電子信息專業23級碩士生王昆侖沒想到，作為一個理科生，走出實驗室，自己在AI垂域應用課程（AI-Thematic Courses，下文簡稱AI-T）《AI考古》的課堂上完成了人生第一個AI項目。
本學期，恒行2上新61門AI大課，其中AI-T類課程共有17門，涉及網絡輿論、知識產權、科技考古、航空器設計、金融風險管控、醫學影像、生物組學、分析化學等多個垂域。
旁聽比選課學生多
“我目前的研究專註於AI硬件技術”，王昆侖的專業很難和考古關聯起來，之所以跨專業選修《AI考古》這門課，一方面想了解AI在實際領域的應用，另一方面想借此進一步提升人文素養。
深耕考古現場多年，文物與博物館學系副教授文少卿發現，“在很多實際應用場景中，AI已不可或缺”。所以《AI考古》這門課與傳統考古學課程不同的是，一起上課的還有兩位計算機學院的教授錢振興、金城，分別講授卷積神經網絡以及圖像處理、重建修復等內容。
課程對文理科學生開放，沒有專業背景限製。開課第一天，文少卿發現“旁聽學生，比選課人數還多”，選修的學生來自考古、生物醫藥、中文、類腦等各專業。在金城看來，這樣的設置可以幫助學生打通考古與AI學科的不同話語體系，讓人工智能應用於具體業務。金城有過不少AI與人文社科學科交叉的研究經歷，目前在用卷積網絡開展自然風景照片的國畫風格遷移研究。
《AI考古》主要涵蓋AI在考古學上應用的簡介、考古學中的AI應用場景、文物修復和考古數據庫搭建等。“我們會著重讓同學們參與出土文物的數據庫搭建與分析，鼓勵大家上手做一個AI項目。”
對純文科生來說，想要從零開始，完成一個AI項目不是易事。文博系24級碩士生張馨予主要研究方向是青銅器，結課作業上，更傾向於選擇論文的她，在3位老師的鼓勵下，嘗試做AI項目。“我試著利用AI深度學習的方法，辨識青銅器的器類、年代、文化歸屬等信息，向助教求教爬蟲和大模型搭建方面的教程。雖然不太成熟，但我想試試看。”
第五周，當同學們開始AI項目實訓後，文少卿與錢振興兩位老師一同在課堂上解答同學們的疑問。此外，這門課還配備4個助教，其中3位來自計算機專業，他們都有豐富的考古與AI交叉研究的實踐經歷。“大家的選題非常有趣，既有利用AI算法研究甲骨文識別的，也有鑒別玉石和黴菌的。”
1/4學時是實訓課
用業界問題做訓練
“如何通過技術手段，提升證券行業的監管效率和合規能力？我給大家講一些行業的真實案例。”在《智能風險管理實務》課堂上，四川妥妥遞科技有限公司創始人、CEO公司創始人姚耀正講授基於技術創新的證券業監管合規。
在金融領域，AI的觸角延伸，已產生很多實際落地的應用，但學界與產業界卻有些脫節。為此，主講教師、經濟學院教授劉慶富，將這門課程的1/4學時用來上實訓課，讓學生真正參與市場模擬和風險管理實務項目。
一學期8次實踐教學，涵蓋4次上機、4次大任務以及每堂課的課後練習，借助CFFF智算平臺，幫助學生快速處理多模態的非結構化大數據。
編寫並測試反欺詐和反洗錢模型，學習如何從金融新聞、分析報告和市場評論中提取有價值的信息，預測市場情緒的變化，分析2015年A股股災的主要原因，使用AI技術回測風險……通過案例分析、模擬實踐和AI場景實例，課程將產業一線最新應用轉化為課程教材，強化學生的實戰技能和問題解決能力，培養既懂經濟金融理論、又會數理統計，還能玩轉大模型的復合型人才。
“在課上我不僅學會了爬蟲、區塊鏈技術，也搞清了之前在其他課堂上學到的CAPM資產定價模型這些概念。真實的行業案例讓我對智能風控在金融領域的實際應用有了更直觀的認識，也讓我意識到技術與金融結合的無限可能性”，大數據學院24級碩士生梅鐵樺說。
“我現在在攻關金融大數據分析和金融風險預測管理。我很好奇，現有理論能不能應用到產業和實踐中去，也好奇產業界是如何看待這些經典理論。”雖然科研壓力不小，但經濟學院22級博士生生苗得雨還是來旁聽，並全程參與實訓與作業練習。
一學期下來，他最大的收獲是有了場景化思維。“課上這些真實的案例，讓我看到AI在行業的應用已超出我的想象。技術細節最後定位在實務場景中，學會對場景框架做出解釋，建立立體思維更為重要。”
2010年，劉慶富便開設《金融時間序列分析與軟件應用》等一系列金融大數據交叉課程，積累不少教學經驗，也意識到學科交叉的重要性。
因此，他與人工智能創新與產業研究院副院長程遠、大數據學院研究院陳釗以及銀行、證券等行業一線從業人員等8位教師組成講師團，整合金融學、統計學、計算機科學和工程學等多領域知識，打造多學科教學團隊。
此外，他將自主研發搭建的異常交易智能風控、量化交易建模、財務造假分析、虛假信息識別等的算法系統，作為課堂實訓工具，“這些都是上交所、證券行業正在使用的系統。這種實踐導向的教學模式，不僅增強了學生的技術應用能力，還將提升他們解決復雜金融問題的能力。”
AI研發落地全流程
探索醫學影像課新路徑
在華山醫院的CT和MRI操作間，一群來自不同專業的學生正在觀摩放射科醫生如何運用AI技術開展輔助診斷。體驗AI在醫學影像診斷中的實際特點，同學親身上手操作，了解不同AI輔助診斷影像APP在不同臨床場景中的適用性和局限性。
作為全新開設的T類課程“AI在醫學影像的多場景應用”的設計內容之一，學生們通過參與臨床實踐，直觀感受AI技術在醫學影像診斷中的操作流程和應用價值。
這門由華山醫院放射科主任醫師李郁欣聯合10多位不同專業方向專家學者共同開設的課程，對AI研發到產業落地的全流程進行介紹，包括AI影像機器學習算法、基礎大模型、前沿技術，以及放射、超聲、PET等多場景的AI應用。課程形式涵蓋課堂學習、臨床實踐及企業參觀活動，圍繞“產學研”三個維度，幫助學生了解醫學影像的前沿動態和產業化路徑。
“我現在對這一技術的應用前景更有信心。”選修這一課程的華山醫院血管外科24級博士生葛開心表示，自己平日接觸AI輔助診斷技術的機會不多，課程對相關數據算法的詳細講解，讓他對AI在醫學影像應用中的底層邏輯有了深入認識。
在此之前，同學們一起前往上海聯影智能醫療科技有限公司，近距離了解多元手術治療平臺如何開展下肢皮瓣移植術等技術，感受AI技術在醫學影像診療中的創新應用。不少同學表示，這門課程讓自己對AI在醫學影像中的應用有了更全面、更直觀的了解。
“這門課圍繞醫學影像中的‘AI技術’、‘AI應用’和‘AI轉化’三個模塊，層層遞進，讓學生了解到該領域的行業動態和應用情況，培養學生理論與實際相結合的能力。”
AI技術日新月異，課程設計如何與新技術保持同步，在李郁欣看來是教學一大難點。為此，教學團隊一方面選取最新的教學書目作為參考，另一方面更強調老師們對未來趨勢的洞察。
李郁欣介紹，該課與以往傳統的醫學影像課程相比，不局限於臨床醫生的專業培訓，而是為相關專業的學生提供一個綜合學習平臺，全面培養學生技術素養和創新思維。
同學們來自臨床醫學的各個專業及生物醫學工程等交叉專業，課程采用開放式分組匯報作為考核方式。同學們既可以自由選擇自己感興趣的AI領域撰寫調查報告，也可針對某一疾病或專業領域，設計一個使用AI技術的課題項目。“希望這種形式能引發同學們更深入的思考，提高大家利用AI解決實際問題的能力”，李郁欣說。
