刚刚，加州大学伯克利分校EECS教授联合发起“扎实的数学基础对人工智能至关重要”的倡议。

地址：

“虽然埃隆·马斯克和萨姆最近在很多问题上存在分歧，但他们都同意人工智能的构建是由代数和微积分等扎实的数学基础支撑的。”

现在已经有31位行业领军人物在上面签名。

要学好AI，就必须让孩子学好数学。

人工智能将深刻改变我们所知道的社会面貌。 为使未来的劳动力具备构建和部署人工智能技术的知识，才能为这一未来做好准备。

代数、微积分、概率论等核心数学概念与现代人工智能创新的核心密切相关。 所以，要参与这些技术的发展，学生必须打下坚实的数学基础。

特别是加州大学最近对其数学入学要求进行了澄清，以确保其符合本州对大学准备的标准定义。

虽然目前的进步似乎已经过时了微积分或代数等传统数学主题，但事实却恰恰相反。

实际上，现代人工智能系统根深蒂固于数学，对数学的深刻理解对从事这一领域工作的人来说非常重要。

梯度下降是深度学习算法的核心，也是微积分与线性代数相结合的一个例子。

向量和矩阵构成了神经网络的基础，对数尺度的增长模式对神经网络训练科学至关重要。

三角学和毕达哥拉斯定理远非“过时”，而是数据科学中关键工具的基础(如傅里叶变换和最小二乘法)。

高中学习的核心主题是机器学习、数据科学或任何东西。 STEM 进一步学习领域做好准备的最佳方法。 与最新工具相比，我们更喜欢掌握基础知识的学生。 或对软件略知一二的同学。

如果公共教育中的数学课程标准得不到维持，公立学校与私立学校的差距就会扩大，尤其是资源匮乏地区的公立学校，这将阻碍 STEM 多元化的领域努力。

加州的所有孩子——不只是那些接受私立教育的孩子——都应该接受一流的数学教育，为我们的未来打下坚实的基础。

我们敦促加州政策制定者尽最大努力确保所有孩子都能得到这样的教育机会。

加州大学伯克利分校明确数学入学要求

加州大学伯克利分校发布的一份文件明确要求申请人学习数学课程。

地址：

这个工作组重点关注加州大学代数的替代。 II/数学 III 录取要求的标准，以及申请人在数学第四年应该学习的推荐课程水平。

这份报告提出了两个主要建议。

第一，如果你想取代代数II/数学III课程，它必须是一门“需要高级代数知识的课程”。

所以，统计课程并不能取代高等代数基础课程。

这个工作组提出了这个建议，因为对代数的深刻理解是各种定量方法的基础，要求高级代数课程为学生进入最广泛的专业大学做好最好的准备。

第二个建议是，申请人必须完成三门基础课程(代数I-几何-代数II或数学II)-II-III）另外，还需要选修四年级的数学课程。

这个四年级的课程旨在扩大除了基本课程内容之外的数学知识。

因此，对于 C 在某些类别中，工作组建议区分高级数学课程和基础或数学选修课程。

鼓励申请者参加最严格的高中数学课程，BOARS 我相信他们会更好地为大学水平的定量课程做准备。

参考：