当AI变成像Word一样的基础工具:写给所有非CS背景学生的GenAI探索指南-夜雨聆风

当AI变成像Word一样的基础工具:写给所有非CS背景学生的GenAI探索指南

很长时间以来，AI 似乎是计算机人的专属领域。

但随着生成式 AI（GenAI）的全面爆发，这个门槛已经被彻底打破。如今的 AI 正在从高冷的前沿科学，变成像 Word、Excel 一样赋能千行百业的超级工具。

正是基于这样的技术变革，在今年斯坦福中心人工智能创客计划（Generation-AI@Stanford Center PKU）春夏季项目的课程体系中，我们将学术方向精心划分为两条截然不同的路径：「AI 算法和技术应用」与「AI for 学科应用」。

这两者有什么区别？简单来说：

「AI 算法和技术应用」：包含机器学习、计算机视觉、具身智能三大 Track，适合有一定编程基础、未来想在计算机、数据科学等硬核理工科领域深造的同学。它的核心是“造工具”——研究 AI 底层的逻辑，让 AI 变得更聪明。

「AI for 学科应用」：这是一条对编程能力零要求、聚焦“AI 应用力”的全新赛道，适合对人文社科、艺术、商科或自然科学等学科有浓厚兴趣的同学。它的核心是“用工具”——聚焦如何利用现有的前沿 AI 技术，去解决具体的社会问题、推动文化传承或进行艺术创新。

为什么“AI 应用力”

正在成为一种核心竞争力？

01 升学视角的转变：

从“纯硬核技术”到“CS+X”的破局

近年来，纯计算机科学（CS）专业的申请竞争持续激烈。但与此同时，顶尖大学的招生风向正在悄然发生变化。

以斯坦福大学为例，其极具特色的“符号系统项目”（Symbolic System Program，结合了计算机、心理学、哲学和语言学）专业，以及各大顶尖高校纷纷开设的“CS+X”（计算机+跨学科）项目，正受到越来越多的关注。

为什么会产生这种变化？

当写代码的门槛随着大模型的普及变得越来越低时，招生官的关注点自然发生了转移。他们不再仅仅惊叹于一个高中生能写出多复杂的代码，而是开始寻找那些能敏锐察觉真实世界痛点，并懂得用技术去解决问题的人。

一个纯粹在开源数据集上跑出高分的算法模型，和一个将 AI 应用于本地社区心理健康干预、或是保护某种濒危方言的项目相比，后者往往更能展现出一个年轻人的同理心、社会责任感和跨学科的学术深度。

在大学申请的语境里，AI 正在从“一项需要被证明的技术特长”，变成“一个用来放大个人影响力的杠杆”。

02 未来视角的投射：

企业真正渴求的“懂AI的行业专家”

如果把目光放得更长远一些，看看未来的职场，趋势同样清晰。

世界经济论坛（WEF）发布的《未来就业报告》中指出，受 AI 等技术驱动，未来五年全球近四分之一的工作岗位将发生深刻变化。而麦肯锡在关于生成式 AI 的经济影响报告中也提到，GenAI 每年将为全球经济带来数万亿美元的增量，但这些价值绝大部分并不产生于 AI 底层开发，而是集中在客户运营、营销、产品研发、医疗教育等具体的业务领域。

这意味着，未来社会最庞大的人才缺口，可能并不是在实验室里开发底层大模型的科学家，而是千千万万个“懂 AI 的行业专家”。谁能更精准地向 AI 提问，谁能用 AI 重塑自己所在领域的效率，谁就掌握了职场的主动权。

因此，对于中学生而言，在高中阶段开始尝试“AI + 跨学科应用”的融合，不仅仅是为了丰富一段履历，更像是在提前熟悉自己很快就要进入的未来社会的基本运转逻辑。

把 AI 玩出花样的

学科应用项目

在「AI for 学科应用」方向下，我们细分了多个 Track：AI for Social Sciences（AI 与社会科学），AI for Humanities（AI 与人文研究）， AI for Life Sciences（AI 与生命科学），AI for Design（AI 与设计艺术）。

在以上四个 Track 之外，如果你已经有明确想研究的课题：教育、商业、数理化……也完全可以选择 AI x Anything （定制化 AI x 学科），定制你的 AI 学科课题！

接下来，就让我们一起来看看过往的优秀学生是如何用 AI 在各自热爱的领域里“大显身手”的。

Generation-AI 项目

EmoTree: A Body-Anchored, GenAI-Supported System for Adolescent State Regulation

EmoTree：基于身体觉察的生成式 AI 青少年情绪与状态支持系统

赵同学，北京市私立汇佳学校

当 AI 化身树洞，接住青少年的情绪

青少年在面对学业与成长的双重压力时，常常会有难以安放、不知如何向外界诉说的紧张、焦虑、疲惫等小情绪。赵同学温柔地捕捉到了同龄人这份“想倾诉却不知从何说起”的孤独，开发了一款名为“Emo Tree”的生成式 AI 情绪支持系统。

这可不是一个普通的 Chatbot。它通过引导青少年觉察身体的感受（比如肩膀紧绷、呼吸急促），用 AI 生成个性化的“微行动”建议，并生成一棵可视化的“情绪树”陪伴用户成长。

用户界面示意：种出一棵 Emo Tree

在后续 Generation-AI 项目线下论坛的 Hackathon 活动中，赵同学和队友将它进一步完善成了基于积极心理学的可交互 App “我的微光日记本”，通过心理学引导式提问，帮用户挖掘并珍藏容易忽略的微小幸福瞬间，在现场大受好评！AI 在这里，变成了有温度的倾听者。

在“我的微光日记本”里挖掘生活的小确幸

Generation-AI 项目

Building an AI-Powered Assistant for Analyzing Ethnolinguistic Markers in Qing Dynasty Manchu Women’s Poetry

基于人工智能的清代满族女性诗歌民族语言标记分析助手开发

曾同学，北京师范大学附属实验中学

用算法解码清代满族女性的隐秘心事

AI 能读懂古诗词里的哀愁吗？曾同学做到了。她将目光投向了 1644 年至 1850 年间的清代满族女性诗歌。

面对 900 多首浩如烟海的古诗，曾同学利用 AI 辅助提取了“空间流动”、“闺阁生活”等核心意象，并进行了定量分析。研究结果打破了“满族文学只是简单汉化”的刻板印象，揭示了满族女性在历史变迁中复杂的身份认同与情感演变。

冰冷的代码，在人文的滋养下，重现了数百年前鲜活的女性声音。

原始诗歌—文字录入—形成数据的格式—通过 AI 识别文字标记后进行统计与线性回归的过程

Generation-AI 项目

Automated Classification of Bird Vocalizations Using Inception-Inspired Convolutional Neural Networks A Case Study on Light-Vented Bulbuls and Eurasian Blackbirds

基于 CNN 的鸟类声音自动识别分类系统：以白头鹎和欧亚乌鸫为例

聂同学，上海市民办平和学校

用 AI 解开小鸟合唱里的声纹密码

清晨的树林里，鸟儿的鸣叫往往交织成一场盛大的交响乐。要从这嘈杂的背景音中，精准分辨不同鸟类的鸣唱，是一项极富挑战性且耗时的工作。面对浩瀚的自然之声，人类的听觉极限，无形中成为了大规模生态监测的一道瓶颈。

聂同学注意到了这个真实存在的困境。她利用深度学习技术与卷积神经网络（CNN），构建了一个鸟类声音自动识别分类系统。面对这两种叫声多变、极易混淆的鸟类，该模型最终达到了 75% 的整体准确率（其中对白头鹎的识别率高达 82%）。这个项目不仅证明了 CNN 在生物声学领域的应用潜力，更为构建大规模的野生动物自动化监测系统提供了极具应用前景的方案。

叫声频谱转化与训练过程

Generation-AI 项目

Integrating Artistic Metaphors into Text-to-Image Generation

将艺术隐喻融入文本到图像生成中

巩同学，北京市第一零一中学，获得哈佛大学、普林斯顿大学 Offer

教 AI 画出人类的“言外之意”

人类拥有深厚的文化共识与联想能力：看到柳枝，我们会想到离别；感受到秋风，我们会体会到寂寥。但如果你让 AI 画出“寂寥”，它大概率只会画一个独自流泪的人，或者一片灰暗空旷的荒野。那么，如何才能让 AI 在接收到“寂寥”这个指令时，自己“联想”到去画一场长亭外的春日送别呢？

这种从“具象事物”到“抽象情感”的跨越，正是目前 AI 图像生成领域的一大盲区——不懂“隐喻”。

为了跨越这道鸿沟，巩同学完成了一项交叉学科研究：将艺术隐喻融入文本到图像生成中。她通过在提示词（Prompt）中构建“隐喻三角”，从经典艺术作品中提取隐喻意象，使用了三种主流的生成模型生成了一万多张图像，并进行了多维度的有效性评价。当算法开始能读懂人类的“言外之意”，AI 便不再仅仅是一支只会按指令作画的机械画笔。