Elements of AI 是由 芬兰赫尔辛基大学（University of Helsinki） 与科技公司 Reaktor 联合开发的 免费人工智能入门课程，旨在帮助零基础学习者掌握 AI 基础概念与伦理思考，无需编程或数学背景。
| 模块 |
核心内容 |
学习目标 |
| 什么是 AI？ |
AI 的定义、历史发展、强 AI vs 弱 AI |
区分 AI、机器学习和深度学习的差异 |
| AI 问题解决 |
搜索算法（广度优先、A*）、逻辑推理（命题逻辑） |
使用决策树解决实际问题（如路线规划） |
| 机器学习基础 |
监督学习（分类 / 回归）、无监督学习（聚类）、损失函数与过拟合 |
理解训练集 / 测试集划分与交叉验证 |
| 神经网络入门 |
感知机、激活函数、反向传播原理 |
手写数字识别的简单实现 |
| 伦理与社会影响 |
算法偏见、数据隐私、AI 对就业的影响 |
分析 AI 技术应用的道德困境 |
- 交互式练习：每章包含选择题、填空题与案例分析（如预测房价的回归模型）。
- 实战项目：构建简单的推荐系统或垃圾邮件分类器（无需编程）。
- 讨论区：与全球学员交流 AI 伦理问题（如自动驾驶的责任归属）。
| 人群 |
适用场景 |
| 非技术背景者 |
产品经理、市场人员了解 AI 技术边界，避免被术语误导。 |
| 学生 / 教育者 |
作为通识课程补充，培养批判性思维（如 AI 在医疗中的公平性）。 |
| 政策制定者 |
理解 AI 政策制定的技术背景（如数据治理法规）。 |
-
入门阶段（1-3 周）：
- 完成前 3 章，掌握 AI 基础术语与机器学习分类。
- 参与 “AI 伦理” 讨论，提交至少 2 个案例分析。
-
深化阶段（2-4 周）：
- 学习神经网络基础，尝试课程提供的在线模拟工具（如调整超参数观察准确率变化）。
- 完成期末项目（如设计一个公平的招聘算法）。
-
拓展阶段：
- 结合《Generative AI for Beginners》学习生成式 AI（如 GPT 原理）。
- 通过 Kaggle 入门竞赛（如 Titanic 生存预测）实践机器学习流程。
-
免费资源
- 课程平台：官网提供所有章节内容、习题及参考答案（需注册账号）。
- 中文支持：腾讯课堂提供本地化版本（中文入口）。
-
认证证书
- 完成所有章节练习（正确率≥50%）可申请 赫尔辛基大学官方证书（需支付少量费用）。
| 维度 |
Elements of AI |
Google AI Essentials |
Coursera: AI For Everyone |
| 技术深度 |
浅显易懂，侧重概念理解 |
结合 Google 工具实践（如 AutoML） |
偏重 AI 战略与商业应用 |
| 数学要求 |
无 |
基础代数 |
无 |
| 证书价值 |
赫尔辛基大学认证 |
Google 认证 |
安德鲁・Ng 签名证书 |
| 语言支持 |
30 + 语言（含中文） |
英语为主 |
英语（部分课程有字幕） |
-
常见问题
- Q: 是否需要编程基础？
A: 完全不需要，课程仅需逻辑思维与阅读理解能力。
- Q: 课程是否有截止时间？
A: 自定进度，通常 6-8 周可完成。
