歡迎大家來到《如何用AI創造（幾乎）一切》。我們非常高興能開設這門課程。作為媒體實驗室的傳統，這是首次開設，緊隨《如何制作（幾乎）一切》和《如何培育（幾乎）一切》之后，我們推出了第三部曲《如何用AI創造（幾乎）一切》。我們非常高興能在這個學期擔任你們的教學團隊。

我的名字是Paul，是麻省理工學院媒體實驗室和EECS的新教員，領導著一個多感官智能研究小組。除了我之外，我們還有兩位非常棒的助教——Chanaka和David，他們將協助作業并指導一些課程研究項目。我們都是名為“多感官智能”的更大團隊的一部分，這是麻省理工學院媒體實驗室的一個新研究小組。

Paul Liang

我們的研究專注于構建能夠真正接收世界上任何事物的AI系統，我們稱之為下一代AI——本質上是多感官的系統。你通過視覺來理解語言、手勢以及世界上的各種傳感器。因此，本課程的一個重點將是：我們如何設計真正多感官、并能接收世界上幾乎任何感官模態的AI系統。我們也構建能夠切實幫助人類體驗的系統，而不僅僅是復制或重復人類所能做的事情，而是實際上幫助人類取得更好的集體成果。這也將是本課程的一個焦點。

最后，因為我們都看到AI系統非常緊密、非常強大地理解人類并與人類互動，確保它們在實際互動中安全也同樣非常重要。在課程的尾聲，我們將涵蓋如何讓這些AI系統真正安全且魯棒的不同方面。

人工智能適用于任何事物，我們周圍的整個世界都是多感官的。我們已經開始窺見能夠處理世界上越來越多媒介并與之互動的AI系統。我們看到了用于口語或電腦上文本的大語言模型，開始看到能夠理解我們語音和聲音表達的系統，它們可以理解我們的面部表情和肢體語言，從而全面地理解我們如何與他人交流。我們在醫療保健領域也看到了AI的巨大進展——這些系統能夠針對X光圖像做出合理的預測，以幫助醫生對患者進行最終診斷，也可以用于理解不同的細胞和各種形式的醫療傳感器。而這僅僅是冰山一角，我們已經看到AI幾乎應用于世界上所有的這些模態。這真的是令人興奮的時代。

從我最喜歡的一些激發靈感的AI案例開始：AI已經真正融入了物理感知。比如機器人，需要理解力和觸覺信息，從而讓機械臂感知它們是否正在抓取堅硬或柔軟的物體，感知應該將物體放入何處以及那是否是正確的位置。與此同時，大多數這些機器人身上也裝有攝像頭，告訴你各種形狀、顏色、大小以及環境中的事物。機器人上安裝的傳感器越多，它就越魯棒——你可以推動這些機械臂，模擬地震般的擾亂力度，它們依然可以依靠視覺來解決任務；同樣地，你也可以遮擋機器人的攝像頭，用文件夾來模擬下雨或大霧，然后依靠力覺來解決任務。

我們小組正在發生的一些很酷的事情包括為嗅覺構建人工智能。有一個能夠感知不同食品和飲料釋放的揮發性氣體的芯片，這是一種不同類型的感官模態。在收集足夠的數據之后，你可以訓練AI系統從本質上檢測不同食品和飲料所謂的味道。比如在一段視頻中，這個芯片被編程為可以聞出花生的存在，你可以把它帶到糖果棒、一塊蛋糕或一罐花生醬前，它就會檢測到存在花生。這對可能對花生過敏的人來說非常有用。

在這門課程中，我們還將涵蓋生成式人工智能——能夠接收任何模態的生成式人工智能，并將其在語義上翻譯為其他感興趣的模態。例如，輸入一段文本并生成與之對應的視頻，或者給定一段視頻，生成與之相對應的音頻剪輯，比如創作音樂或配樂來搭配視頻。我們將涵蓋這些能夠從任何模態翻譯到另一種模態的生成模型。

我們還將涵蓋將人工智能應用于整體健康指標的例子。許多這些整體的健康指標并不會在醫生的辦公室里獲取，我們可能一年只去看一兩次醫生，但我們有很多方法可以感知日常的健康和福祉狀況。在身體健康領域，有機會構建真正能夠以高分辨率理解ICU病房中患者狀態的AI，無論這些患者是坐起還是跌倒，以及他們是否需要醫生和護士的幫助，你可以將這些信息在緊急情況下傳達給醫生。

在情感健康領域，我們身體上的傳感器越來越多，比如在我們的手機上，它們可以感知我們情緒、壓力和情感的各個方面。最后，人工智能的某些方面可以用來理解我們將如何與他人進行社交互動，通過我們所說的具體言語，或者使用任何非言語表達或我們在群體交流中使用的手勢。

到目前為止，討論的一切主要都在感知領域：給定世界上的某種數據模態，我能預測些什么。但有一代新的AI正在興起，那是關于交互式智能體的。它們不僅能做出單步預測，還能采取多個行動來為人類解決任務。你們中有些人可能見過這些用于網頁的智能體——你給它們一些自然語言指令，例如“去亞馬遜幫我買一副這種顏色且評分至少在4.5星以上的耳機”，這些智能體就能理解這個指令，并執行一系列動作：搜索耳機、按評分排序、根據以前的購買習慣選擇顏色、將其加入購物車并結賬。

這就是新一代的交互式智能體，它們能夠理解人類給出的指令，植根于各種數字媒介中。我們很快就會在網站上看到這些智能體，甚至可能已經看到了。你也可以構建能夠幫助你操作PowerPoint和電子表格的智能體，最終，我們將看到適用于多種計算機任務的智能體來幫助你。

這就是為任何事物構建AI的機遇的簡要概覽——從理解物理環境，到能夠在互聯網上處理和生成各種數字媒介，理解健康和福祉的整體指標，以及最后的交互式智能體，它不僅能做出預測，還能為我們執行任務并提高日常生活的生產力。希望你們所有人都能從這門課程中學到一些東西。

這門課程的整個目標是教授將AI應用于任何模態的原理，尤其是那些還未真正處于AI研究最前沿的新模態。當我提到原理時，我指的是能夠直觀地思考：你需要什么樣的數據、將從哪里收集這些數據，你需要什么樣的模型架構以及如何設計它們，你將如何快速進行實驗和評估模型在數據上的成功與否，以及現實世界中存在哪些問題是你在實際部署這樣一個AI系統之前必須解決的。

這將會非常不同于傳統的機器學習導論和人工智能導論課程，在那些課程中，焦點主要集中在模型上——15周的課程，每周逐一學習一種不同的算法。而在這里，我們試圖教給你原理而不是方法本身，關于如何思考什么數據有用以及如何收集它，各種形式的建模、架構，以及所有這些迭代的評估和部署流程。

很多人對手勢、醫療數據、許多有趣的生理傳感器和可穿戴傳感器、移動數據感興趣，我覺得大家沒有提到社交網絡，這也是人工智能中另一個研究相當不足的領域。這是課程的第一個主題——針對新模態的人工智能。自然地，課程的第二個主題將是關于多模態人工智能。人們提到了許多需要將不同數據模態連接在一起的應用，比如你可能想把語言和手勢連接起來以全面理解一個人及其社交互動，或者想把感知和執行連接起來，擁有一個感知和采取行動的循環。我們將涵蓋多模態人工智能的要素：你如何在概念上構建能夠使你學習模態之間聯系的數據，如何構建模型架構來學習這些聯系，以及如何在實踐中評估和部署這些系統。

這就是課程的概述。我想強調幾個學習目標：課程將是一半講座、一半獨立研究和討論。閱讀的目標是真正研究人工智能研究中最近的技術成就，這將通過講座進行交流，也包括個人文獻閱讀和對這些論文的評判。通過閱讀這些論文，目標也是為了提高你的批判性閱讀和批判性思維能力。課程的另一個大目標是讓你不僅理解目前存在的東西，而且還要預測和理解未來的挑戰，關于人工智能可能能夠實現什么的未來愿景，以及我們如何取得這些成就。最后，有一個很大的動手實踐環節，我們將探索并實現一些新的研究想法，走向那個未來。

在組織上，有幾個偏好的先決條件。如果你不滿足其中任何一個，也不用擔心，我們會試著根據你懂什么或不懂什么來量身定制課程體驗。理想情況下，你有一些編程知識，最好是用Python。如果你用其他語言編程，也應該能快速學會Python，因為大多數人工智能工具包和實現都將用Python完成。或者，你對現代人工智能的能力和局限性有一些基本的了解，不需要深入研究技術和數學細節，但應該能夠知道有哪些最新的進展、它們的能力和局限性是什么。每天刷推特是達到這一先決條件的好方法。

理想情況下，你會帶入一些外部的非人工智能領域的知識到這門課程中。從大家的描述來看，我們有很多這方面的知識。如果能帶入一些關于傳感器或某些任務的外部知識就太好了，或者是你正在研究的某個領域或問題，并合作尋找解決方案來應對這些領域。作為加分項，如果你體驗或嘗試過，或為某種模態制作了某些人工智能原型，那就太好了，也許你可以更進一步，真正深入研究這些課題。

這門課的授課形式是：我們每周二和周四上課兩次，下午1點到2點。周二主要是進行一小時的講座，通常由我本人、我的學生或者其他客座講師主講。周四將會有更多的實踐和互動，結合課前閱讀，我們在課堂上討論關于這些閱讀材料的有爭議的話題，或者也可能是某些教程，讓人們獲得動手操作代碼或實現的實際經驗。閱讀作業也會在課外布置，有幾項閱讀作業是必須閱讀以準備周四的幾次討論。最后，還有一個非常重要的研究部分預計要完成。在這個項目的整個過程中，一個研究部分將產生協同效應，與當前的領域和模態以及大家已經感興趣并正在開展的任務相呼應。

有人介意關一下門嗎？謝謝。

讓我先快速介紹一下課程主題。這門課程將有四個主要模塊，每個模塊持續約三到四周。第一模塊將涵蓋AI的基礎知識。在今天的課上，我們將介紹AI以及這門課程的后勤安排。周四的課作為例外，本周四會有一堂課，我們將涵蓋進行AI研究的基礎知識，從做文獻綜述和閱讀論文，到在AI領域提出好的研究想法，再到快速地對它們進行實驗和驗證，直至撰寫論文并發表成果。我們希望這只是對AI和AI研究的介紹。

在接下來的三周里，我們將涵蓋如何將AI應用于任何事物的原理。這些原理將涵蓋三個部分：首先，你如何看待數據，數據有哪些屬性是你理想中想用某些AI系統來建模的。我們還將涵蓋不同形式的數據，以及你如何從互聯網或現實世界中收集這些數據。在那之后，我們將介紹幾種常見的模型架構。再次強調，我們的目的不是像在人工智能課程中那樣詳細地介紹所有這些架構，而是為了教授通用原則，以便你隨后可以設計出適合你數據的新架構。最有可能的是，這些架構不僅僅是已經存在的原生架構，可能需要進行一些調整才能適用于你的情況。

這將是第三周的內容，涵蓋模型和架構。第四周將涵蓋學習和泛化——一旦你獲得了數據，定義了一些要在該數據上訓練的模型，你實際上該如何訓練它，必須有一些訓練函數。我將介紹不同的訓練函數示例，你如何監控學習過程以確保你的模型確實在學習，以及你如何選擇合適的模型，從而在你有新數據時能夠在現實世界中進行泛化并發揮作用。在宏觀層面上，我們將在前四周介紹人工智能的基礎知識。

第二模塊將是多模態人工智能的基礎。通常情況下，你有多個傳感器或多種數據模態需要被相互連接，所以我們將介紹不同的原因，為什么模態會相互連接，以及使用機器學習來建立這些連接的方法。我們將介紹模態之間相互作用的不同方式，以提供新的信息，并通過融合方法學習這些新信息。最后，我們將介紹跨模態遷移，這種想法是，你關注的模態中可能只有有限的數據，你如何尋找其他東西來補充并改善學習過程，從而讓你比僅擁有有限數據時做得更好。剛好，我們有春假，標志著學期過半。

從春假回來時，我們將涵蓋大模型和現代人工智能。每個人都會對這個主題感到興奮。我們將有幾節課討論關鍵的要素，關于人們目前如何進行預訓練、縮放和微調這些大型語言模型，重點放在微調上，因為我不指望有人會在其他實驗室做預訓練。但在許多應用中，你想要根據你的審美來微調它們，將它們微調到你特定領域的最佳實踐是什么。成員周我們將不上課，然后我們會回來看看大型多模態模型——大型視覺語言模型、視頻語言模型、大語言模型以及更多模態。

同樣，我們將介紹如何快速部署并使這些大型語言模型適應你感興趣的模態，這些可能不是語言，通常情況下不會是語言。最后，我們將涵蓋現代生成式人工智能——那些不僅僅是做出預測或輸出文本的系統，而是實際上可以生成更多數據，比如生成圖像、可能生成傳感器數據、生成視頻、音樂、藝術等等。

最后，第四個主題將是交互式人工智能——你如何構建能夠與人類在多個步驟中交互的系統。我們將首先開始那個模塊，關注能夠進行多步推理的人工智能系統，比如復雜問題、數學問題或推理，需要你采取多個步驟的行動才能達到最終目標的問題。然后我們將涵蓋交互式和具身實體人工智能的要素，構建一些實際上可以在現實世界中運行的、具有物理表現和實體的AI系統。在最后一周，我們將涵蓋人與AI交互的元素，其中人類處于循環中，安全和其他問題將非常重要。好的，大約有12、13節課分布在四個模塊中。

現在，評分概述。成績的40%將分配給閱讀作業。會有幾次作業，我們將分發幾篇論文，你們必須閱讀它們，把閱讀的內容帶到周四的課堂上，并進行小組討論，分享關于批判這些論文的不同觀點。成績的60%需要做一個高質量的研究項目，包含幾個檢查點：一份包含文獻綜述的開題報告、理解問題，一個包含想法實現的期中報告，以及一份終期報告，包含更多想法的實現和更多誤差分析。

更詳細地說，將會有七次閱讀作業，大致分布在整個學期，而不是每周都有。每一次閱讀作業都將布置大約兩篇必讀論文和大約五到六篇選讀論文。與這些論文一起，我們還將布置幾個討論探究問題，測試你們對論文本身的理解，以及這些論文如何融入某個研究領域更廣泛的背景中。將會有三個主要的作業，需要單獨完成的部分，大致在討論前那個周末截止。你們應該閱讀這些論文，從中總結出一些筆記，還要尋找其他幾篇同樣與這個廣泛領域相關的論文，并且邁出第一步去自己回答其中的一些討論問題。把這看作是普遍地深入閱讀論文，理解它們并對其進行批判，使用我們提供的一些討論引導問題。所有這些都應該在討論前的一周內獨立完成。

討論將在周四進行。會有一個共同部分，大家集合進行15分鐘，幾位組長將做一個關于總結這些論文的簡短展示，也許會回答學生們對論文提出的澄清性問題，并且還會總結其他學生搜尋到的與該研究領域相關的論文。共同部分主要是學生進行展示，之后會有一個分組環節，分成若干個討論小組。我正盡量將每個討論小組控制在10名學生左右，小組的數量將取決于最終選這門課的學生人數。然后在大約40分鐘內，我們進行圓桌討論，來回互動討論，每個學生對討論引導問題發表一些看法，其他學生表示同意或不同意，并且會有幾位記錄員來總結討論的結果，并將其寫成一份連貫的報告。

有幾種討論角色。第一個角色是閱讀主導者，每周大概會有一到兩名。這些閱讀主導者負責周四課開始時的簡短展示，為展示做準備，總結論文，回答澄清性問題，并且總結學生們找到的與該周主題相關的其他資源。他們也在討論過程中協助記錄筆記。另一個角色是總結主導者，他們首先會在討論期間協助記錄筆記，但更重要的工作是總結討論中發生的一切，將所有來回的對話整理成一份連貫的報告，該報告將會公開發布并與全班同學分享。每個討論周都會有一名這樣的人。閱讀主導者在課前完成大部分工作，并在課程開始時進行展示，而總結主導者在課后完成大部分工作。所以，每周每種角色會有一個或一兩個。

這里有一些討論主題。前三周不會進行討論，更多是關于課程介紹的心智準備。我們將從討論學習和泛化的特性開始——有哪些不同的方法可以確保我們的模型平穩學習，選擇正確模型的不同方法有哪些，以及評估的不同方法有哪些，我們的模型對新數據的泛化效果如何。在我看來，我們將討論一個相當有爭議的話題：關于構建專用模型架構好還是通用模型架構好。大多數機器學習都是從專業化開始的，你針對自己的問題設計一個非常具體的模型，但如今我們看到了構建通用大模型的趨勢。優缺點和權衡是什么？我們如何平衡兩者？

我們將討論跨模態遷移，傾聽你們所有的想法，關于你們目前感興趣的模態，例如可能不會有那么多數據的醫療或傳感器數據，我們有什么方法可以尋找不同的數據資源并利用它們來幫助解決你感興趣的任務。我們將進行幾次討論，圍繞閱讀關于大語言模型和多模態大模型的最新論文，并討論它們的各個方面——它們如何訓練、如何擴展、如何針對不同的實例進行微調和部署。最后，我們將討論生成模型和人機交互。共有七個討論主題，大致分布在整個學期中。

再次快速說明評分方案。所有的閱讀和討論加起來占成績的40%。其中15%的成績將由個人完成，即閱讀論文、填寫表格、回答問題。15%的成績將取決于周四當天的討論參與，為了確保每個人都在表達自己的想法，你應該說點什么，獨立表達觀點，并在其他人分享想法時進行回復。最后的10%將用于那一周的特殊角色——閱讀引導員在課前做更多的工作，準備最初的陳述報告；概要引導員在課后做更多的工作，總結討論并撰寫一份連貫的報告。所以閱讀和討論總共占40%。

我們也可能會嘗試其他角色，這是我非常喜歡做的事情。幾種討論角色包括：同行評審員，學生需要假裝他們是同行評審員，并真正連貫地評審論文，指出優點、缺點、如何改進，論文中是否存在實驗性或數學上的錯誤；考古學家，學生假裝在過去發現了這篇論文，將論文置于最近發生的事情的背景中，追溯受該論文啟發的近期工作或推翻了該論文的近期工作；學術研究員，假裝自己是在該領域工作的人，已經讀過這篇論文，在此基礎上產生新的想法、提出新的研究愿景和方向；行業從業者，假裝是一家大公司的研發主管，試圖向老板解釋為什么這篇論文將為公司賺很多錢；黑客，必須快速構建系統，閱讀論文并提出一個快速而簡陋的演示來實現那篇論文，從中學習；私家偵探，試圖追蹤為什么論文作者最初會研究這篇論文，他們的背景是什么，他們是如何受到啟發的，如果重來他們可能會做出哪些不同的選擇；社會影響評估，評估論文是對世界產生積極還是消極的社會影響。你們可以嘗試一些有趣的討論角色，我不指望每個周四都會有所有這些角色，但我們會嘗試一下。

總結一下這七個閱讀作業在典型的一周中如何安排：通常在上一周的周三，閱讀作業將會發布，包含兩篇必讀論文和幾篇選讀論文，我們也將給出幾個討論問題并分配角色。周三到周五以及周末獨立閱讀這些論文，并在周一提交個人閱讀作業——只是個人思考，回答那些問題。然后，閱讀主導人將在周一到周三的時間里準備他們的幻燈片，回答澄清性問題，并總結學生們找到的資源。周四在課堂上，閱讀主導人先進行展示，然后分成幾個小組進行討論。概要主導人和閱讀主導人將會做筆記，然后概要主導人將總結筆記并整理出一份連貫的報告，與班級分享。這大約占成績的40%。到目前為止有什么問題嗎？我將向大家發送一個投票，來選擇他們想在哪些周擔任主導，看看你們對哪些主題最感興趣，并且預留出任何可能因為旅行或會議而無法參加的周。

成績的另外60%，你們需要做一個高質量的研究項目。這個項目在精神上類似于獨立研究項目，我們希望以項目團隊的形式進行，理想情況下是分組，但如果由于某種原因你想自己做，我們也對此持開放態度。當然，它可以與你目前作為碩士或博士研究的一部分正在進行的研究有一些共同之處，但不應該是一個完全的復制品。對于看起來相似的項目，我們將試圖找到一種方法，使其不完全相同且被重復計算。最終報告應該像一篇高質量的AI研究論文，你們需要真正走出去，探索新的想法，而不僅僅是實現現有的東西。

有幾個研究想法，我覺得大家可能會感興趣。當然，這些只是主題，你們可以自由提出自己的想法。你們中的很多人都在研究新的模態：如何構建這些目前主要用于語言、視覺、音頻的AI系統，并讓它們適應這些新的模態，無論這是一個數據挑戰、模型架構的挑戰，還是為你的新模態想出合適的評估框架，這些都是潛在的研究機會。有些事情真的很有趣：例如，深度學習還沒有被發現對時間序列、生理傳感器和表格數據非常有效，大多數傳統方法比如梯度提升依然運行得非常好，我們該如何調和這一點？如果有些人對味覺、藝術、音樂、嗅覺以及有形的具身系統感興趣，那也是很好的研究方向。

此外，AI推理中也存在巨大挑戰，我認為這是如今的熱門話題：我們如何讓AI系統真正針對具有挑戰性的問題，在多個步驟中進行魯棒的推理，比如數學推理、邏輯推理。構建需要你在多個步驟中進行交互的智能體系統是一個大方向。交互式智能體也是如此：你們中的許多人都提到了大多屬于預測性質的問題，但你如何將其擴展到下一個水平，即你做出的預測實際上可以幫助控制一個系統？例如，你可能想要理解某人佩戴的傳感器，而不僅是感知信息，而且可能還要采取行動來調節這個人，從而有某種福祉的概念被最大化。這需要你構建既能感知又能采取行動的系統。

關于構建更具身和有形的AI的研究，需要想出一個物理介質來部署這些系統。一個核心研究問題是：如何讓這些AI系統在設備上快速運行，這將會存在物理限制。社交智能AI：如何構建真正能夠通過不同的溝通媒介理解人類社交互動的人工智能系統，如何構建能夠理解社交關系的系統——那些你無法僅僅從10秒的視頻說話畫面中推斷出來的內容，這可能需要與該人互動數月或數年的數據。人機交互：我們如何構建新的媒介？大多數AI系統都只是在你的電腦上，我們還可以把AI放在哪些其他地方或媒介上，從而讓它更具互動性，讓人類與之交互更加直觀？如何構建能夠更好傳達不確定性的系統，從而讓人們能夠更信任這些系統？如何構建能夠向人類尋求澄清的系統，讓人們感到自己擁有主動權，而不是僅僅處于背景中被AI系統所控制？

最后，超越僅僅模仿人類的新任務：如今的大多數AI都圍繞著某些基準，讓人類標注一個能力衡量標準，并使用AI來模仿人類的做法。你如何能提出一些新任務，在這些任務中人類自己甚至都無法完成，從而引導真正的合作？關于倫理和安全的科研項目：我們知道這些系統很棒，但它們也有很多局限性，比如不可控，或者輸出不安全文本，或者生成危險圖像。你如何對所有這些類型的安全問題進行分類，并提出新的數據或訓練目標，以確保它們在現實世界中部署時更加安全？

這是一堆研究問題。周四的課程將是人工智能研究導論，在那里我們將涵蓋所有這些內容，并涵蓋更多關于構思研究想法的技巧。

為了完成一些后勤事務，助教們和我自己都非常致力于幫助你構思出一個成功的研究項目。因此，將需要與我們進行雙周會議，每次會議大約20-30分鐘，在周四下課后或周四下午期間。你將被分配一位主要導師，要么是我，要么是助教之一，你應該為這些會議做好準備，通過更新一個共同的谷歌幻燈片或谷歌文檔來展示你的進展。同樣重要的是，你被什么事情卡住了，也就是我們可以幫助調試的事情，試著思考我們如何改進這個系統。

這是五次雙周會議的大致日程以及用粗體表示的關鍵檢查點：第一周是這周，第二周將會有一個預提案，你必須提交至少一個簡短的谷歌表單，里面有你的名字、任何你想一起工作的團隊成員（或者如果你強烈傾向于單獨工作），以及一個兩句話的描述，關于你想研究的模態和任務。第三周其他小組將展示他們的提案，到那時，你大概被期望已經閱讀了相關文獻，對最新技術進行分類并概述其中的一些挑戰。第四周將是提案的報告版本。兩周后，到第六周，我們期望對你提出的想法進行一些初步的實現。在第四周和第六周之間，我們會給你們關于提案的反饋，以確保你們想出的想法是合理的。

春假回來之后，期中報告評審應該包含結合你們新想法的第一輪結果，我們也會在課堂上再次展示這些，以從導師和同行那里獲得更多反饋。到第11周，你們應該有更新的結果，應該已經修復了方法展示中行不通的部分。到第13周，你們應該更深入地研究你們的方法，以真正了解其成功和局限性，也許可視化該方法是如何工作的，進行用戶研究，看看它是否真的有助于達到預期的目標。第14周在課堂上進行最終展示，第16周是最后一堂課的那周，將是提交最終報告的截止日期。大概的結構錯開安排，以確保每個團隊都能夠在學期結束前完成一個最終的研究項目。

關于最終報告評分的快速后勤安排：課程項目占60%，其中提案占10%，期中占25%，最終報告占25%，雙周更新占10%，以檢查你是否在取得合理的進展。

每個人都應該來上課。如果你決定正式注冊學分，我們也可以容納一定數量的旁聽生，取決于有多少人注冊。我們必須確保討論小組確實能以小組形式進行。所以如果你注冊了，請在周二和周四來上課。如果你有長期的旅行計劃，請提前告知我們，以便我們做出相應安排。會有幾張萬能卡，學生可以用它們將截止日期延長24小時。閱讀作業共有七次，其中兩次可以遲交一天。至于項目報告的萬能卡，每組兩張，可以用來延長期中或期末報告截止日期一天或兩天。

課程網站包含所有信息，它也是對公眾開放的。所有的課程幻燈片、視頻和討論筆記都會發布在網上。我們也會開放Canvas平臺用于閱讀作業和項目報告的提交。

這周沒有作業，也沒有閱讀。如果你開始最好開始思考你想做什么項目，如果你決定修這門課拿學分，或者有興趣做課程項目，還有可能尋找隊伍和隊友，那些和你有共同興趣的人。我們將發布一個谷歌表單用于收集項目偏好，截止時間是下周二。這周四我們還會在這里見面，下午1點到2點，這仍然是一堂關于如何做人工智能研究的課，我們將涵蓋如何閱讀論文、如何產生想法、如何快速執行研究想法，以及如何撰寫和總結你的研究結果。