【编者按】

“青年之于社会，犹新鲜活泼细胞之在人身。”百余年前，《新青年》以纸笔为新世界呐喊。今时今日，新青年以算法为笔，算力为墨，在划时代的人工智能新世界作答未来。

4月29日，习近平总书记在上海考察，他来到位于徐汇区的“模速空间”大模型创新生态社区调研，并鼓励现场青年创新人才，“人工智能是年轻的事业，也是年轻人的事业。”

新青年与新技术对话，擘画人工智能的新世界。这个五月，推出“AI世界的年轻人”特别报道，关注在上海的有“智”青年。

本篇走近出生于2002年的沈君豪，大一时参加世界人工智能大会的经历，让他带着明确的方向走上AI之路。

祝碧晨 设计

一位计算机专业的大学生在本科期间可以做什么？AI浪潮下，沈君豪选择逐浪前行。

出生于2002年9月的他，是华东师范大学计算机科学技术学院2021级本科生，目前已直博上海交通大学人工智能学院。四年间，在学院、导师和团队的共同支持下，他获得了NeurIPS 2023因果结构学习挑战赛国际冠军、2024年中国计算机学会大学生学术秀本科组冠军等诸多荣誉，在CCF-A类国际会议发表论文3篇，其中第一作者2篇。

回忆大学起点，沈君豪选择计算机专业没有特别笃定，只是抱着尝试的心态。转折点发生在大一下学期——那时他参加了在上海举办的世界人工智能大会，关于智能教育的话题点燃了他的兴趣：如果人工智能可以为教育公平和资源分配不均提供有效的支撑，那将是有趣且有意义的事情。自此，他带着明确方向走进人工智能世界。

沈君豪在华东师范大学2024年开学典礼发言。本文图片均为受访者供图

一上完课就跑去实验室

本科课程之外，沈君豪对人工智能有着明确的学习路径：阅读国内外人工智能的经典教材；参与学院的科研计划，在导师的指导下看论文做研究；参与各种学术交流。

“书本知识比较系统，论文知识比较前沿，科研可以将理论付诸实践，而学术交流很多是没有定论的问题，参与讨论可以对科研动态有比较好的把握。”沈君豪解释。

因为痴迷研究，大部分时候，他一上完课就跑去实验室；导师也很支持他，在实验室里给他留了位置。聚焦智能教育，他主要进行了两个研究项目。

一个是“符号认知诊断”。在教育评估中，传统心理学方法虽能清晰解释学生能力，却难以应对复杂的教学场景；深度学习算法虽建模精细，但复杂的“黑箱”模式让教师难以信任。为此，沈君豪尝试平衡准确性和解释性，以符号形式表达学生能力和学生在不同项目上的反馈之间的关系，以便教师理解和应用。

沈君豪在中国机器学习及其应用研讨会上作口头汇报。

“这个方向参考文献少，工程实践几乎没人做过。”他说，从搭建实验平台、测量指标，其间他尝试了很多方案，但做了半年也没有显著成效。后来，他从头分析理论基础和代码逻辑，积极向导师和同门请教，最终找到了可行方案。

另一项研究是“超图认知诊断”，利用超图结构捕捉学生之间的同质性影响因素，以提高个性化学习推荐的精准度。这些成果服务于上海市教委教育数字化转型，落地1+1课堂教学与针对性个性化课后素养能力提升。其能系统帮助教师快速评估学生各项能力，实现教学的个性化与精细化。

寻甸数字支教，学生正在听课。

将AI课程送到云南山区

除了在实验室中的潜心钻研，沈君豪还将AI带到了更遥远的地方。自2019年起，华东师范大学与云南寻甸建立了对口帮扶机制，通过课程开发等推动乡村教育振兴。寻甸回族彝族自治县隶属于昆明市，山区、高寒山区占全县总面积的87.5%。2024年9月至12月，沈君豪和其他志愿者通过远程连线，为寻甸县仁德四小四年级的6个班级开设了每周一节的大语言模型科普课程。

“虽然大语言模型对他们而言可能是比较新颖或遥远的东西，但我认为，有一天他们总会用得上，不能因为暂时的条件不足就不去科普。”沈君豪说，考虑学生年龄、认知和设备限制，他花了很多精力设计课程内容，用通俗有趣的方式展示AI的可能性，比如利用云平台部署的语言模型辅助教学，并以语言模型生成图片和故事作为案例。他自己和其他志愿者也同时负责课程的教授与协调。

隔着电脑屏幕，他能看见孩子们的表情，“他们觉得这个东西特别好玩，非常热衷于尝试，生成各种图片、写小说、配上插图进行创作，而且不需要学过平面绘图软件，就能去完成一些事情，释放想象力。看着那些笑容，我认为他们能从中受益，能够不掉队，这个课程的使命便完成了。”

在教学过程中，沈君豪敏锐地察觉到，计算设备的稀缺限制了智能教育模型的部署。为此，他的研究方向也进一步延伸——如何让深度学习模型在低性能设备上运行，以便服务更多教育资源匮乏的地区。“意识到教育一线的需求后，你才会真正去做。”他对技术赋能教育公平有了更深的理解。

沈君豪在巴塞罗那参加2024年国际知识发现与数据挖掘大会。

站在校企交叉点做研究

2024年，在巴塞罗那的国际知识发现与数据挖掘大会上，他与各领域学者交流，探讨生成式人工智能带来的研究范式变革。观点的交流和碰撞引起他更深层的反思：“以前的科学研究常常是个人或小团队就能完成，在生成式人工智能时代，从模型基础建设、部署到推理，涉及非常复杂的工程问题，需要更广泛的协作。作为科研工作者，需要对自己的定位有明确认知。”

换言之，“人工智能再往下发展，不单单是高校能够完成的事，需要依靠高校、企业、研究机构共同协作，从芯片到模型、从算法到产品形成全链路生态。”他认为，科研工作者必须站在高校与企业的交叉点，既有理论深度，又能推进技术落地。

读博的选择正是对这一趋势的积极响应，之所以选择上海交通大学人工智能学院，他看重的是产研融合的生态，学校背靠上海人工智能实验室，既深耕基础理论，又连接产业需求，“是比较合适、能够有所作为的地方”。

读博期间，他计划聚焦于多模态模型推理研究；更长远的规划上，他期望能够在人工智能领域找到新的研究问题，推动人工智能为机器人应用提供基础，提升人工智能在教育等现实场景中的更深层嵌入。

学会学习，不断突破

关于人工智能，关于技术自主和全球协作的平衡、数据安全、道德伦理、技术与人的关系等等，沈君豪有很多思考。他坚信，“技术是能解放生产力的，但是人文关怀是技术无法替代的。解放生产力之后，人才有更多的时间去实现关怀。”

谈及AI青年人才需要具备的能力时，沈君豪强调：“最重要的是学会学习。大模型对所有人来说都是新东西，青年人与老一辈学者基本站在同一条起跑线上，我们要从海量信息中筛选出真正的问题，也要借力人工智能，构建一个从学习、验证再到迭代的闭环，不断推动科研进步。”

“我们还需要认识到，这是一个新兴领域，大多数尝试都会失败。失败并不意味着无用，它是在科研路上帮你排除一条错路。”他说，研究都是由失败堆积出来的，“我们要有承认错误的勇气、面对失败的韧性，这样才能在长期积累中取得突破。”