我拆了MIT的人工智能课程，帮孩子理解AI到底是怎么工作的

顶尖大学怎么定义"人工智能"

一辆自动驾驶车在路口前慢下来。前面有个人正要过马路，旁边一辆车突然变道插了进来。零点几秒里，这辆车得判断：那个人会不会继续走、插进来的车会不会撞上来、自己是该刹住还是绕开。然后它做了决定。

我们看到的是"这车真聪明"。可在工程师眼里，刚才那零点几秒，是五个完全不同的难题在同时被解开。

而MIT，恰好把这五个难题，写成了一个本科专业的五个方向。

一个叫"人工智能与决策"的新专业

2022年，MIT给人工智能单独开了一个本科专业，编号6-4，全名是"人工智能与决策"。名字里除了"人工智能"，还多了"决策"两个字。

学校对它的定义是：教学生去做那种能感知世界、能沟通、能行动，并且会学习、会决策、会适应变化的系统。

这件事被拆成了五个方向，官方叫五个"中心"。每个方向，学生都得挑一门课来上。

把这五个方向翻成大白话，就是开头那辆车在路口要回答的五个问题。

AI的五个维度，一辆车全占了

第一个，怎么从经验里学。这车凭什么认得出那是个人，而不是一根电线杆？因为它看过几百万张照片，一点点学出来的。这是"数据"这条线，对应的课是机器学习。

第二个，脑子里那张地图长什么样。车得知道这条路怎么拐、人一般走多快、刹车要留多远的距离。它脑子里装着一套对世界的理解。这是"模型"这条线。

第三个，知道了之后，到底踩刹车还是打方向。看清局面，不等于知道该做哪个动作。何况每个动作都有后果，选错了就出事。这是"决策"这条线，背后是控制论和运筹学。

第四个，这一切得在零点几秒里算完。想得再明白，要是算上两分钟才出结果，车早撞上去了。算得动、算得快，本身就是一道坎。这是"计算"这条线。

第五个，车上坐着人，路上也站着人。它的每个选择都关系到人的安危，甚至要面对"只能撞一个，该撞谁"这种没有标准答案的难题。这是"人"这条线，要碰伦理、认知、社会。

数据、模型、决策、计算、人。MIT就是按这五条线，把人工智能这个专业切开的。

缺一块，"聪明"就塌了

这五块，少哪一块，聪明都立不住。

光会从数据里学，没有对世界的模型，那就是死记硬背，换个没见过的路口立马懵。有了判断力却算得太慢，车想明白的时候已经撞上去了。五样都齐，唯独没把人放进来，那是一个又快又准、却随时可能闯祸的系统。

我们平时夸一个AI"聪明"，其实是在说这五件事它都做到了。智能从来不是一种单一的本事，是五个难题被同时解开。

MIT为什么这么拆

参与设计这个专业的Leslie Kaelbling教授，讲过两层意思。

一层是朝外看。传统的计算机专业，盯的是机器内部，程序怎么写得快、算法怎么设计得巧。这个新专业把眼睛转到外面：这套系统在真实世界里到底要干什么，要做哪些选择，怎么跟周围的人相处。

另一层是先广后专。五个方向，每个只让学生先挑一门，是故意的。他们怕学生太早一头扎进机器学习，最后只会调模型，不懂决策、不管算不算得动、也想不到人。所以先让你把五种看问题的方式都尝一遍。

清华vs.MIT

换一所学校，分法就不一样了。清华也给人工智能单设了方向，2019年姚期智办的"智班"。

两边的理念正好岔开。清华讲"广基础、重交叉"：先把数学和计算机的底子打到极深，再让AI去跟别的学科交叉。MIT讲"先广后专、朝外看"：先让你把五种看问题的方式都尝一遍，重心是系统在真实世界里做事。落到课表上，清华按技术主题排课，MIT按思维维度排课。一个先铺开"AI能做哪些事"，一个先问"智能是由哪几块拼起来的"。

两种都是世界顶尖的排法，没有高下，只是下刀的位置不同。但它们有个共识：在最顶尖的地方，"人工智能"早就不只是"机器学习"或者"调大模型"那么窄了。

那孩子学的AI呢

照搬MIT那五个维度，高中生当然吃不下。但方向是通的。NOAI的考纲里，除了机器学习，还有AI概论、神经网络、数据处理；到了复赛，计算机视觉、自然语言处理、大模型也都会碰。颗粒度浅得多，可那个"AI不止是调模型"的底子，跟顶尖大学是同一个方向。