【编者按】
百余年前，《新青年》凭借纸笔为新世界发出呐喊。如今，新青年把算法当作笔，将算力视为墨，在具有划时代意义的人工智能新世界里回答未来 。
4月29日，国家领导人在上海展开考察，他抵达了位于徐汇区的“模速空间”大模型创新生态社区进行调研，还对现场的青年创新人才予以鼓励，称“人工智能是年轻的事业，也是年轻人的事业。”
新青年与新技术展开对话，共同擘画出人工智能的新世界，在这个五月，澎湃新闻推出了“AI世界的年轻人”特别报道，聚焦于上海那些富有智慧的青年 。
本篇走近沈君豪，他出生于2002年，在大一时参加了世界人工智能大会，这段经历让他带着明确的方向走上了AI之路。
祝碧晨 设计
一位计算机专业的大学生在本科期间能够做些什么呢？在AI浪潮之下，沈君豪选择了朝着浪潮前进 。
他出生于2002年9月，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，学院给予了他支持，导师给予了他支持，团队也给予了他支持，在此共同支持下，他获得了诸多荣誉，比如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，他还在CCF - A类国际会议发表了3篇论文，其中第一作者的论文有2篇。
回忆大学起点，沈君豪选择计算机专业时并非特别笃定，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，他觉得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年的开学典礼上进行发言 ，本文的图片都是受访者所提供的 。
一上完课就跑去实验室
除本科课程外，沈君豪对人工智能有明确的学习路径，他会阅读国内外人工智能的经典教材，会参与学院的科研计划，在导师指导下看论文做研究，还会参与各种学术交流。
沈君豪解释说，书本知识较为系统，论文知识比较前沿，科研能够把理论应用于实践，学术交流中有许多尚无定论的问题，参与讨论能够较好地把握科研动态 。
他痴迷于研究，多数情况下，他上完课便立刻前往实验室；导师对他大力支持，在实验室为他预留了位置。他专注于智能教育领域，主要开展了两个研究项目。
在教育评估中，传统心理学方法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，这就是“符号认知诊断” 。
沈君豪在中国机器学习及其应用研讨会上作口头汇报。
他表示，这个方向的参考文献数量不多，在工程实践方面几乎没有人开展过相关工作。他尝试了许多方案，从搭建实验平台到测量指标，然而做了半年时间，却并未取得显著成效。后来，他重新对理论基础和代码逻辑进行分析，积极向导师以及同门请教，最终找到了可行的方案。
另一项研究是“超图认知诊断”，它利用超图结构捕捉学生之间同质性影响因素，以此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，在1+1课堂教学与针对性个性化课后素养能力提升方面落地，它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
沈君豪除了在实验室中潜心钻研，还把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，山区占全县总面积的87.5%，还有高寒山区。2024年9月起，至12月结束，沈君豪与其他志愿者，通过远程连线的方式，为寻甸县仁德四小四年级的6个班级，开设了大语言模型科普课程，课程每周一节。
沈君豪说，他考虑到学生年龄、认知和设备限制，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，他认为，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。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。孩子们觉得这个东西特别好玩，非常热衷于尝试。他们生成各种图片、写小说、配上插图进行创作。而且他们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，他认为孩子们能从中受益，能够不掉队。这个课程的使命便完成了。
在教学进程里，沈君豪敏锐地发觉到，计算设备的短缺对智能教育模型的部署造成了限制。所以，他的研究方向进一步拓展，即怎样使深度学习模型在低性能设备上运行，从而为更多教育资源欠缺的地区提供服务。他深切体会到，只有意识到教育一线的需求，才会切实去行动。他对技术助力教育公平有了更深刻的认识 。
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，在巴塞罗那召开了国际知识发现与数据挖掘大会，他在大会上与各领域学者进行交流，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发了他更深层的反思，他表示以前的科学研究常常个人或小团队就能完成，而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。”
也就是说，人工智能进一步发展，仅靠高校无法完成，需高校、企业、研究机构共同协作，从芯片到模型、从算法到产品构建全链路生态。他觉得，科研工作者要处于高校与企业的交叉位置，既要有理论深度，又要能推动技术落地。
他做出读博的选择，正是对这一趋势的积极响应。他选择了上海交通大学人工智能学院，是因为他看重这里产研融合的生态。这所学校背靠上海人工智能实验室，既能深耕基础理论，又能连接产业需求，他觉得“这里是比较合适、能够有所作为的地方”。
读博期间，他计划专注于多模态模型推理研究，在更长远的规划方面，他希望能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
沈君豪对人工智能，对技术自主和全球协作的平衡，对数据安全，对道德伦理，对技术与人的关系等方面有诸多思考 。他坚信 ，技术能够解放生产力 ，但人文关怀是技术无法替代的 。解放生产力之后 ，人才会有更多时间去实现关怀 。
谈及AI青年人才需具备的能力时，沈君豪强调，最重要的是学会学习，大模型对所有人而言都是新事物，青年人与老一辈学者基本处于同一起跑线，我们要从海量信息中筛选出真正的问题，还要借助人工智能，构建一个从学习、验证再到迭代的闭环，以此不断推动科研进步。
我们还需要明白，这属于一个新兴领域，多数尝试都会遭遇失败。失败并不代表没有用处，它能在科研途中帮你排除一条错误道路。他讲，研究是由失败积累而成的，我们要有承认错误的胆量、面对失败的坚韧，如此方可在长期积累里实现突破。
