南安普敦 COMP6231《人工智能基础》：期末考核 100%，补考重修同为设定任务

南安普敦 COMP6231《人工智能基础》是硕士 15 学分模块：从图灵测试讲到搜索、知识表示与机器学习；期末考核 100%，补考重修同为设定任务。

课程官网（学校官网）：https://www.southampton.ac.uk/courses/2026-27/modules/comp6231

COMP6231 是一门什么课？

一句话：AI 的全景导览——从图灵测试与中文屋，到搜索、知识表示、贝叶斯网络与机器学习。

这是南安普敦大学（University of Southampton）的硕士模块，模块代码 COMP6231，英文名 Foundations of Artificial Intelligence，中文通译「人工智能基础」。

几条身份信息：

• 层级：Level 7（硕士层级）。
• 体量：15 CATS／7.5 ECTS。
• 场次：Semester 1 开课；学年 2026-27。
• 模块负责人：Richard Watson。
• 学科归属：按模块前缀与内容归到计算机科学（人工智能方向）（分析）。

它是第二学期各 AI 高阶课的门票课（分析）：学校官网明写这门课「为第二学期的专门选项做准备」（照实）——第一学期打全景地基，第二学期按兴趣钻深井（分析）。

这也意味着它带一点「地图课」的性质（分析）：你在课上不会成为某个方向的专家，但会知道每个方向在地图上的位置（分析）——第二学期选课时，这张地图就是决策依据（分析）。

课程定位照学校官网口径：本课程介绍人工智能的基本概念与技术；目标是广泛导览快速发展的 AI 领域，覆盖一系列方法（现代的、经典的、符号的与统计的），为学生第二学期的专门选项做准备。

概述另列五点照学校官网口径：AI 的经典与现代方法；主要成就与不足；已使用的主要技术及其适用范围；AI 的哲学基础；AI 的未来挑战。

大纲六块照学校官网口径：

• AI 导论：AI 的流派（强与弱、neat 与 scruffy、符号与子符号、知识驱动与数据驱动）；计算隐喻（什么是计算、丘奇-图灵论题、图灵测试、塞尔的中文屋论证）。
• 搜索：寻找满意路径（深度优先与广度优先、迭代加深、局部搜索与启发式搜索）；寻找最优路径（分支定界、动态规划、A*）。
• 知识表示：产生式规则、单调与非单调逻辑、语义网络、框架与脚本、描述逻辑。
• 推理与控制：数据驱动与目标驱动推理。
• 不确定性下的推理：概率、条件独立、因果、贝叶斯网络、信念传播。
• 机器学习：归纳与演绎学习、无监督与有监督学习、强化学习、从样例的概念学习、Quinlan 的 ID3、分类与回归树、贝叶斯方法。

六块技术含量逐块递进，但首块的哲学铺垫是灵魂（分析）：它教的不只是「怎么做 AI」，还有「什么算 AI」（分析）。

与国内人工智能导论有什么不同？

国内「人工智能导论」多以当代机器学习与深度学习为主线回溯历史；本课以 AI 思想史全景展开（符号主义到统计学习并重），深度学习不是主角（分析）——历史纵深更厚（分析）。

第二个差异是哲学分量。图灵测试、中文屋、丘奇-图灵论题进大纲且入学习成果；国内多为开篇一讲。

第三个差异是教材。AIMA 一本通吃且成书视角与课程一致（全景式）；国内多为自编或译著精选。

第四个差异是考核。100% 期末纯考型；国内导论课近年多加大作业，纯考形态反而少见。

第五个差异是定位。明写为第二学期专门选项打基础的课程链设计；国内导论课常是独立终点课。

考核怎么算？

一场期末定全部成绩。

四条结构性判断：

第一，无作业、无平时分。（分析）纯考型全景课（分析）——复习就是一切（分析）。

第二，题型大概率是混合卷。（分析）概念辨析、算法论证（手写证明）、场景应用（选算法）、哲学论述（分析）——四种考法对应六块内容的不同层次（分析）。

第三，零过程分意味着「写不完」与「不会做」是同一种失败。（分析）限时模拟过整卷的人，才知道每题该给多少时间（分析）。

第四，补考与重修都是设定任务。（照实）形态比初修简单，但一次定成绩（分析）。

一处照实说明：学校官网只给出考核形态与占比，未列题型结构与各部分权重（照实）——开课后以课程大纲为准（分析）。

先修要求是什么？

学校官网未提及课程先修（照实）。

导论课默认零 AI 基础（分析）——隐性起点是离散数学的舒适度（分析）：图与树的基本概念、基础概率（分析）。

学过算法课搜索的学生会在第二块占先手（分析）——完全没碰过概率的同学，开课前补「条件概率与贝叶斯定理」即可对齐（分析）。

要自查的三样：

• 一个图搜索：BFS 与 DFS 的差别，能不能说清。
• 一条贝叶斯公式：条件概率怎么更新，能不能推一遍。
• 一句哲学立场：对中文屋论证，能不能给出自己的判断。

学完能做什么？

学完你能讲清 AI 的经典与现代方法、识别主要技术及其适用范围，并理解 AI 的哲学基础与未来挑战。

两组共五条学习成果（照实）：

• 知识与理解（四条）：AI 的经典与现代方法；主要成就与不足；未来的挑战；哲学基础。
• 学科研究技能（一条）：识别 AI 已使用的主要技术及其适用范围。

教材是 AI 领域的经典教科书（分析）：Russell 与 Norvig《Artificial Intelligence: A Modern Approach》（2003，Prentice Hall）——课程六块与它的章节几乎一一对应，跟着教材走最稳（分析）。

直接能力（分析）：一张 AI 技术选型地图——遇到问题能说出「这属于搜索／表示／推理／不确定性／学习哪一类、经典方法是什么、边界在哪」（分析）——这是 AI 产品与工程岗面试的常识底盘（分析）。

去向层面：第二学期的机器学习、自然语言处理、机器人等专门选项的直接前置（分析）；就业覆盖 AI 工程入门岗、技术产品经理、数据科学的方法层（分析）。

一条判断力判断（分析）：AI 时代「懂 AI 能做什么、不能做什么」比「会调某个模型」更保值——这门课的哲学与技术双线，恰是这种判断力的起点（分析）。

难点与常见挂因

这门课的难点在「广度」：六块每块都只停在概念与经典算法层，难的是每两三周换一次思维范式。

一、广度的代价

机制：六块内容每块都只停在「概念与经典算法」层（分析）——**A* 的可采纳性、贝叶斯网络的推断复杂度都不深挖**（分析）。

为什么卡：每两三周换一个思维范式（从状态空间到逻辑到概率）（分析）——旧块还没焐热，新块已开（分析）。

卡了会怎样：六块学成六座孤岛（分析）——综合题跨块就无从下手（分析）。

怎么补：复习第一件事画「六块全景一张图」（分析）：每块三个核心概念＋一个代表算法——所有真题在这张图上定位（分析）——零散记忆必然散架，图能撑住结构（分析）。

画图时给每块标一个「最容易被考到的点」（分析）：搜索考性质交叉表、不确定性考网络推断、哲学考论证结构——标出来的三个点，就是复习时的优先项（分析）。

二、搜索算法的家族辨析

机制：**DFS／BFS／迭代加深／局部／启发式／A*，各自的性质是一张交叉表（分析）——完备性、最优性、复杂度**（分析）。

为什么卡：只背名字不懂性质（分析）——选择题里连环踩坑（分析）。

卡了会怎样：**把 DFS 的性质安在 A* 头上（分析）——说不出可采纳性定义**（分析）。

怎么补：自制「算法×性质」表（分析）：完备／最优／复杂度三列——每周默写一遍，直到考前还能全对（分析）——表在心里，场景题就是查表（分析）。

三、知识表示的形式化门槛

机制：从产生式规则到描述逻辑是一路加严的形式系统（分析）——语义网络直观，逻辑系统要求精确的语法与语义（分析）。

为什么卡：非单调逻辑尤其反直觉（分析）——「鸟会飞」与「企鹅是鸟」的经典冲突（分析）。

卡了会怎样：形式化题写不出规则，只能写自然语言（分析）。

怎么补：每个表示法各写一个三行例子（分析）：规则怎么写、怎么推理、在哪里失效——三行写完再读理论（分析）——例子先行，形式化才不抽象（分析）。

四、贝叶斯网络的推断链

机制：条件独立与 d-分离是全课最抽象的技术点（分析）——给网络算概率要沿图结构做信念传播（分析）。

为什么卡：没有小网络的手算训练（分析）——一步错全链错（分析）。

卡了会怎样：几节点网络的推断题全错（分析）——不会沿网络算联合概率（分析）。

怎么补：拿三个五节点小网络手算到底（分析）：联合、条件、传播各一遍——把每步写成分步模板（分析）——模板在手，考场就不慌（分析）。

五、哲学层论述的规范

机制：图灵测试、中文屋这些议题看似「讨论题」，实则考论证结构（分析）——论点、思想实验、反驳、立场（分析）。

为什么卡：习惯「各打五十大板」的综述式答法（分析）——在这里拿不到分（分析）。

卡了会怎样：两边都提不站队，段落里没有「我认为」（分析）。

怎么补：四句式立场训练（分析）：论点、思想实验、最强反驳、我的立场——每议题限时写一段（分析）——要站队并辩护（分析）。

六、手写英文算法证明

机制：**考试要手写算法论证（为何 A* 最优）**（分析）。

为什么卡：证明骨架记得，英文表述写不顺（分析）——符号流与文字流的切换耗时（分析）。

卡了会怎样：会证但写不完（分析）。

怎么补：核心三证明各限时手写三遍（分析）：**BFS 完备、A* 可采纳则最优、贝叶斯链式法则——每遍之间隔一天（分析）——隔天还能默出的证明，才真正进了长期记忆**（分析）。

七、AI 术语的双源词汇

机制：词汇横跨哲学（中文屋、图灵测试）与算法（启发式、可采纳性）（分析）——科普译名与学术术语有偏差（分析）。

为什么卡：读教材章节术语对不上（分析）——论述题用词不专业（分析）。

卡了会怎样：看得懂大意，写不出标准表述（分析）。

怎么补：按六块建「英文术语—标准中文对应—一句定义」三列卡（分析）——开课前完成搜索与表示两块（词汇最密）（分析）——每周新术语当天入卡，期中后按块分档（分析）。

八、预习与后续的自学量

机制：预习与后续工作是课程设计的一部分（分析）——课堂外的前后自学不是可选项（分析）。

为什么卡：跳过预习直接听课，概念密度跟不上（分析）。

卡了会怎样：课上记笔记变抄PPT，理解为零（分析）。

怎么补：预习只读教材对应章开头两页（动机与图示）（分析）——课后当天重做一遍课上例题（分析）——预习成本低，不预习的损失是三倍时间（分析）。

九、纯考型复习的组织

机制：100% 期末，没有过程分可以托底（照实）。

为什么卡：六块内容零散，复习无从下口（分析）——没有加权计划（分析）。

卡了会怎样：考前两周只过了两块（分析）。

怎么补：复习按真题权重分块（分析）：先搜索与不确定性，再表示与学习——每块锁定三套题（分析）——最后留一个整块做完整限时模拟（分析）。

十、六块之间的连接

机制：课程的目标是「全景导览」（照实）——而全景的意义在块与块的关系（分析）。

为什么卡：每块单独学都能懂，连起来就糊涂（分析）。

卡了会怎样：综合题（如「用贝叶斯网络改进搜索问题建模」）无从下手（分析）。

怎么补：在全景图上标注块间连线（分析）：搜索与学习的边界、表示与推理的接口——每学完一块，就画一条连线并写一句为什么（分析）——连线就是课程真正想教的东西（分析）。

留学生特别提醒

中国学生最容易在六处吃亏：术语双源对不上、哲学论述写成综述、手写证明写不顺、不预习跟不上、复习没有加权计划、六块连不成图。

• 按六块建「英文术语—标准中文对应—一句定义」三列卡：开课前过完搜索与表示两块。
• 每个哲学议题备四句式（论点／思想实验／最强反驳／我的立场）：每议题限时写一段。
• 核心三证明限时手写三遍（BFS 完备、A* 可采纳则最优、贝叶斯链式法则）：每遍隔一天。
• 预习只读教材对应章开头两页：课后当天重做课上例题。
• 复习按真题权重分块：先搜索与不确定性，再表示与学习，每块三套题，最后整卷限时模拟。
• 画六块全景图画块间连线：每学完一块补一条连线并写一句为什么。

怎么准备？

准备的关键是三条：把术语换血、把全景图搭起来、把证明练成手写肌肉。

• 建术语三列卡：先做搜索与表示。
• 画六块全景图：每块三个概念一个算法。
• 默写算法性质表：完备、最优、复杂度三列。
• 手算两个五节点贝叶斯网络：联合与条件各一遍。
• 备四句式立场：图灵测试与中文屋各一段。
• 手写三证明：隔天各一遍。
• 读教材对应章开头两页：每课预习固定动作。
• 按权重排复习：每块三套题。
• 整卷限时模拟一次：练时间分配。
• 标块间连线：每块一句「它和谁有关」。

中英术语速查

• artificial intelligence（AI） —— 人工智能。
• Turing test —— 图灵测试。
• Chinese room argument —— 中文屋论证。
• Church-Turing thesis —— 丘奇-图灵论题。
• strong AI / weak AI —— 强人工智能／弱人工智能。
• symbolic vs sub-symbolic —— 符号主义与子符号主义。
• breadth-first search（BFS） —— 广度优先搜索。
• depth-first search（DFS） —— 深度优先搜索。
• iterative deepening —— 迭代加深。
• local search —— 局部搜索。
• heuristic search —— 启发式搜索。
• **A\* search** —— A* 搜索。
• admissible heuristic —— 可采纳启发式。
• branch and bound —— 分支定界。
• dynamic programming —— 动态规划。
• knowledge representation —— 知识表示。
• production rule —— 产生式规则。
• monotonic / non-monotonic logic —— 单调／非单调逻辑。
• semantic network —— 语义网络。
• frame / script —— 框架／脚本。
• description logic —— 描述逻辑。
• data-driven / goal-driven reasoning —— 数据驱动／目标驱动推理。
• Bayesian network —— 贝叶斯网络。
• conditional independence —— 条件独立。
• d-separation —— d-分离。
• belief propagation —— 信念传播。
• supervised / unsupervised learning —— 有监督／无监督学习。
• reinforcement learning —— 强化学习。
• ID3 —— Quinlan 的决策树算法。
• classification and regression tree（CART） —— 分类与回归树。
• AIMA —— 《人工智能：一种现代方法》教材简称。

关于我们

鱼之跃做在读留学生的学业支持，服务分两块，界限很清楚：

辅导＝老师授课：由 QS 前 200 院校的硕博老师把课程的知识点、推导链、作业要求讲透，按对口专业配课；覆盖同步辅导、论文辅导、考前辅导、预习。

护航＝你的学业管家：排计划、理材料、理流程这些杂事都替你打点好，该提前准备的他先想到；你只管学，有事随时找，需要时都在。同地区的留学学姐，熟悉你所在学校的节奏。

学术问题上的申诉，我们做材料梳理与流程陪跑，不代写、不代考、不碰学术诚信边界，也不承诺任何成绩。

课程官网与核对说明

课程官网（学校官网）：https://www.southampton.ac.uk/courses/2026-27/modules/comp6231

本文涉及学校、模块代码、层级（Level 7）、体量（15 CATS／7.5 ECTS）、场次（Semester 1）、学年、模块负责人、模块概述原句要点（介绍 AI 基本概念与技术／广泛导览／覆盖现代与经典、符号与统计的方法／为第二学期专门选项做准备）、概述另列五点（经典与现代方法、主要成就与不足、主要技术及适用范围、哲学基础、未来挑战）、六块大纲及细目、两组五条学习成果、教材（Russell 与 Norvig《Artificial Intelligence: A Modern Approach》2003，Prentice Hall）、考核（期末考核 100%；补考与重修均为设定任务 100%；Repeat type Internal & External）、学习时间结构见学校官网（具体数字不在此列）、无先修要求等事实，均来自上述学校官网模块页；核对时间为 2026-11-01。文中标「（分析）」的句子为基于官网事实的推导或判断，不代表学校官方表述。

← 学业指南首页课程库