Datawhale分享
干货：哈佛反向学习法，来源：量子位
数学大佬陶哲轩力荐，哈佛反向学习法火了：教会AI就是教会自己。
他最新分享了哈佛应用数学和应用物理学教授Michael P. Brenner的一个教学方法——
利用提示工程，让学生尝试教AI完成平时数学作业（不纳入正式考核），期末再让这些AI参加考试。
好嘛，相当于学生再把AI当学生，俄罗斯套娃有。
Michael P. Brenner教授认为，这一方法能够教会学生拆解问题，并深度掌握提示词工程技术。
学生在教AI时需要自己理解问题，他们将问题分解为小步骤的过程本身就是一项极好的锻炼。
而且，学会提问在AI应用中也非常具有挑战性，这一教学方法可以帮助学生掌握提示词工程技术。
学生：在这种教学中转变了思维方式
提出这项创新教学方法的Michael P. Brenner，是一名美国应用数学家和物理学家。
他曾获得宾夕法尼亚大学物理和数学学位，并在芝加哥大学获得物理学博士学位。
从2001年至今，他在哈佛大学担任教授，此前还在麻省理工担任应用数学助理和副教授。
他的研究方向是，使用应用数学方法来解决科学和工程中的广泛问题，特别是与流体力学和材料科学相关的问题。
接触AI后，他对利用机器学习来促进科学发现尤为感兴趣。
在哈佛，他面向研一开设了一门叫做“Applied Math 201”的课程，主要教授解决硬科学问题（通常指自然科学和工程学）的数学方法。
由于他对构建可以解决复杂问题的模型和聊天机器人的想法非常感兴趣，于是想出了一个新招：
在平时作业的最后，新增一个AI板块，鼓励学生使用哈佛的生成式AI工具箱中的聊天机器人来解决问题，并通过构建提示（prompts）来教授这些机器人。
当然，Brenner教授贴心表示，这部分成绩不计入正式考核。
不过学生在平时作业中需积累提示词经验，并提交那些效果比较好的提示词。
到了期末，学生们需要共同完成一项最终研究，并检验AI的学习成果——能否完成期末考试。
据Brenner教授介绍，有15位同学参与了研究，他们被分成三组：
第1组负责提示工程，收集整理大家整个学期提交的提示词，并评估哪些提示更擅长或不擅长解决哪类问题；
第2组负责数据集生成，构建一系列包含问题和解决方案的数据，且需要实现自动生成；
第3组负责基础设施建设，将提示和数据集放在一起，尝试评估和训练聊天机器人解决期末试题。
过程中，他们针对不同类型的问题绘制了图（不同提示下解决方案能得多少分），并创建了一套评分标准，满分25分。
最终，学生们构建了一个开箱即用的数学模型，并取得了不错成绩。（最高20分）
课程结束后，学生们也热情地送上了感谢：
在这种教学中转变了思维方式。
参考链接：
[1]https://mathstodon.xyz/@tao/113058843359470529
[2]https://www.youtube.com/watch?v=p3v8eFwDWnk
[3]https://www.youtube.com/watch?v=om7VpIK90vE
