生成式人工智能普及之后，市面上的培训课程几乎清一色围绕同一批内容展开：Transformer 架构、大语言模型、扩散模型、提示词工程，以及各类应用搭建。这些知识如今已经是入门门槛，而不是加分项。

科技媒体 ZDNET 的专栏作者戴维·格维茨（David Gewirtz）近期把注意力投向了一门 2011 年的老课程——由彼得·诺维格（Peter Norvig）与塞巴斯蒂安·特龙（Sebastian Thrun）在斯坦福大学开设的《人工智能导论》。这门课目前由在线教育平台 Udacity 免费开放。

一门促成了 Udacity 诞生的课

这门课在规模和影响力上都称得上标志性事件。最初的线上版本吸引了超过 16 万人报名，是最早的大规模开放在线课程之一，也直接为特龙后来创办 Udacity 铺平了道路。

两位授课者的分量不容小觑。诺维格是斯坦福以人为本人工智能研究院的杰出教育研究员，同时担任谷歌研究总监，还是《人工智能：一种现代方法》的合著者——这本教材至今仍是多所高校人工智能课程的主选，2026 年在卡内基梅隆大学、波士顿大学、得克萨斯农工大学、圣何塞州立大学等校依然在用。特龙则是 Udacity 的创始人兼执行主席、前斯坦福教授、谷歌院士，以自动驾驶和机器人领域的开创性工作为人熟知。

格维茨推荐这门课的核心理由是：它把人工智能当作计算机科学的一个完整分支来讲，而不是把”人工智能”简化成大语言模型的代名词。

课程讲什么

课程内容覆盖十二个方向：

• 问题求解与搜索
• 概率与概率推理
• 机器学习与无监督学习
• 基于逻辑的知识表示
• 规划，以及不确定条件下的规划
• 强化学习
• 隐马尔可夫模型与滤波
• 马尔可夫决策过程
• 对抗搜索、博弈与博弈论
• 计算机视觉
• 机器人与运动规划
• 自然语言处理

这些都不是转瞬即逝的产品或功能，而是数学和概念层面的长期基础。围绕它们建起来的技术会一直变，底下的东西却相当耐久。这也正是它能与当下的生成式人工智能课程形成互补的原因——即便到今天，大语言模型也无法解决所有人工智能难题。

格维茨的观察是，这门课呈现的是聊天机器人主导公共讨论之前，研究者们认为最根本的那批问题。它同时说明了一件事：智能远不止于生成文字和图像，人工智能系统还需要表示知识、评估不确定性、搜索解法、规划行动、感知周遭环境，并从结果中学习。

要花多长时间

Udacity 没有公布完课时间估计。课程包含 22 节主课，此外还有习题集、导论和考试等内容。格维茨完整上了博弈论那一节，其中包含 19 个片段，连同练习一起花了大约两小时。按这个节奏推算，他建议为整门课预留 75 到 100 小时。

这个投入量并不轻松，因此有必要把这门课的定位说清楚。

明确的局限

这确实是一门老课，短板显而易见。部分示例和术语带着明显的年代痕迹，视频与音频质量也达不到如今的水准。更关键的是，它的诞生早于 Transformer、大语言模型、扩散模型以及当代所有人工智能开发框架，课程内容也完全没有涉及人工智能伦理，以及这项技术正在世界范围内引发的种种现实议题。

格维茨因此强调，这门课不能替代面向当下的生成式人工智能培训，正确的用法是把它当作新课程的配套材料：如果只想学会怎么把需求丢给聊天机器人，一门生成式人工智能培训课或许就够了；但若想理解那些不会随版本迭代而失效的基础概念，看清人工智能这个领域远比 ChatGPT 大得多，那么诺维格与特龙的这门课值得花时间。

对中文读者来说，还有一个现实层面的便利：Udacity 的课程页面可以正常访问，注册后即可免费学习，无需付费解锁。课程使用英文授课，具备一定英文阅读能力是前提。

来源：ZDNET《Taught by AI pioneers, Stanford’s free online course takes you far beyond ChatGPT》，作者 David Gewirtz；课程信息核对自 Udacity 官方课程页