目录
怎么读这门课
这不是一本按学期排的教材，而是一条从「AI 是什么」走到「怎样与 AI 共事」的路。十四章顺着读最好；急着弄懂某件事，也可以从任何一章进去，每章开头会告诉你它假设你已经知道了什么。
正文只有一份，深度有两档。每章里带「深入」标记的段落默认折叠，主线读者跳过它们不会丢失逻辑；想读透的人在章节页右上角切到「全文」，它们就全部展开。
主线 · 约 143 分钟只读每章的正文段落。读完你能解释 AI 里几乎所有常见词，知道它能做什么、为什么会犯错、该怎样用。
14 章 · 不做实验
全文 · 约 482 分钟主线加上所有深入段落、自测题，并把每章对应的实验做完。读完你可以看懂一篇技术博客，能判断一个 AI 产品在做什么、值不值得信。
14 章 · 12 个实验 · 110 条术语
随课 · 一个学期2026 年春季学期的四讲：幻灯片逐页带讲者备注，讲义比正文更长、更贴近课堂。适合选课同学与备课教师。
已读 0 / 14 章（进度只保存在这台设备的浏览器里） · 下载整本书的 PDF（218 页）
第一部
地图
先知道自己在哪里
AI 是什么、从哪里来、除了神经网络还有什么。三章读完，你手里有一张不会过时的地图。
第二部
学习
机器怎样从数据里学到规律
机器学习的全部核心思想，其实只有一句话；剩下的三章是把这句话讲透，并在浏览器里亲手验证。
第三部
语言
大语言模型是怎么造出来的
文字怎样变成数字、注意力怎样让词看见彼此、一台续写机怎样被训练成助手。
第四部
世界
和这样的机器一起工作
它为什么会一本正经地胡说、它怎样长出眼睛和手、一个任务交给智能体后发生了什么、它怎样开始做科学、以及我们该怎样与它共事。
10世界
它为什么会一本正经地胡说
幻觉不是故障，而是「预测下一个词」这种工作方式的必然产物。这一章讲它从哪来、长什么样、能怎么办，以及一个诚实的能力边界。
11世界
模型长出了眼睛和手
2023 年之后最重要的两个变化：模型开始看图、听声、画画、说话，以及模型开始自己调用工具、执行多步任务。这一章讲它们怎么发生，以及带来了什么新问题。
12世界
智能体的一天
一个任务进去之后，Claude Code 和「龙虾」到底做了什么？拆开它们的驾具，你会发现里面没有魔法，只有一个循环、一堆规矩和很多工程。
13世界
AI 做科学：从 AlphaFold 说起
一个困扰生物学五十年的问题被一个神经网络在两年内解决了大半，然后同样的事在气象、材料、数学、药物上接连发生。这篇写给不做 AI 的科学与工程研究者：它在你的领域能做什么，怎样开始，哪里要小心。
14世界
与 AI 共事
前十一章讲它是什么。最后一章讲你该怎么办：怎样提问，怎样分工，怎样验证，怎样保护自己和别人，以及这个时代真正需要的素养是什么。
第五部
拓展专题
集腋成裘
主线之外的专题：每一篇独立成文，把前面的原理放进一个具体的领域或问题里。读完主线再来，或者挑感兴趣的直接进。这一部分会持续增加。
T1拓展专题
一句话的旅程
从你按下回车，到屏幕上蹦出第一个字，中间的几百毫秒里发生了什么。把第七、八、九、十章串成一条线走一遍。
T2拓展专题
推荐系统：你为什么停不下来
短视频、购物、新闻流背后是同一类模型。它是机器学习最赚钱的应用，也是最值得每个人看懂的一种。
T3拓展专题
自动驾驶：四种能力的合体
一辆车要在雨夜的路口做对每一件事。它用上了第一章的全部四种能力，走过了二十年的「快好了」，也是「长尾」「安全怎么衡量」「人怎样与机器分工」这些问题最好的教材。
T4拓展专题
给科研人的机器学习实用课
材料、化学、生物、医学、工程里用得最多的不是大语言模型，是几百个样本上的机器学习。这一篇讲小数据怎么做、分子和材料怎样变成数字、实验很贵时下一个该测什么，以及科研论文里最常见的错误。
T5拓展专题
训练一个模型：从数据到对齐的实操
第九章讲了预训练、微调、对齐的原理。这一篇讲每一步具体怎么做、怎么坏，从几万块 GPU 的预训练到一块 GPU 一晚上的微调，附成本表和一份动手清单。
T6拓展专题
AI 与开源
深度学习的每一次浪潮都站在开源的肩上，而 2025 年之后，最好用的开放模型多来自中国。这一篇讲开源在 AI 里意味着什么、不意味着什么，为什么公司愿意开源，以及这本书自己为什么开源。