跳到主要内容

斯坦福 CS221 人工智能：原理与技术

课程名称： Artificial Intelligence: Principles and Techniques
官方入口： 课程主页、Stanford ExploreCourses
课程层级： 本科高年级 / 本研共修
先修要求： Python 编程、数据结构、离散数学、概率基础
重要程度： ※※※※※

课程定位​

CS221 是 Stanford 最典型的 AI 总览课，也是六校里最适合拿来建立“人工智能全景图”的课程之一。它不只讲机器学习，而是把搜索、博弈、逻辑、约束满足、概率推断、MDP 和强化学习放到同一条主线上，强调“如何构造一个在复杂环境中做决策的智能体”。

核心内容​

  • 搜索与启发式方法：DFS、BFS、A*、动态规划、状态空间建模
  • 对抗与博弈：Minimax、Alpha-Beta、博弈树剪枝
  • 约束满足与逻辑推理：CSP、变量消元、逻辑表示
  • 概率图模型与不确定性：贝叶斯网络、推断、因果与概率决策
  • 序贯决策：MDP、策略评估、价值迭代、强化学习基础

作业与考核​

这门课通常以编程作业和问题集为主，重点不是“调库刷模型”，而是把算法真正写出来、验证出来。它很适合作为后续学习 CS229、CS228、CS234、CS224N 的桥梁，因为你会先把 AI 里最常见的建模语言学明白。

学习难点​

  • 要能把现实问题抽象成状态、动作、转移、目标函数
  • 概率推断和 MDP 部分会把很多只学过“监督学习”的同学拉回到更一般的 AI 视角
  • 课程虽然是导论，但推导和建模都不轻，不能把它当成纯概念课

学完后的衔接​

  • 想走统计学习：接 CS229
  • 想走概率与推断：接 CS228
  • 想走 RL：接 CS234 或 CS224R
  • 想走 NLP/CV：接 CS224N、CS231N