今年，来自大波士顿地区的学生从概念上学习了人工智能和机器学习(ML)，有机会将他们的新技能应用到现实世界的行业项目中，这是麻省理工学院突破技术AI提供的体验式学习机会的一部分。

由麻省理工学院施瓦茨曼计算学院主办的突破技术AI是一个试点项目，旨在通过提供基于技能的培训、行业相关的投资组合和对地区性大都市地区的本科生的指导来弥合女性和在计算领域代表性不足的性别的人才差距，以便使他们在数据科学、机器学习和人工智能领域的职业生涯中更具竞争力。

麻省理工学院苏世民计算学院负责多元化、公平和包容的副院长Alana Anderson说:“像突破科技AI这样的项目让我们有机会与其他学生和其他机构联系，并使我们能够将麻省理工学院的多元化、公平和包容的价值观带到我们所拥有的空间的学习和应用中。”

第一批33名本科生来自大波士顿地区的18所学校，包括塞勒姆州立大学、史密斯学院和布兰代斯大学，去年夏天开始了为期18个月的免费课程，包括为期8周的在线技能课程，学习人工智能和机器学习的基础知识。秋季，学生们分成小组，在MathWorks、MIT-IBM沃森人工智能实验室和Replicate向他们展示的六个机器学习挑战项目上进行合作。学生们每周花5个小时或更多的时间与他们的团队、助教和项目顾问会面，包括每月在麻省理工学院召开一次会议，同时在日常活动和责任之间平衡他们的常规学术课程负担。

这些挑战让本科生有机会为行业组织正在进行的实际项目做出贡献，并将他们的机器学习技能用于测试。每个组织的成员还担任项目顾问，为整个团队提供鼓励和指导。

麻省理工学院施瓦茨曼计算学院(MIT Schwarzman College of Computing)战略行业参与主任、麻省理工学院- ibm沃森人工智能实验室(MIT- ibm Watson AI Lab)主任奥德·奥利瓦(Aude Oliva)说:“学生们通过与他们的项目顾问密切合作来获得行业经验。”“这些项目将成为他们机器学习投资组合的一个附加项目，当他们准备申请人工智能领域的工作时，他们可以作为一个工作例子分享。”

在15周的课程中，团队深入研究了大规模的现实世界数据集，以在各种情况下训练、测试和评估机器学习模型。

去年12月，学生们在麻省理工学院举行的一场展示活动上庆祝了他们的劳动成果，六个团队对他们的人工智能项目进行了最后的陈述。这些项目不仅让学生们积累了他们的人工智能和机器学习经验，还有助于“提高他们的知识基础和技能，以便向技术和非技术观众展示他们的工作，”奥利瓦说。

在一个关于交通数据分析的项目中，学生们接受了MATLAB (MathWorks开发的编程和数值计算平台)的培训，以创建一个模型，通过预测未来车辆轨迹来实现自动驾驶决策。“重要的是要意识到人工智能并没有那么聪明。布兰代斯大学的学生Srishti Nautiyal在向观众介绍她的团队项目时说:“这正是我们想要做的。”从飞机到卡车的自动驾驶汽车已经成为现实，物理和数学专业的诺蒂亚尔分享说，她的团队也非常积极地考虑在他们的模型中考虑技术的道德问题，以确保乘客、司机和行人的安全。

使用人口普查数据来训练一个模型可能很棘手，因为它们通常是混乱的，充满漏洞。在麻省理工学院- ibm沃森人工智能实验室(MIT-IBM Watson AI Lab)的一个算法公平项目中，该团队最艰巨的任务是清理堆积如山的无组织数据，同时仍能从中获得见解。该项目旨在创建应用于真实数据集的公平性演示，以评估和比较不同公平性干预措施和公平度量学习技术的有效性，最终可以作为有兴趣学习人工智能公平性并在工作中使用它的数据科学家的教育资源，并促进评估机器学习模型在行业中的道德影响的实践。

其他挑战项目包括一个ml辅助白板，供非技术人员与现成的机器学习模型交互，以及一个帮助残疾人与他人交流的手语识别模型。一个致力于视觉语言应用程序的团队开始在他们的模型中包括50多种语言，以增加世界各地数百万视觉受损者的访问机会。据该团队称，目前市场上类似的应用程序最多只能提供23种语言。

在整个学期中，学生们坚持不懈，展现出勇气，以便在他们的项目中跨越终点线。随着秋季学期的结束，学生们将在春季返回麻省理工学院，继续他们的突破科技AI之旅，解决另一轮AI项目。这一次，学生们将与谷歌一起应对新的机器学习挑战，使他们能够进一步磨练他们的AI技能，并着眼于在AI领域开展成功的职业生涯。

注：本文由院校官方新闻直译，仅供参考，不代表指南者留学态度观点。