重工师说|从金算盘软件项目经理到“AI通识教练”—— 记人工智能、机器学习与深度学习(应用方向)陈怡然副教授

她没有把讲台变成枯燥的公式推导场。

她是金算盘软件的前研发项目经理，是重庆教育评估院人工智能领域专家，也是那个把“企业项目的生死节奏”搬进《深度学习》课堂的人。

在重庆工程学院，学生们这样形容她——“她不教你背公式，她教你用AI把作业变成能写进简历的作品。”

她叫陈怡然，人工智能学院副教授。

“很多家长问我：陈老师，你们教人工智能，到底有没有真刀真枪干过企业项目？”

陈怡然的回答很笃定：“我以前就是做企业项目的。”

在金算盘软件担任研发项目经理的那些年，她最大的感受是残酷的：

“企业项目不会等你‘准备好了’才开工。它要求你能沟通需求、拆解任务、解决问题、按时交付。没有谁会因为你‘没学过’就宽限截止日期。”

这段经历，成了她后来教学的“根”。

“所以我带学生，从来不只教他们写一段能跑的代码。”她说，“我要把一个项目从需求、数据、模型、测试到汇报交付的完整节奏，原封不动地搬进课堂。我要让他们知道，真实的工作不是考试，没有标准答案，只有能不能解决问题、能不能按时交差。”

“老师，我是文科生/转专业的，现在学AI还来得及吗？会不会被代码劝退？”

这是大一新生最常问陈怡然的问题。她的答案总是出人意料：“来得及，而且你不用先啃完高数再碰AI。”

她极度反感把AI课教成“公式背诵课”。

“那是扼杀兴趣的最快方式。”

在大一通识课上，她直接让学生上手：用提示词生成一个网页版贪吃蛇小游戏、做一次专业数据分析。但她立了一条铁律：绝不允许直接交AI结果。

“我会要求他们保留多轮对话记录，说明每一次修改提示词的原因，还要对AI结果进行测试、判断和改进。”陈怡然说，“很多学生第一次发现，原来AI不是高高在上的概念，而是能陪自己一起解决问题的伙伴。”

考核方式也随之颠覆：不看期末背了多少公式，就看你有没有真实迭代、能不能解释自己的修改思路。“你只要能讲清楚‘我为什么要这么改’，就算过关。”

在陈怡然的《深度学习》课上，“作业”和“产品”的界限是模糊的。

她会把课堂视频分析、图像识别、行为识别这些真实场景，拆解成学生能完成的阶段任务。

“比如课堂行为识别项目，学生要经历数据采集、样本标注、模型训练、结果评估、错误分析和可视化展示的完整流程。还要像企业那样分工：有人做数据、有人训模型、有人做界面、有人写报告。”

基础好的学生，她会送他们去打‘中国软件杯’这类国家级竞赛；基础一般的，也能从数据标注、测试做起，积累实战经验。

“最终学生拿到的，不只是一份成绩单。”陈怡然强调，“而是一段能写进简历、能讲给面试官听的真实项目经历。这就是我理解的产教融合——作业变作品，作品变敲门砖。”

面对如今泛滥的“AI代写作业”现象，陈怡然的态度很明确：“我不主张简单禁止，也不会完全放任。”

她更愿意当学生的AI工具教练。

“我会教他们怎么提问、怎么验证、怎么判断AI有没有胡说。”在课堂上，她要求学生必须保留AI对话记录，并回答三个灵魂拷问：

1. 原来的问题是什么？

2. AI给了什么结果？

3. 你为什么信或不信这个结果？

“如果有学生直接复制AI答案，我会追问他：‘这段代码为什么能运行？换一组数据会不会出错？这个结论有没有证据？’”陈怡然说，“我要让学生明白：AI是帮你学习和改进的工具，不是替你完成任务的‘代写枪手’。”

在陈怡然的办公桌上，压着一张纸条，上面写着：“老师的价值，是把落在后面的学生拉回赛道。”

她曾遇到过一个学生，刚进组时不敢说话、不敢碰核心代码，总觉得自己拖后腿。“那种自我否定的眼神，我很熟悉。”

陈怡然没有一开始就逼他啃最难的部分。“我先让他从数据整理、结果截图、实验记录做起。每完成一个小任务，就让他在小组会上讲。”

慢慢地，变化发生了。男孩开始主动问问题、改代码。直到有一天，他第一次主动提交了实验结果。

“那一刻我特别高兴。”陈怡然回忆道，“那不只是一次作业完成了，是他终于相信‘我也可以’。”

她常说：

“不是孩子不行，是我们得找到点燃他的那根火柴。我的办公室永远开着，无论是代码卡壳、项目瓶颈还是人生迷茫，都行。我们要做的，是把跑得快的学生推得更高，也要把暂时落在后面的学生，温柔地拉回赛道上。”

对于即将填报志愿的学子，这位从产业一线走回讲台的“AI教练”想说几句掏心窝子的话：

先泼冷水： 别信“上了大学就轻松”。人工智能专业，大一不碰代码、不接触AI工具，大三简历不敢投。躺平即淘汰。

再给定心丸： 但如果你愿意跟我学——我让你在校做真实AI项目，带你打“中国软件杯”，奖杯和作品集都是你的硬通货。

AI时代的生存法则： 别只学算法原理。要培养“需求拆解+人机协作+结果验证”的复合能力。AI能生成代码，但生成不了你对业务场景的理解；AI能训练模型，但训练不出你对错误原因的洞察。

陈怡然眼中的未来，属于“AI生态工程师”——既懂算法，又会工程落地，还能用AI解决实际问题的人。

接下来1～2年，她的“小目标”清晰而坚定：

1. 深化项目库：持续把企业真实需求转化为教学案例，覆盖更多AI应用场景；

2. 以赛促学：带更多学生冲击国家级AI竞赛奖项，用奖杯证明实力；

3. 能力升级：考取更多AI行业认证，让自己始终跑在产业前沿，才能带好学生。