在本 Modulation 中，学生将学习广泛的 AI 领域所包含的几个组成部分；他们还将了解 (a) 几种机器学习类型（监督学习、非监督学习、强化学习和深度学习）；(b) 人工神经网络的类型；(c) System1/System 2 思维、AI/ML 中的法律问题以及 AI/ML 应用中机器和人类目标一致性的问题。

在本 Modulation 中，学生将了解以下方面对 AI 进步的贡献：(a) 已完全演进的技术和中游技术（以及仍在演进的技术）；(b) 中游技术和仍在演进的技术，以及新兴技术；(c) 从库兹韦尔的 "加速回报定律"（Law of Accelerating Returns）中获得启示，了解随着时间的推移，多种技术的创造性融合是如何加速 AI 进步的。

本 Modulation 的重点是根据我们对人类能力的了解来评估人工智能的能力；学生将学习人类与人工智能的协作，了解与人工智能相关的主要优势和劣势。此外，学生还将接触到各种 AI/ML 使用案例（或商业背景下的应用实例）；这将有助于提高他们对多个行业以及行业内公司的 AI/ML Deployment 的熟悉程度。

在本 Module 中，我们将从两个对立的角度评估人工智能的影响：首先，学生将了解到在可预见的未来，人工智能预计将带来非常可观的生产率提升，同时人工智能投资/基础设施和 GDP 增长也会相应上升；其次，预测人工智能/ML 的采用将导致工作岗位急剧减少，不幸的是，这呈现了一种令人警醒的观点。最后，学生们将评估用机器学习对人类判断进行建模的相关挑战，探索自动化和 AI 鸿沟的影响。

本 Modulation 注重在多个层面进行比较和对比；例如，在公司层面，关注特定公司的 AI 战略可能会产生关于利用公司优势的成功方法的见解。同样，关注国家可以让学生敏感地认识到影响人工智能采用和部署的区域/文化/政治力量；关注特定行业可能会产生许多学生可以借鉴的 Useases；最后，关注公司内部的特定业务职能可能是一种深思熟虑的做法，可以将公司内部各业务职能的人工智能部署紧密结合起来。本 Modulation 的讨论强调了许多 AI Use Cases。

本 Module 侧重于 AI 行业内发展迅速的领域，因为这些领域在帮助新发现和新 Use Cases 方面具有非常 Promises 的潜力。学生将了解 Generative AI 的历史、市场规模和增长率、令人兴奋的 Generative AI 应用潜在创新途径。此外，学生们还将探索可解释人工智能的概念，将其作为一种潜在的工具来克服人工智能/人工智能预测和建议的固有局限性，即这些预测和建议缺乏解释或依据。

学生将了解人工智能实践中两个重要概念的关键要素：人工智能伦理和负责任的人工智能。学生将能够描述人工智能伦理和拟人化的基本原理；了解人工智能系统或设备可能面临的道德/伦理困境或Bias问题；在负责任的人工智能的广泛领域内，学生将对公平、透明、问责和安全概念有所了解。最后，考虑到全球范围内新兴的和当前的人工智能监管框架，学生将学习在管理 Data、Privacy 和 compliance 问题方面负责任的人工智能实践。

本模块包含终结性课程评估，旨在评价您对课程材料的理解，并评估您应用整个课程所学知识的能力。