两本书助你构建智能计算系统知识树

作为人工智能的核心物质载体，智能计算系统无论对于人工智能的前沿研究还是产业发展都至关重要。业界迫切需要数以万计的智能计算系统人才。为此，我们于2019年在中国科学院大学开设了国内第一门智能计算系统课程，并于2020年出版了《智能计算系统》教材，该教材也是国际上第一本系统介绍当代智能计算系统软硬件技术栈原理的教材。

目前，“智能计算系统”课程和《智能计算系统》教材已经推广至国内70余所高校。这些学校的实际教学经验表明，学生仅通过理论学习，无法对智能计算系统知识融会贯通。“纸上得来终觉浅，绝知此事要躬行。”例如，仅仅把原理背得滚瓜烂熟，学生还是很难真正理解编程框架如何将智能任务分解成算子映射到硬件上。想要搞清楚这个过程，必须实际动手去修改编程框架。因此，学生要花50～60 小时的课余时间动手做实验，才能进入智能计算系统全栈工程师的行列。

从这个角度看，整个智能计算系统的教学需要花三分之二的时间用于实验。但是，目前国内外都没有比较全面、系统的智能计算系统实验教程能清楚地告诉老师和学生，到底应该做哪些实验，每个实验具体有哪些环节，需要花费多少时间，在什么平台上做，怎么评分。这使得实验既不好教，也不好学。老师没有好的依据来指导实验教学，学生碰到实验中的“疑难杂症”也没有地方查阅。很多学校的老师和学生都向我们反映了这些困难，迫切希望我们为《智能计算系统》再编写一本配套的实验教程。

因此，我们花了一年多时间又编写了这本《智能计算系统实验教程》。这本书结合智能计算系统的软硬件技术栈设计了基于通用CPU平台和深度学习处理器平台的分阶段实验和综合实验。其中，分阶段实验以风格迁移作为驱动范例，包括算法实验（第2～3章）、编程框架实验（第 4 章）、智能编程语言实验（第 5 章）、深度学习处理器运算器设计实验（第6 章）。通过完成分阶段实验，学生可以开发出一个可完成图像风格迁移任务的智能计算系统。综合实验（第 7 章）包括目标检测、文本检测、自然语言处理等不同应用领域的实验，可以帮助学生巩固对软硬件技术栈相关知识的系统理解，让学生了解不同应用领域对智能计算系统的需求。对上述每个实验，我们都明确介绍了实验目的及相关背景知识、实验环境、实验步骤、评估标准和进阶思考。特别是，本书为每个抽象出了多个知识点（如第2 章的知识点包括全连接神经网络的正向传播、随机梯度下降法、反向传播、设计优化方法等），并以这些知识点构建了一棵智能计算系统知识树。学生每完成一个实验，便可“点树的一部分。通过遍历知识树的过程，学生可以更好地掌握各个知识点之间的有机联系，获得对整个技术栈的系统性理解。

实验设计得再完备，如果学生没有高涨的学习积极性，也很难取得好的学习效果。为此，我们为这本书设计了一款配套的游戏（微信小程序搜索“太空开发者”），利用游戏中的“稠密奖励”“即时奖励”和“体系性奖励”等机制来提升学生的学习热情。学生可以通过完成智能计算系统的各个实验，不断获取游戏中的奖励。将游戏通关后，便自然而然地完成了整个智能计算系统实验课程的学习。所以说，这本书不仅是一本实验教程，也是我们对教学的一种新尝试。这种创新的教学机制如果能够有效地提升学生的学习热情，不仅有利于培养具有系统思维的人工智能人才，还可能对很多其他工科专业课程的教学起到借鉴作用。

本文摘自《智能计算系统实验教程》前言内容

扫码关注【华章计算机】视频号

每天来听华章哥讲书