搞懂「AI」，孩子必须学好数学！马斯克Altman罕见达成一致，签署联名信
本帖最后由 不二如是 于 2024-3-8 10:00 编辑基础数学已经被拔高到研究AI的必经之路！UC伯克利教授发起最新倡议，31位AI大佬共同签署联名信，马斯克和Altman竟达成一致。
就在刚刚，UC伯克利EECS教授Jelani Nelson联合发起了一个倡议，强调「坚实的数学基础对人工智能至关重要」。
地址：https://www.mathmatters.ai/
「虽然Elon Musk和Sam Altman最近在很多问题上都有分歧，但他们都认同，AI的构建是以代数和微积分等坚实的数学基础为支撑的。」
目前，已经有31位业内大佬在上面签署了自己的名字。
要想搞好AI，就必须让孩子学好数学
人工智能即将深刻改变我们所熟悉的社会面貌。为了迎接这一未来，培养未来劳动力掌握构建和部署人工智能技术的知识变得尤为重要。
现代人工智能创新的核心，无一不与代数、微积分和概率论等核心数学概念息息相关。因此，要想涉足这些技术的开发，学生们必须打下坚实的数学基础。
我们特别赞赏加利福尼亚大学近期明确其数学入学要求，确保它们必须符合州对大学准备水平的标准定义。
尽管当前的进步似乎让人觉得传统的数学课题如微积分或代数已经过时，但实际情况却恰恰相反。
事实上，现代人工智能系统深深植根于数学之中，对数学的深入理解对于从事此领域工作的人来说是必不可少的。
深度学习的算法核心——梯度下降——正是将微积分和线性代数结合起来的一个典范。
向量和矩阵构成了神经网络的基础，对数尺度上的增长模型对于神经网络训练科学至关重要。
三角函数和毕达哥拉斯定理远非「过时」，它们是数据科学中如傅立叶变换和最小二乘法等关键工具的基础。
在高中阶段学习这些核心课题，是为将来在机器学习、数据科学或任何STEM领域深造做好准备的最佳方式，我们更倾向于招那些掌握了基础知识的学生，而不是那些只对最新工具或软件略知一二的学生。
如果公共教育的数学课程标准不能得到维持，将加大公立与私立学校——尤其是资源不足地区的公立学校——之间的差距，这将阻碍STEM领域多样化的努力。
所有加州孩子——不仅仅是那些接受私立教育的孩子——都应该享受到顶尖的数学教育，为我们的未来打下坚实的基础。
我们敦促加州政策制定者尽最大努力确保所有孩子都能获得这样的教育机会。
UC伯克利明确数学的录取要求
在UC伯克利公布的一份文件，明确提出了对申请者学习数学课程的要求。
地址：传送门
工作组的重点是，那些课程可以替代加州大学入学要求的代数II/数学III要求的标准，以及建议申请者在数学第四年应该选修的课程水平。
报告中提出了主要两项建议。
首先，若想替代代数II/数学III的课程，还必须是「需要高级代数知识的课程」。
因此，统计学课程不能替代高级代数的基础课程。
工作组提出这样的建议，是因为代数的深入了解是各种定量方法的基础，要求修读一门高级代数课程将最好地为学生准备进入大学主修最广泛的专业。
第二项建议中，需要申请者在完成三门基础课程（代数I-几何-代数II或数学I-II-III）之外，再修读第四年的数学课程。
这第四年的课程，就是为了扩展基础课程内容之外的数学知识。
因此，对于Area C内的某些类别，工作组建议区分高等数学课程和基础或数学选修课程。
通过鼓励申请者选修最严格的高中数学课程，BOARS相信他们将为大学级别的定量课程做好更好的准备。 感谢分享，以后得学好数学
页:
[1]