克莱尔·丹尼斯(ClaireDennis)是普林斯顿公共与国际事务学院的研究生，今年春天她正沉浸在数学和计算机代码中。虽然她计划进入政策领域，而不是算法和计算机编程领域，但她认为熟悉技术如何改变我们处理知识的方式非常重要。

“我们正在目睹科技的爆炸式增长，这对政策的影响是巨大的，”丹尼斯说，她正准备于五月获得公共事务硕士学位。“我多次听说政策制定者和工程师之间存在巨大的脱节，而且很少有人会说两种语言。”

丹尼斯计划从事技术政策职业，她正在通过一门新的研究生课程“机器学习：人文主义者和社会科学家的实用介绍”来弥补自己的知识差距。该课程由1943届哲学教授Sarah-JaneLeslie教授，为研究生提供“深度学习”入门知识。

该课程假设学生没有丰富的微积分或线性代数知识，也没有任何编码经验。到学期结束时，学生们能够自己编写各种模型，包括语言和图像识别模型，并了解机器学习在人文和社会科学中的应用，特别是。课程的最后两周重点是了解ChatGPT等复杂语言模型的工作原理。

“这门课程对我来说确实是一个最好的机会，不是让我成为一名程序员，而是让我熟悉这些模型、这些模型中的挑战、常见的紧张或权衡，并能够尽我所能成为那个中间人。等我毕业的时候，”丹尼斯说。“它每天都变得更加重要。”

拍摄者DeniseApplewhite，通讯办公室

2018年至2021年担任研究生院院长的莱斯利(Leslie)在卸任后不久构思了这门课程，当时她正在思考如何在自己的研究中利用机器学习。该课程将于明年春天再次开设。

莱斯利说：“这是一个令人难以置信的令人兴奋的前沿领域，它正在以令人难以置信的速度开辟跨学科的新研究可能性。”Leslie尤其受到近东犹太文明KhedouriA.Zilkha教授、近东研究和历史教授MarinaRustow的工作的启发，她使用深度学习和计算机视觉来识别和转录古代文献宝库通过普林斯顿Geniza项目。

“即使在一个看似远离机器学习的领域，你也可以利用这些技术来进行以前从未做过的学术研究，”莱斯利说。

Leslie估计可能有10名学生参加该课程，该课程的人数上限为25人。相反，她招收了来自大学所有四个学术部门的35名学生。参加该课程的学生包括比较文学、近东研究、历史、政治、心理学、神经科学、土木和环境工程以及机械和航空航天工程的博士生。

包括丹尼斯在内的四名学生是公共与国际事务学院的研究生。

“通常，特别是在研究生阶段，参加机器学习课程需要相当严格的先决条件，因此我给自己带来的挑战是尝试在不需要任何编码背景或任何大学水平数学的情况下教授这门课程，”莱斯利说。“我认为这是一门从零到英雄的课程。”

破解密码

学生们一边看笔记本电脑一边讨论

来自不同学科的学生在课间休息时一起解决机器学习作业问题。前景：政治学研究生NancyTang(右)和心理学研究生JamieChiu(左)。背景：若昂·卡瓦略(右)和泰迪·贝克尔-雅各布(左)都是哲学研究生。

拍摄者DeniseApplewhite，通讯办公室

鉴于Leslie计划教授没有机器学习经验的学生，她需要开发一些方法，使他们能够快速但实质性地了解该技术及其用途。

她以Python(一种用于机器学习的编程语言)的速成课程启动了这门课程。在许多早期课程中，她演示了如何编写代码，同时将电脑屏幕投影给全班同学观看，并在编写每一行时讲述每一个步骤。她不时强调潜在的陷阱、错误和错误消息，以及如何应对它们，以便学生可以遵循她的思维过程。

除了教学生如何编码之外，Leslie还深入讨论了使机器学习成为可能的核心数学运算，以及计算机视觉和前沿自然语言处理的核心概念。在整个过程中，她的目标是通过帮助学生了解此类模型的实际学习和操作方式，来揭开ChatGPT等人工智能的神秘面纱。

丹尼斯说，这门课程与她的政策课程不同，具有吸引力和挑战性，但它并没有那么困难，让她发现自己陷入困境。“我觉得自己有点惊讶，作为一个完全没有这方面背景的人，我居然能坚持下去，”她说。

比较文学研究生切尔西·克拉克(ChelseaClark)表示，去年秋天听莱斯利(Leslie)在数字人文中心(CDH)的演讲后，她对这门课程的概念很感兴趣。

“数字人文中心围绕大型语言模型进行了很多讨论，”克拉克说。“这可能是我最大的动力——足够流利地使用这些模型，以便能够在上下文中谈论它们。”

获得博士学位后，克拉克也一直在思考自己的职业前景。“我正在关注科技职业以及终身教职之外的职业，”她说。“我问CDH的一位研究软件工程师，她是否会雇用自学成才或参加过课程的人，她说她更喜欢参加过课程的人，因为即使他们不知道所有事情，他们知道自己的学习差距在哪里。”

克拉克表示，她在离开课堂时至少会具备机器学习方面的知识，并了解其应用和用途。

莱斯利说，她的希望之一是该课程能让她的学生成为更流畅的合作者。

“我自己的研究生涯涉及大量的跨学科合作，我的经验是，很容易幻想两个对彼此的工作一无所知的人可以高效地合作，”她说。“很多时候，至少需要其中一个人能够熟练掌握另一个人的学科。”

“我希望学生们将这门课程视为起点，而不是终点，”她补充道。“我在第一天就告诉他们，我最想要的是让他们感受到一种自我效能感，去了解更多关于机器学习的知识，并感觉他们能够驾驭这个新兴领域。”