今年夏天，麻省理工学院施瓦茨曼计算学院迎来了来自大波士顿地区、南卡罗来纳州、西弗吉尼亚州和德克萨斯州各高校的教师们，参加首届AI教育者试点项目。这是一个为期一周的工作坊，旨在拓展跨学科和跨学习环境的人工智能教学方式。
该工作坊受到麻省理工学院C01/C51课程（机器学习建模）的启发，这门课程是通过"计算与AI教育共同基础"计划开发的，专注于帮助学生理解并将基础AI和机器学习概念应用于本学科的问题解决。工作坊为教育者们提供了探索如何将该课程材料和教学方法调整应用于自己课堂的机会。
麻省理工学院施瓦茨曼计算学院院长、松下电气工程与计算机科学教授丹·胡滕洛赫说："更广泛的目标是通过投资培训教师，将AI教育扩展到更多学生。"
施瓦茨曼计算学院学术副院长、电气工程与计算机科学系主任阿苏·奥兹达格拉表示："我们希望赋能学生，让他们成为对AI进行批判性思考的人，而不仅仅是技术的使用者。"
跨学科协作打造AI教育扩展模式
该项目的实现需要整个学院范围内的广泛协作，包括来自领导层、工作人员的支持，以及超过六位来自金融、计算机科学到可持续发展等不同领域讲师的贡献。他们共同打造了一个工作坊，将核心技术概念与可适用于各种课堂环境的示例和教学材料相结合。
土木工程埃德蒙·K·特纳教授、AI教育者试点项目学术负责人索拉布·阿明说："我从未见过如此规模的努力——这么多敬业的讲师汇集了如此丰富的材料，全部是为了武装那些服务学生的教育者们。"阿明同时也是运营研究中心的联合主任，该中心隶属于麻省理工学院施瓦茨曼计算学院和斯隆管理学院。
在杰克和罗宾·雷诺兹的支持下，该试点项目于7月汇聚了来自艾伦大学、巴布森学院、布兰迪斯大学、马歇尔大学、马萨诸塞大学洛威尔分校、北德克萨斯大学和温特沃斯理工学院的19名参与者。参与者与麻省理工学院的教师和讲师一起，通过演示、视频和练习等多种方式探索机器学习建模课程背后的教学方法，并在实践活动中合作，将课程的材料和方法转化为适用于自己课堂的内容。
马萨诸塞大学洛威尔分校计算机科学助理教授周文瑾说："这个机会非常及时，因为我们系正在启动一个AI和数据科学项目。我们一直在思考：如何在AI领域教育下一代计算机科学家？如何将AI融入教学？我想更多地了解其他人是如何做的，特别是想回答这个问题：如果AI现在可以为任何人创建工具，那么计算机科学家该做什么？"
超越黑箱式理解
阿明指出，在AI方面，优质材料并不缺乏。通常缺少的是背景信息：让讲师和学生有机会将AI概念与具体学科、问题和思维方式联系起来的机会。这些联系通常是通过对话和推理建立的，而不是将AI作为一套固定的观念呈现给学生。但讲师能力仍然是最稀缺的资源之一。
阿明解释说："稀缺的是那些准备好将AI教学不仅仅当作一套固定概念和工具来讲授的教育者，他们需要将AI植根于自己的学科领域，帮助学生带着判断力去使用AI，并揭开AI的神秘面纱，这样学生就不仅仅是应用模型，而是学会质疑、调整并用模型进行构建。"
电气工程与计算机科学系讲师、工作坊讲师之一沈申补充道："我们如何确保机器学习不仅仅是一个黑箱，也不是什么神奇的新技术？你可以把它看作一种工具，或者一种新的思维框架，帮助你解决特定领域内的问题。"
从试点工作坊到教育者网络
参与者在一周结束时，反思了他们计划为自己的学科和课程调整哪些工作坊材料和教学方法。他们的反馈将有助于塑造该试点项目未来的迭代版本，并支持建立一个更广泛的教育者网络，致力于在不同学习环境中扩展AI教育。
温特沃斯理工学院计算机科学助理教授、工作坊参与者庞玮杰最期待的是持续的社群建设活动。她说："这是一个与来自不同专业和领域的其他教师交流的宝贵机会。我可以看到其他大学在做什么，以及我们可以从彼此身上学到什么。"
布兰迪斯大学计算机科学助理教授迪伦·卡什曼表示："了解到不同大学、不同学科的每个人都在为同样的问题而努力——即随着技术的变化，我们如何才能更好地服务学生，这一点很有帮助。希望我们能够通过更前瞻性地预判AI的使用方式，帮助他们取得成功。"
Q&A
Q1：AI教育者试点项目是什么？
A：这是麻省理工学院施瓦茨曼计算学院举办的一个为期一周的工作坊，旨在帮助来自不同高校的教师学习如何将AI和机器学习概念融入各自学科的教学中，扩展AI教育的覆盖范围。
Q2：这个工作坊的灵感来源是什么课程？
A：工作坊受到麻省理工学院C01/C51课程（机器学习建模）的启发，该课程专注于帮助学生理解并应用基础AI和机器学习概念来解决本学科的问题。
Q3：参加工作坊的教育者来自哪些学校？
A：参与者来自艾伦大学、巴布森学院、布兰迪斯大学、马歇尔大学、马萨诸塞大学洛威尔分校、北德克萨斯大学和温特沃斯理工学院等多所高校。
