大家好，我是道尔顿学院领航计划的Z同学。来北京大学上课是我从小的梦想，到北京大学体验一流的学术研究是我强烈的心愿，在北京大学的课堂上学习最前沿的计算机领域专业知识是我最开心的事。就在这个学期，我实现了我的夙愿！感谢北大附中道尔顿学院，感谢领航计划，让我有了这样宝贵的学术经历，让我更有动力扬帆起航。

北京大学的吴思教授是麦戈文脑科学研究所研究员、Frontiers in Computational Neuroscience杂志的共同主编、中国神经科学学会《计算神经科学与神经工程》专业委员会主任，国内外计算神经科学、类脑计算的权威专家，他的课深受北大学生的喜爱，即使本校同学都很难选的上。在道尔顿学院领航计划的支持下，这学期我有幸学习了吴思教授的“人工智能类脑基础”课程。这门课程是专为北大元培学院开设的人工智能基础课程，小班教学制，名额有限。

对于一个酷爱计算机知识、从小学五年级开始做计算机编程的我来说，能选上这门课，我实在是兴奋不已。这门课程不仅涵盖了脑科学知识和计算机神经科学的知识，还深入探讨了人工智能的前沿实践，是一门涵盖扎实的理论科学基础，又包含了实践操作技能的富有价值的课程，让我受益匪浅。

从Python编程开始，老师详细讲解了Python在人工智能领域的重要性，通过编程练习让我们亲自动手实践，感悟编程的基本知识。课程还引入了人工智能的基础理论和历史发展。吴教授通过生动的课堂讲解和有趣的案例分析，向我们介绍了机器学习、数据挖掘、自然语言处理和计算机视觉等重要的人工智能子领域。这些内容让我对人工智能的广泛应用和未来的发展方向有了更清晰的认知。

我特别喜欢课程的实践部分，在吴教授的引领下，我先后学习了常用的机器学习算法，如线性回归、决策树、支持向量机和神经网络等。他通过理论讲解和实践示范，教会了我如何使用Python和流行的机器学习库来实现这些算法。此外，我还学会了数据预处理、特征工程和模型评估等关键步骤，以提高机器学习模型的性能和准确度。

对我来说，最有挑战性的是课程的后半段内容：深度学习和神经网络。我和北大的学长学姐们一起深入研究了卷积神经网络（CNN）、循环神经网络（RNN）和生成对抗网络（GAN）等高级模型。我们掌握了这些模型的结构和工作原理，并学会使用流行的深度学习框架，如TensorFlow和PyTorch来构建和训练自己的神经网络模型。学会了这些内容让我特别兴奋。我强烈地感受到，深度学习在图像识别、自然语言处理和语音识别等领域的巨大潜力和发展前景，激发了我躬耕于此的强劲愿力。

特别感谢吴思教授，他的讲课深入浅出，引人入胜，让我对计算神经科学、类脑计算产生了莫大的兴趣，并使我能够在一学期的时间里就学会了如何制作自己的计算机神经网络。最让我颇有感触的是，吴教授不仅仅是一位一流科技专家，更是一位思想上的智者，他的这门人工智能课程给予了我很多的哲学启发。

吴思教授将人生比喻为神经网络的训练和优化过程。他解释道，既然神经网络是仿造我们大脑开发的，那我们就可以将自己的大脑看成一个神经网络。其中，外界环境不断为我们提供训练数据，我们的大脑则接受并优化这些信息。这就好比，每个人设定的人生目标决定了每个人脑网络的上限，从而影响自己的理想和个人奋斗。吴思老师进一步指出，大数据就像是丰富的履历，它为我们的脑网络提供了样本。就像读万卷书、行万里路，丰富多彩的人生经历为训练有素的脑网络提供了宝贵的样本。他还提到了训练技巧的重要性，并将其类比为学一门技能的过程，就像我们在人工智能领域中训练神经网络一样，我们需要选择合适的算法和策略，并不断优化和调整，以提高我们的技能水平。吴教授的智慧让我对人工智能的应用和人类生活之间的关系产生了更深刻的思考。通过这门课程，我发现我不只是学习了技术，更重要的是拓展了自己的人生视野。正如吴老师所言：“学会用计算机科学解读人生”。

回顾这个学期我在北京大学的人工智能之旅，真的是一次充满挑战和收获的经历。通过这门课程，我不仅学习了关于人工智能的基础知识和实践技能，还深入了解了人工智能在不同领域的广泛应用和发展潜力。这次经历极大激发了我对人工智能领域的热情，激励着我在未来继续深入学习和探索研究这个方向。

在此，我深深地感谢北大附中道尔顿学院，为了我们的未来学术发展和个人成长，提供了这样珍贵的学习资源，我将奋力前行、追求卓越，不忘学校之恩，努力为母校争光。

文章转载自：【北京大学附属中学道尔顿学院】