數學大佬陶哲軒力薦，哈佛反向學習法火了：教會 AI 就是教會自己。
他最新分享了哈佛應用數學和應用物理學教授Michael P. Brenner的一個教學方法——
利用提示工程，讓學生嘗試教 AI 完成平時數學作業（不納入正式考核），期末再讓這些 AI 參加考試。
好嘛，相當于學生再把 AI 當學生，俄羅斯套娃有。
Michael P. Brenner 教授認爲，這一方法能夠教會學生拆解問題，并深度掌握提示詞工程技術。
學生在教 AI 時需要自己理解問題，他們将問題分解爲小步驟的過程本身就是一項極好的鍛煉。
而且，學會提問在 AI 應用中也非常具有挑戰性，這一教學方法可以幫助學生掌握提示詞工程技術。
教 AI 解數學題，期末還要考試
提出這項創新教學方法的Michael P. Brenner，是一名美國應用數學家和物理學家。
他曾獲得賓夕法尼亞大學物理和數學學位，并在芝加哥大學獲得物理學博士學位。
從 2001 年至今，他在哈佛大學擔任教授，此前還在麻省理工擔任應用數學助理和副教授。
他的研究方向是，使用應用數學方法來解決科學和工程中的廣泛問題，特别是與流體力學和材料科學相關的問題。
接觸 AI 後，他對利用機器學習來促進科學發現尤爲感興趣。
在哈佛，他面向研一開設了一門叫做"Applied Math 201"的課程，主要教授解決硬科學問題（通常指自然科學和工程學）的數學方法。
由于他對構建可以解決複雜問題的模型和聊天機器人的想法非常感興趣，于是想出了一個新招：
在平時作業的最後，新增一個 AI 闆塊，鼓勵學生使用哈佛的生成式 AI 工具箱中的聊天機器人來解決問題，并通過構建提示（prompts）來教授這些機器人。
當然，Brenner 教授貼心表示，這部分成績不計入正式考核。
不過學生在平時作業中需積累提示詞經驗，并提交那些效果比較好的提示詞。
到了期末，學生們需要共同完成一項最終研究，并檢驗 AI 的學習成果——能否完成期末考試。
據 Brenner 教授介紹，有 15 位同學參與了研究，他們被分成三組：
第 1 組負責提示工程，收集整理大家整個學期提交的提示詞，并評估哪些提示更擅長或不擅長解決哪類問題；
第 2 組負責負責數據集生成，構建一系列包含問題和解決方案的數據，且需要實現自動生成；
第 3 組負責基礎設施建設，将提示和數據集放在一起，嘗試評估和訓練聊天機器人解決期末試題。
過程中，他們針對不同類型的問題繪制了圖（不同提示下解決方案能得多少分），并創建了一套評分标準，滿分 25 分。
最終，學生們構建了一個開箱即用的數學模型，并取得了不錯成績。（最高 20 分）
課程結束後，學生們也熱情地送上了感謝：
在這種教學中轉變了思維方式。
烹饪也能碰撞應用科學原理
事實上，Michael P. Brenner 教授也不是第一次整新活了！
他的另一門課《Science and Cooking: From Haute Cuisine to the Science of Soft Matter.》更是将烹饪與應用科學來了個碰撞。
課程介紹是醬嬸兒的：
頂級廚師和哈佛大學研究人員探索日常烹饪和高級美食如何闡明化學、物理和工程學的基本原理。
了解食物分子以及化學反應如何影響食物的質地和風味。
簡單說，就是在學習烹饪的過程中了解科學原理，諸如分子如何影響風味、熱量在烹饪中的作用……
而且特别強調，做出來的東西要能吃（doge）。
這一番操作下來，也打破了學生們的固有認知，以至于有人感慨：
笑死，一直以爲烹饪是門運氣活。
所以，你還知道哪些學校有比較好玩的課程嗎？快來評論區讓我們眼饞一波 ~
參考鏈接：
[ 1 ] https://mathstodon.xyz/@tao/113058843359470529
[ 2 ] https://www.youtube.com/watch?v=p3v8eFwDWnk
[ 3 ] https://www.youtube.com/watch?v=om7VpIK90vE
