这门北大数学课，学生和老师竟然都在用AI“摸鱼”？！

不仅如此，老师还是主动推荐你用，“方便跟上授课进度”。

原来，这是一位北大数学老师专门构思并落地的AI助教，不仅能当学生的课后助理，还能当老师的贴心秘书。

对学生来说，学校的冗长教案看不懂，直接扔给AI助教，马上就能划好重点，真·喂饭喂到嘴边。

而对老师来说，一拖、一拉、一拽，3步就能把自己的课程教案丢给AI助教，省去了对着人类助教大费口舌的时间。

因为使用丝滑，这个AI助教被北大数院21级本科生刘梓豪起名为Brainiac Buddy，意为“那个聪明又勤奋的家伙”（doge）。

不卖关子了，这门课叫《图像处理中的数学方法》，开课老师是北京国际数学研究中心教授、国际机器学习研究中心副主任董彬。

整个Brainiac Buddy，由董彬团队和校外公司Answer.Ai团队联合打造。

在与量子位的交流过程中，董彬表示：

OpenAI创始成员Andrej Karpathy之前讲未来是Agent Base，我深以为然。

所以想在AI助教上试试，能不能实现个性化、定制化和互动式，以此提高教学质量。

基于不同prompt“一键变身”

Brainiac Buddy（以下简称BB），基于GPT-4开发。

（PS这里是全网重点，北大研发的AI工具是使用GPT-4开发的，这其实是不符合之前发布的监管政策的，而且还是和海外团队合作，也许国内的创业者们可以重新思考一下监管政策）

团队针对数学课程进行了重点优化，首先拿来试手的就是《图像处理中的数学方法》这门课。

简而言之，通过学习和分析课程大纲、参考书、讲义和代码示例，BB不仅专业知识拔尖，“大脑”也已经是数学老师的形状了。

亲身上手体验一下~

登陆后，以《机器学习》第一章绪论章为例，可以看到如下的界面：

BB界面共有三个分栏：

最左侧，是关于本章节课件的演示文档（支持多种格式），章节相关的附件及挂载的知识库；中间栏呈现了课件文件的渲染，提供在线浏览功能；最右侧则是与BB的对话界面，可以与课件、知识库进行问题的讨论以帮助学习了解课程内容。

在右侧分栏直接提问，可以从embedding教案后的课程知识库中检索出该问题的解答。

众所周知，大模型具有通用知识，但针对具体的领域可能不是很精准。

于是基于大模型的基座模型，当前BB是基于GPT-4，把课程存储到向量数据库中，方便学生在学习知识的过程中，得到大模型的支持，帮助他们分解知识难点，使不同基础的学生都可以得到适合自己的解读方式。

不过董彬也谈到，作为研究者，其实是比较喜欢大模型幻觉（hallucination）的，“因为幻觉和创造/创新其实只有一线之隔。”

通过不同的prompt，BB能够调用不同的具体服务。

BB提供给教师最大的灵活度，让他们能够充分利用大模型优点的同时，给予最大程度的自定义prompt，让课程的交互性和交互过程按照不同的课程，呈现不同的效果。

比如调用测试模式：

又或者总结文件主要内容：

整体感受，BB没有什么花里胡哨的UI界面，使用起来和一般的AI Chatbot比较类似。

“AI Agent=大模型+记忆+主动规划+工具使用，基本上呈现出的就是现在大家看到的这个样子。”董彬说道。

至于后续对BB还有什么完善（的想法），他表示，希望能让BB能围绕一个数据库来准确提取信息，并根据问题判断，到底应该用数据库信息来回答问题，应该调用内外部工具，还是调用通用能力回答问题。

AI 辅助数学学习

目前AI工具这么多，为什么要专门做这样一个AI助教？

其中当然有现实的掣肘。

最基础的，就算只把《图像处理中的数学方法》这门课的教案丢给GPT，也已经超出了GPT系列的token限制。

但更多来源于董彬本人的认知和实践。这也是他寻求与校外公司Answer.AI合作，做出BB，并实际运用到课程中的主要原因。

董彬虽然是数学专业出身，但2016年起转向机器学习，现在的主要研究领域为科学计算、机器学习及其在计算成像和数据分析中的应用。

他自称从大模型大显威力的第一天起，就是其忠实追随者，根本没有国内外那些大学“先禁用再应用”的心态转变。

尤其是GPT-4问世后，董彬成为了大模型高频率的重度依赖用户，“它很大的作用，不是帮我干杂事，而是我通过它来学东西”。

董彬的切身体验是，只要问题问得好，回答的质量就会非常高。无论何时何地，只要有突发奇想，就可以跟领域内最博学的“人”交流，并且从不觉得他提出的问题蠢。

有了这样的体验，董彬脑子里冒出一个念头：

不行，要给我的学生也配备这样一个工具。

“学习就是跟作者交流，听作者讲课，接受知识的形式是非常被动的。”董彬解释，“听课或看书的过程中，会产生各种各样的疑问和想法。但老师的认知、精力、耐心都是有限的。”在他看来，如果无法跟作者交互，学习就会变得非常低效，特别是还无法1v1答疑解惑的情况下。

但AI 助教，或者说大模型，就遍读全人类知识，且精力和耐心永远充沛，能够“极大程度上提升教育的效率，以及个性化和定制化。”

有了自己的想法，恰巧教过的两位学生——数学学院21级本科生刘梓豪和20级本科生唐艺铭，想跟随董彬做一些暑期项目。

于是，BB被提上日程。

这时候董彬了解到了Answer.AI。这家创业公司旨在利用智能助教（AI Tutor）让广大学生享有到最优质的教育资源和最好的学习体验。他们的教育产品发布后，在很短时间内取得美区iOS教育榜单第三名的成绩。

恰巧，他们也希望与各个学校和机构一起探索全新的教学方式，并提供成熟的产品和技术方案。

和Answer.AI接触后，董彬带着刘梓豪和唐艺铭与其工程师团队交流了自己的想法，双方一拍即合。

而后，Answer.AI 为BB提供了产品化方案。并且在工程师的帮助下，最终完成了BB的计划、设计、数据处理、自然语言编程、UI制作等。

后续可能做“学会提问”主题在线分享

最后，正式介绍一下这位热情邀请学生在课程中使用AI助教的数学老师。

董彬，北京大学北京国际数学研究中心长聘教授、国际机器学习研究中心副主任、国家生物医学成像科学中心研究员。

2003年，他在北京大学数学科学学院拿下学士学位，两年后，在新加坡国立大学数学系获得硕士学位。

后来，董彬又远赴UCLA数学系，并于2009年获得博士学位。

他表示，希望更多的同僚同侪参与使用BB，能够从中得到更多反馈和启发。

根据目前得到的一些反馈来看，最令董彬“痛心疾首”的，就是学生在对AI提问能力上的欠缺——既不爱提问题，也不擅长提问（prompt）。

普遍来讲，学生总是爱直接把问题本身丢给AI。

这本身没什么问题，但还达不到事半功倍的效果。

在量子位的追问下，董彬分享了自己常用的提问模式。在他每一次针对具体问题的提问中，往往含有好几步过程：

首先，先告诉AI这个问题的背景，比如自己是在做什么的时候、看到什么东西、如何产生了这个问题；
其次告诉AI，这个问题的难点在哪？可能和哪些已知问题相关，也会谈一下为什么自己觉得这是个好的问题；
然后会谈谈自己对问题的初步思考，以及对自己现有想法不满意的地方，并在期待什么样的更好的想法。
最后再问AI，能不能帮忙提供一些建议。
相比于直接把问题本身丢给AI，然后不停追问，这样的方式可能两三轮就能很好地解答一个问题。

董彬举了个近期的例子。

最近，他和基础数学家何旭华在arXiv上挂了一篇用机器学习辅助数学前沿探索的论文。第二天，何旭华的一位合作者看到论文，发来一封邮件，开头是“et tu Brutus”。

董彬此前从未见过这个表述，于是去问了Claude。

对比可见，只有完整告诉Claude背景信息，它的解读才会正确，还给人一种“情商很高”的感觉。

作为AI重度用户，董彬在日常和做报告时发现，好的提问和不好的提问，得到的答案差异其实有明显差异。

往后会考虑开设课程或进行在线分享，让学生学会如何提问。

通过BB，董彬使用prompt的经验和方法论也可以更方便的沉淀给学生，通过教师功能，可以方便的为每个章节设置独特的prompt。

据了解，后续BB会为学生提供prompt预设功能，并针对学生提供快捷输入prompt的功能，以提高使用体验。

以及现阶段，董彬刚在arXiv上挂出了一篇论文《Prompt Engineering Through the Lens of Optimal Control》，有关从最优控制视角解读交互工程，感兴趣的小伙伴可以阅读一下～

arXiv：https://arxiv.org/pdf/2310.14201.pdf

文章来自微信公众号 ”量子位“，作者 衡宇