MIT本科AI专业揭秘：拆解AI运作的五大核心维度

一辆自动驾驶汽车在路口减速。前方有人过马路，右侧车辆突然变道。在短短零点几秒内，车辆必须做出判断：行人是否继续移动、变道车是否会碰撞、是刹车还是绕行。随后它执行了决定。

我们看到的是“这车真聪明”。但在工程师看来，那零点几秒是同时解开五个截然不同的难题。

而MIT恰好将这五个难题写成了一个本科专业的五个方向。

一个名为“人工智能与决策”的新专业

2022年，MIT为人工智能开设了一个独立的本科专业，编号6-4，全称是“人工智能与决策”。除了“人工智能”，名字中还多了一个“决策”。

学校的定义是：培养学生构建能够感知世界、交流互动、采取行动，并具备学习能力、决策能力和适应能力的系统。

这一专业被细分为五个方向，官方称为五个“中心”。每个方向，学生都必须选修一门课程。

将这五个方向转化为通俗语言，就是开头那辆车在路口必须解决的五个问题。

AI的五大核心维度，一辆车全占了

第一个，如何从经验中学习。这辆车如何识别出一个人而不是一根电线杆？因为它看过数百万张照片，并从中一点一滴学习。这是“数据”线，对应的课程是机器学习。

第二个，大脑中的地图是什么样子的。车需要知道道路如何转弯、行人走得有多快、刹车距离是多少。它的大脑里装着对世界的理解。这是“模型”线。

第三个，了解情况后，是踩刹车还是打方向盘。看清局势并不意味着知道采取什么行动。况且每个行动都有后果，选错就会出事。这是“决策”线，背后是控制论和运筹学。

第四个，这一切必须在零点几秒内完成。即使想得再清楚，如果计算需要两分钟，车早就撞上了。计算能力强、速度快本身就是一道障碍。这是“计算”线。

第五个，车里坐着人，路上也站着人。它的每一个选择都关系到人的安全，甚至需要面对“只能撞一个，该撞谁”这种没有标准答案的难题。这是“人”线，涉及伦理、认知和社会。

数据、模型、决策、计算、人。MIT就是按照这五条线来拆解人工智能专业的。

缺一块，“聪明”就立不住了

这五块中，少任何一块，智能都立不住。

只知道从数据中学习而没有世界的模型，只是死记硬背，换个没见过的路口立刻就懵了。有判断力但计算太慢，车明白的时候已经撞上了。五样都齐了，唯独没有人，那是一个又快又准但随时可能出错的系统。

我们平时夸一个AI“聪明”，其实是在说它做到了这五件事。智能从来不是一种单一的能力，而是五个难题同时被解决。

MIT为何这样拆分

参与设计这个专业的Leslie Kaelbling教授谈到了两层意思。

一层是向外看。传统的计算机专业关注机器内部，程序写得有多快，算法设计得有多巧妙。这个新专业将目光转向外部：这套系统在真实世界中实际要做什么，要做出哪些选择，如何与周围的人相处。

另一层是先宽后专。五个方向，每个只让学生先选一门，是特意设计的。他们担心学生过早一头扎进机器学习，最后只会调整模型，不懂决策、不管计算速度、也想不到人。所以先让你尝试五种看问题的方式。

清华与MIT

换一所学校，分类方法就不同了。清华也单独设立了人工智能方向，即2019年姚期智创办的“智班”。

两边的理念正好相反。清华强调“广基础、重交叉”：先打好数学和计算机的底子，再让AI与其他学科交叉。MIT强调“先宽后专、向外看”：先让你尝试五种看问题的方式，重点在于系统在真实世界中的运作。落实到课程表上，清华按技术主题排课，MIT按思维维度排课。一个先铺开“AI能做什么”，一个先问“智能由哪几块组成”。

两种都是世界顶尖的安排，没有高下之分，只是切入点不同。但它们有一个共识：在最顶尖的领域，“人工智能”早已不再仅仅是“机器学习”或“调整大模型”那么狭窄了。

那么孩子学AI呢？

照搬MIT那五个维度，高中生当然吃不消。但方向是相通的。NOAI考纲中，除了机器学习，还有AI概论、神经网络、数据处理；到了复赛，计算机视觉、自然语言处理、大模型也会涉及。颗粒度浅得多，但那个“AI不只是调整模型”的底子，与顶尖大学是同一个方向。

👇这些学生在MIT学习这门课程