)中需積累提示詞經驗，并提交那些效果比較好的提示詞。

到了期末，學生們需要共同完成一項最終研究，并檢驗AI的學習成果——能否完成期末考試。

據(jù)Brenner教授介紹，有15位同學參與了研究，他們被分成三組:

第1組負責提示工程，收集整理大家整個學期提交的提示詞，并評估哪些提示更擅長或不擅長解決哪類問題;

第2組負責數(shù)據(jù)集生成，構建一系列包含問題和解決方案的數(shù)據(jù)，且需要實現(xiàn)自動生成;

第3組負責基礎設施建設，將提示和數(shù)據(jù)集放在一起，嘗試評估和訓練聊天機器人解決期末試題。

過程中，他們針對不同類型的問題繪制了圖（不同提示下解決方案能得多少分），并創(chuàng)建了一套評分標準，滿分25分。

最終，學生們構建了一個開箱即用的數(shù)學模型，并取得了不錯成績。（最高20分）

課程結束后，學生們也熱情地送上了感謝:

烹飪也能碰撞應用科學原理

事實上，Michael P. Brenner教授也不是第一次整新活了!

他的另一門課《Science and Cooking: From Haute Cuisine to the Science of Soft Matter.》更是將烹飪與應用科學來了個碰撞。

課程介紹是醬嬸兒的:

簡單說，就是在學習烹飪的過程中了解科學原理，諸如分子如何影響風味、熱量在烹飪中的作用……

而且特別強調，做出來的東西要能吃（doge）。

這一番操作下來，也打破了學生們的固有認知，以至于有人感慨:

所以，你還知道哪些學校有比較好玩的課程嗎?快來評論區(qū)讓我們眼饞一波~

參考鏈接:

[1]https://mathstodon.xyz/@tao/113058843359470529

[2]https://www.youtube.com/watch?v=p3v8eFwDWnk

[3]https://www.youtube.com/watch?v=om7VpIK90vE

以上就是關于【陶哲軒力薦，哈佛反向學習法火了：教會AI就是教會自己】的相關內容，希望對大家有幫助！

　　免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！