跳到主要内容

CMU 15-281 / 15-381 人工智能：表示与问题求解

课程名称： Artificial Intelligence: Representation and Problem Solving
官方入口： CMU Course Catalog、CMU AI 本科项目页
课程层级： 本科高年级
编号说明： 近年常见本科编号为 15-281，旧资料里经常还能看到 15-381
先修要求： 编程、数据结构、离散数学、基础概率
重要程度： ※※※※※

课程定位​

CMU 的 AI 导论课非常强调“问题表示”。这也是它和很多其他学校 AI 导论课最不一样的地方。课程不把 AI 理解成单一模型，而是把 AI 看成一套把现实任务转化为搜索、推理、规划、决策与学习问题的系统方法。

核心内容​

  • 状态空间搜索与启发式设计
  • 逻辑表示、规则系统和推理
  • 约束满足与组合优化
  • 概率模型、决策与不确定性处理
  • 机器学习与强化学习导论

课程风格​

CMU 课程通常更像“训练营”。你不仅要知道算法名词，还要能判断某类问题该用什么表示、什么目标函数、什么推理方式。对以后继续学 10-315、10-605、11-411、16-385 很有帮助。

适合谁​

  • 想从更工程化、更严谨的问题建模视角学习 AI
  • 后续准备在 CMU 风格的 ML、NLP、CV、机器人课程里继续深入
  • 不满足于“看一堆深度学习 API”，而想先把 AI 的共性方法学清楚

学完后的衔接​

  • 机器学习：接 10-315 或 10-605
  • NLP：接 11-411
  • CV：接 16-385
  • 更进阶研究：接 10-701、10-403