張江主講：面向復(fù)雜系統(tǒng)的人工智能 | 限時(shí)12小時(shí)99元解鎖課程

在這個(gè)AI可以寫代碼、預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)、甚至輔助推導(dǎo)數(shù)學(xué)定理的時(shí)代，很多人都在焦慮：我們會(huì)被AI取代嗎？

其實(shí)，真正稀缺的永遠(yuǎn)不是只會(huì)調(diào)用大模型的“操作員”，而是能夠用AI去解構(gòu)真實(shí)世界、用復(fù)雜科學(xué)視角去駕馭AI的“系統(tǒng)級(jí)破局者”。

無(wú)論你是深耕生命科學(xué)、計(jì)算醫(yī)學(xué)、經(jīng)濟(jì)學(xué)等復(fù)雜領(lǐng)域的科研工作者，還是正尋求底層邏輯突破的科技創(chuàng)業(yè)者與AI從業(yè)人員，亦或是渴望掌握前沿多尺度建模的方法論者——這門課，正是為你量身定制的升級(jí)指南。對(duì)海量的非線性數(shù)據(jù)和復(fù)雜的系統(tǒng)動(dòng)力學(xué)，你需要的不再是簡(jiǎn)單的工具疊加，而是一次跨學(xué)科的思維重構(gòu)。

為了打破學(xué)科壁壘，將復(fù)雜系統(tǒng)與人工智能深度融合，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院張江教授傾力打造了這門《面向復(fù)雜系統(tǒng)的人工智能》硬核課程。從神經(jīng)網(wǎng)絡(luò)到因果推斷，從世界模型到多尺度建模，甚至包含最前沿的“氛圍編程（Vibe Coding）”實(shí)戰(zhàn)，帶你親手落地AI項(xiàng)目。

不僅干貨拉滿，我們還為你準(zhǔn)備了重磅福利：

打破次元壁，支持北師大線下旁聽！

這不是一門冷冰冰的錄播課！報(bào)名學(xué)員不僅可以參與線上直播，更有機(jī)會(huì)每周一下午直接走進(jìn)北京師范大學(xué)的真實(shí)課堂。助教會(huì)親自協(xié)助您辦理入校手續(xù)，可與張江教授和諸多同學(xué)面對(duì)面交流，零距離感受學(xué)術(shù)激蕩與內(nèi)容共創(chuàng)！

極限狂歡：倒計(jì)時(shí)12小時(shí)，拼手速！

原價(jià)399元的課程，今天（3月16日）晚上24點(diǎn)前，早鳥價(jià)僅需 99元！只需兩杯咖啡的錢，換來(lái)一整個(gè)春天與AI、與復(fù)雜系統(tǒng)的碰撞。

限時(shí)通道僅剩最后 12 小時(shí)，零點(diǎn)一過(guò)即刻恢復(fù)原價(jià)！ 歡迎你的加入！

今日直播

課程背景

通用領(lǐng)域的自然語(yǔ)言交流、編寫代碼、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、新質(zhì)子模型的發(fā)現(xiàn)、輔助數(shù)學(xué)定理證明，所有這些不同領(lǐng)域的難題都正在被新興人工智能技術(shù)逐一攻破。人工智能， 特別是以機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)技術(shù)為代表的智能技術(shù)，近年來(lái)獲得了迅猛的發(fā)展，它正在與各個(gè)學(xué)科發(fā)生交叉、融合，逐漸演化為一種解決各種復(fù)雜系統(tǒng)問(wèn)題的跨學(xué)科方論，成為支撐復(fù)雜系統(tǒng)分析與建模的重要新興技術(shù)。

復(fù)雜系統(tǒng)是由大量的單元通過(guò)非線性的相互作用而形成的整體，并在不同尺度上展現(xiàn)出了不同的涌現(xiàn)現(xiàn)象和規(guī)律。一方面，機(jī)器學(xué)習(xí)與人工智能的新興技術(shù)可以輔助我們發(fā)現(xiàn)這些復(fù)雜系統(tǒng)隱藏在不同尺度上的運(yùn)行規(guī)律，并實(shí)現(xiàn)優(yōu)化與控制，另一方面，從復(fù)雜系統(tǒng)中發(fā)展出來(lái)的理論與方法也可以幫助我們理解復(fù)雜人工智能系統(tǒng)的運(yùn)行規(guī)律。

為了更好地融合復(fù)雜系統(tǒng)與人工智能這兩個(gè)重大領(lǐng)域，北師大系統(tǒng)科學(xué)學(xué)院張江教授開設(shè)《面向復(fù)雜系統(tǒng)的人工智能》課程，內(nèi)容包括但不限于：人工智能簡(jiǎn)介、機(jī)器 學(xué)習(xí)基礎(chǔ)、強(qiáng)化學(xué)習(xí)基礎(chǔ)、因果推斷基礎(chǔ)、面向復(fù)雜系統(tǒng)的神經(jīng)網(wǎng)絡(luò)技術(shù)、在具體領(lǐng)域中的應(yīng)用等。

另外，本課程的實(shí)踐項(xiàng)目部分，將帶領(lǐng)大家一起學(xué)習(xí)使用最新的AI編程工具，用“氛圍編程”（Vibe Coding）方式完成小型AI項(xiàng)目。

主講人

張江，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院教授，集智俱樂(lè)部、集智學(xué)園創(chuàng)始人，集智科學(xué)研究中心理事長(zhǎng)，曾任騰訊研究院、華為戰(zhàn)略研究院等特聘顧問(wèn)。主要研究領(lǐng)域包括因果涌現(xiàn)、復(fù)雜系統(tǒng)分析與建模、規(guī)模理論等。

個(gè)人主頁(yè)：https://jake.swarma.org/

課程安排

圖1 課程整體框架

1. AI x 復(fù)雜科學(xué) = 面向復(fù)雜系統(tǒng)的AI

2. 深度學(xué)習(xí)與自動(dòng)微分

3. 機(jī)器學(xué)習(xí)基本概念

4. 基本神經(jīng)網(wǎng)絡(luò)介紹：前饋神經(jīng)網(wǎng)絡(luò)

5. 基本神經(jīng)網(wǎng)絡(luò)介紹：CNN與RNN

6. 表示學(xué)習(xí)

7. 大語(yǔ)言模型：從Transformer架構(gòu)到訓(xùn)練范式

8. 大語(yǔ)言模型的推理機(jī)制與自指

9. 大語(yǔ)言模型的可解釋性與涌現(xiàn)

10. 生成模型

11. 復(fù)雜動(dòng)力學(xué)學(xué)習(xí)：Neural ODE

12. 因果科學(xué)簡(jiǎn)介

13. 圖神經(jīng)網(wǎng)絡(luò)

14. 基于世界模型的強(qiáng)化學(xué)習(xí)

15. 因果涌現(xiàn)與多尺度建模

16. 用復(fù)雜科學(xué)方法理解人工智能大模型

課程目標(biāo)

1. 深入理解復(fù)雜系統(tǒng)數(shù)據(jù)驅(qū)動(dòng)建模、決策與控制的基本問(wèn)題和常用方法

2. 熟悉并掌握面向復(fù)雜系統(tǒng)的各種人工智能技術(shù)，包括但不限于：機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、大語(yǔ)言模型、因果推理、決策控制等。

報(bào)名須知

課程形式

1. 平時(shí)：課堂討論與內(nèi)容共創(chuàng)

2. 結(jié)課：項(xiàng)目匯報(bào)
   

付費(fèi)學(xué)員可參與騰訊會(huì)議直播/北師大線下授課（助教會(huì)協(xié)助入校）

授課形式

1. 課程周期：2026年3月2日-2026年6月15日，每周一 13:30-16:15進(jìn)行。

2. 課程定價(jià)：原價(jià)￥399，早鳥價(jià)￥99，截止時(shí)間：2026年3月16日晚上24點(diǎn)

   （限時(shí)12小時(shí)！）

課程鏈接：https://campus.swarma.org/v3/course/5684?from=wechat

付費(fèi)流程

2. 課程頁(yè)面添加學(xué)員登記表，添加助教微信入群；

3. 課程可開發(fā)票。

適合對(duì)象

1. 理工科背景高年級(jí)本科生

2. 理工科背景碩士、博士研究生

參考課程

1. 吳恩達(dá)：Build with Andrew https://www.deeplearning.ai/courses/build-with-andrew/

2. Jure Leskovec: Machine Learning with Graphs, StanfordCS224W.

   https://www.youtube.com/playlist?list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn

3. Steve Brunton: Data Driven Science and Engineering, University of Washingtonhttps://www.youtube.com/playlist?list=PLMrJAkhIeNNRpsRhXTMt8uJdIGz9-X_1-

4. Karthik Duraisamy: DATA-DRIVEN ANALYSIS AND MODELING OF COMPLEX SYSTEMS, Michigen institute for computational discovery and engineering, Michigen University.https://micde.umich.edu/academic-programs-old/data-driven-course/

5. Sergey Levine: Deep Reinforcement Learning, CS 285 at UC Berkeley.http://rail.eecs.berkeley.edu/deeprlcourse/

以下為集智學(xué)園網(wǎng)站資源：

1. 對(duì)復(fù)雜系統(tǒng)連續(xù)變化自動(dòng)建模——Neural Ordinary Differential Equations解讀https://campus.swarma.org/course/2046

2. 復(fù)雜網(wǎng)絡(luò)自動(dòng)建模在大氣污染中的應(yīng)用https://campus.swarma.org/course/1998

3. 兩套因果框架深度剖析：潛在結(jié)果模型與結(jié)構(gòu)因果模型https://campus.swarma.org/course/2526

4. 穩(wěn)定學(xué)習(xí)：發(fā)掘因果推理和機(jī)器學(xué)習(xí)的共同基礎(chǔ)https://campus.swarma.org/course/2323

5. 因果強(qiáng)化學(xué)習(xí)https://campus.swarma.org/course/2156

6. 張江：因果與機(jī)器學(xué)習(xí)能夠破解涌現(xiàn)之謎嗎https://campus.swarma.org/course/4540

7. 因果涌現(xiàn)理論提出者：Erik Hoel主題報(bào)告https://campus.swarma.org/course/4317

8. 如何從數(shù)據(jù)中發(fā)現(xiàn)因果涌現(xiàn)——神經(jīng)信息壓縮器https://campus.swarma.org/course/4874

9. 標(biāo)準(zhǔn)化流技術(shù)簡(jiǎn)介https://campus.swarma.org/course/1999

10. 帶隱狀態(tài)的強(qiáng)化學(xué)習(xí)世界模型https://campus.swarma.org/course/4848

前置課程

1. Python編程基礎(chǔ)

2. 深度學(xué)習(xí)原理與PyTorch：https://campus.swarma.org/course/956（集智學(xué)園）

退學(xué)費(fèi)！課程共創(chuàng)任務(wù)：課程字幕

為鼓勵(lì)學(xué)員深度參與、積極探索，我們致力于形成系列化知識(shí)傳播成果，并構(gòu)建課程知識(shí)共建社群。為此，我們特別設(shè)立激勵(lì)機(jī)制，讓您的學(xué)習(xí)之旅滿載收獲與成就感。

課程以老師講授為主，每期結(jié)束后，助教會(huì)于課程群內(nèi)發(fā)布字幕共創(chuàng)任務(wù)。學(xué)員通過(guò)參與這些任務(wù)，不僅能加深對(duì)內(nèi)容的理解，還可獲得積分獎(jiǎng)勵(lì)。積分可兌換其他讀書會(huì)課程或?qū)嵨铼?jiǎng)品，助力您的持續(xù)成長(zhǎng)。

完成本課程任意兩期字幕任務(wù)可退全額學(xué)費(fèi)！

今日直播

課程主題：機(jī)器學(xué)習(xí)基本概念

課程時(shí)間：2026年3月16日 13:30-16:15

直播方式：騰訊會(huì)議/視頻號(hào)/B站同步線上直播