哈佛反向学习法走红：教会AI就是教会自己，陶哲轩强力推荐
编辑日期：2024年09月01日
他最近分享了哈佛大学应用数学和应用物理教授迈克尔·P·布伦纳（Michael P. Brenner）的一种教学方法——
通过提示工程，让学生尝试教会AI完成平时的数学作业（这些作业不计入正式成绩），然后在学期末让这些AI参加考试。
好的，这就相当于学生再把AI当作学生，有种俄罗斯套娃的感觉。
迈克尔·P·布伦纳（Michael P. Brenner）教授认为，这种方法能够教会学生分解问题，并深入掌握提示词工程技术。
此外，在AI应用中学会提问也极具挑战性，这种方法可以指导学生掌握提示词工程技术。
注：根据上下文，"提示词工程"可能指的是构造和优化用于引导AI模型产生特定响应的提示词的技术。而“学会提问”则可能涉及到设计有效的查询或问题来更好地利用AI系统的能力。由于原始句子的信息量较少，具体的上下文需要根据更详细的背景信息来确定。
提出这一创新教学方法的是美国应用数学家和物理学家迈克尔·P·布伦纳（Michael P. Brenner）。
他曾在宾夕法尼亚大学获得物理和数学学位，并在芝加哥大学获得了物理学博士学位。
从2001年至今，他在哈佛大学担任教授，此前他还在麻省理工学院担任应用数学的助理教授和副教授。
他的研究方向是利用应用数学方法解决科学和工程领域的广泛问题，尤其是与流体力学和材料科学相关的问题。
接触人工智能后，他特别对利用机器学习来促进科学发现产生了浓厚兴趣。
在哈佛大学，他为一年级研究生开设了一门名为“应用数学201”的课程，主要讲授用于解决硬科学问题（通常指自然科学和工程学领域的问题）的数学方法。
因为他对构建能够解决复杂问题的模型和聊天机器人非常感兴趣，于是他想出了一种新方法：
当然，布伦纳教授体贴地表示，这部分成绩不会计入正式考核。
然而，学生在日常作业中需要积累提示词的经验，并提交那些效果较好的提示词。
在学期末，学生们需要共同完成一项最终研究，以检验AI的学习成果——即AI是否能够通过期末考试。
根据布伦纳教授的介绍，共有15名同学参与了这项研究，他们被分为三组：
在这个过程中，他们为不同类型的题目绘制了图表（展示了在不同提示下解决方案的得分情况），并制定了一套评分标准，满分为25分。
最终，学生们建立了一个即刻可用的数学模型，并取得了不错的成绩（满分20分）。
课程结束时，学生们也热情地表达了他们的感谢：
事实上，迈克尔·P·布伦纳教授并不是第一次尝试创新了！
他在另一门课程《科学与烹饪：从高级料理到软物质科学》中，更是将烹饪与应用科学进行了碰撞融合。
课程介绍是这样的：
了解食物的分子构成以及化学反应如何影响食物的质地和风味。
简单来说，就是在学习烹饪的过程中了解科学原理，比如分子如何影响风味，热量在烹饪中的作用等。
并且特别强调，做出来的东西必须得能吃（doge）。
这一系列的操作打破了学生们原有的认知，甚至有人感慨道：
请提供需要重写的文本内容，以便我为您处理。谢谢！
本文来自微信公众号“量子位”（ID：QbitAI），作者一水，原题目为《陶哲轩力荐，哈佛反向学习法走红：教会AI就是教会自己》。
