MIT 6.4110 AI 中的表示、推断与推理
课程名称: Representation, Inference, and Reasoning in AI
官方入口: MIT Course Catalog
课程层级: 本研进阶
先修要求: 编程、概率、基础算法与机器学习
重要程度: ※※※※☆
课程定位
6.4110 很能代表 MIT 的 AI 风格。它不把 AI 只理解成预测模型,而是系统讲表示、约束、逻辑、规划、图模型、MDP 和 POMDP,把“如何在复杂世界里建模与决策”讲成一套统一方法。
核心内容
- 约束满足问题与连续 / 离散优化
- 逻辑表示与推理
- 蒙特卡洛树搜索
- 概率图模型与推断
- 规划、MDP、POMDP 与序贯决策
课程价值
如果你已经学过 6.3900 这类机器学习主课,6.4110 会把你拉回到更一般的 AI 视角:模型不仅是做预测,还要能表达结构、处理不确定性、支持长程规划和决策。
适合谁
- 想补强经典 AI 与现代 AI 之间断层的人
- 后续想学机器人、自主系统、决策与规划
- 只学过监督学习,想把 AI 的“表示与推理”补齐
学完后的衔接
- 机器人:接
6.4200、6.4210 - NLP / CV:接
6.8611、6.4300 - 深度学习:配合
6.7960