复旦大学打造AI大课：121门课程如何让AI与学科深度融合？

你能想象历史系学生用 AI 分析古籍，或者英语系学生用 AI 设计机械控制程序吗？这样的场景正在复旦大学变为现实。2024 年 5 月，复旦大学启动 “AI 大课” 建设，一年时间立项 116 门课程、实际开课 121 门，覆盖全校所有一级学科，吸引 7500 余名学生修读。这场教育变革究竟带来了什么？咱们一起走进课堂看看。

一、AI 课程如何覆盖所有学科？

传统高校课程往往局限于单一学科，而复旦大学的 “AI 大课” 却像一把钥匙，打开了跨学科融合的大门。学校构建了AI-BEST 课程体系，分为四个层次：

• AI 通识基础课程：面向全校学生，比如 “Python 编程基础”“AI 伦理与社会”，让文科生也能掌握 AI 工具的使用。
• AI 专业核心课程：聚焦 AI 底层技术，如 “机器学习原理”“深度学习框架”，培养 AI 领域专业人才。
• AI 学科进阶课程：将 AI 与各学科结合，例如 “AI 考古” 课上，学生用 AI 分析文物图像；“人工智能生物学” 中，用 AI 处理基因数据。
• AI 垂域应用课程：针对具体场景，如 “自动驾驶人工智能实践”，学生在模拟驾驶舱里测试算法。

这种分层设计让不同专业的学生都能找到适合自己的路径。比如英语系学生林芳怡，除了本专业课程，还修了 “自然语言处理”“机械控制” 等 AI 课程，甚至计划参加集创赛等跨学科竞赛。

二、师生共创的课堂有什么不同？

在复旦大学的 “AI 大课” 上，课堂不再是教师的 “独角戏”，而是师生共同探索的实验室。以 “人工智能前沿探索实践” 课为例，4 位教师和 8 名助教组成团队，设置 10 个实践项目，学生可以选择开发 AI 绘画工具、设计智能机器人等方向，完全自主选题。

教师们也在不断调整教学方式。生命科学学院曹志伟教授在 “人工智能生物学” 课上，不再照本宣科，而是带着学生用 AI 模型分析蛋白质结构。他说：“我们要让学生学会用 AI 解决实际问题，而不是把 AI 当成黑箱。”

更有意思的是教材的变化。由于没有现成的跨学科教材，教师们自己编写讲义，将最新的研究成果融入课堂。比如医学超声技术课上，教师用 AI 检索前沿文献，把 “超声图像识别” 等热点内容直接带进课堂。这种 “热气腾腾” 的教学内容，让学生始终站在学科前沿。

三、如何评价学生的学习效果？

传统考试可能无法完全衡量 AI 课程的学习成果，复旦大学为此设计了多元化的评价体系：

• 项目制考核：学生需要完成一个完整的 AI 项目。比如 “AI 考古” 课上，学生从数据采集、模型训练到成果展示全程参与，最终提交的 AI 分析报告就是考核依据。
• 跨学科能力评估：通过 “2+X+Y” 培养计划，学生除了本专业（2），还可以选择多个发展路径（X），并专攻融合创新能力（Y）。例如微电子学院学生黄欣宁，同时修读 “集成电路 + AI” 双学位，在冬令营中与南洋理工大学教授合作，提升跨学科实践能力。
• 双学位认证：学校推出 “X+AI” 双学士学位项目，2024 年首批 173 名学生入学，涵盖文社理工医多个领域。未来还将探索 “学术型博士 + 专业型 AI 硕士” 项目，推动深度融合。

这种评价体系不仅关注知识掌握，更注重创新能力。正如复旦大学党委书记裘新所说：“我们要赋予学生自主建构知识结构的权利和能力。”

个人观点：AI 教育的 “复旦模式” 能复制吗？

复旦大学的实践证明，AI 与学科融合不是简单的技术叠加，而是需要系统性的课程设计、灵活的教学方法和开放的评价体系。这种 “复旦模式” 至少有三点值得借鉴：

1. 顶层设计先行：从学校层面推动课程改革，避免各院系各自为战。比如 AI-BEST 体系的四个层次，既保证了专业性，又兼顾了包容性。
2. 教师角色转型：教师从知识传授者变为学习引导者。在 “AI 大课” 中，教师更多是提供方向和资源，让学生在实践中探索。
3. 打破学科壁垒：通过双学位、跨学科项目等方式，鼓励学生跨界学习。这不仅提升个人竞争力，也为解决复杂问题提供了新思路。

当然，AI 教育也面临挑战。比如算力资源不足、数据隐私保护等问题，需要学校、企业和政府共同解决。但无论如何，复旦大学的尝试已经为高校教育变革提供了宝贵经验 —— 当 AI 真正走进课堂，教育的边界正在被重新定义。未来的人才，不再是单一领域的专家，而是能驾驭 AI 工具、解决实际问题的 “跨界创新者”。