Stanford launches two new free online courses for AI

PAI focuses on teaching the ability to understand and evaluate AI through probability reasoning, starting with basic concepts like random variables and maximum likelihood estimation, and moving to more advanced topics such as neural networks and model calibration.

CIP is a Python programming course designed to build computational thinking, covering control flow, variables, and data structures through practical projects like creating simple games and art.

Both courses are designed to be accessible to non-technical learners, with PAI explicitly stating it does not require calculus or advanced coding skills.

斯坦福大学最新推出两门秋季免费线上课程： Probability for AI (PAI) 和 Code in Place X (CIP) PAI 培养理解与评估 AI 的概率推理能力；CIP 培养实现与拆解问题的 Python 编程能力。 # PAI：把“会用 AI”推进到“能判断 AI” 课程地址： pai.stanford.edu 核心内容：概率基础、随机变量、最大似然估计、逻辑回归、神经网络、概率化评估（含公平性与校准）。 学习形式：每周一个概率主题加一个实践项目，最后完成自选项目。 PAI 的课程设计并非从编写复杂模型起步，而从概率作为 AI 的语言起步。它把抽象概念与具体问题绑定：例如用最大似然估计做隐藏信息推断，用逻辑回归检验模型何时有效、何时失效，用可视化理解神经网络，并在最后讨论公平性和校准。这里的“校准”可理解为：模型给出 80% 把握时，长期看是否真的大约八成正确。这种能力直接关系到人们能否恰当地理解模型的置信度，而非只接受一个看似确定的答案。 因此，PAI 的价值在于建立AI 判断力。学习者不会在六周内获得完整的机器学习工程训练，也不应把它视作一门替代大学概率论或高阶机器学习的课程。它更像一条低门槛的概念入口：用必要的数学和实践，让非技术背景者也能理解“数据如何支持结论”“模型为何会出错”“评价指标为何会影响决策”。官网明确取消代码与微积分门槛，说明它将重点放在推理框架而非推导技巧上。 值得注意的是，PAI 是新课，但不是未经验证的教学实验。课程共同创建者 Chris Piech 将其描述为按 “Code in Place” 方式推出的新项目；其核心小组带教机制来自已有多年运行经验的 CIP。 # CIP：先建立计算思维，再谈 AI 开发 课程地址： codeinplace.stanford.edu 核心内容：控制流、循环与条件、变量和控制台程序、图形、列表与字典；内容取自 CS106A 前半段。 学习形式：Stanford 讲授视频、编程作业、每周小组课和同伴社区。 Code in Place X 是基于 Stanford CS106A 前半段的 Python 入门课程。它先借助 Karel 这类可视化编程任务建立顺序、分支和循环的心智模型，随后进入变量、控制台程序、图形、列表和字典。课程强调“做出来”：随机艺术、小游戏等任务使学习者必须把需求拆成步骤、表达状态、调试错误并迭代程序。 这意味着 CIP 的直接目标不是教授生成式 AI、提示词或大模型应用。它培养的是更底层的计算表达能力：知道程序如何控制流程、数据如何组织，以及一个系统为什么会按某种逻辑运行。这种基础能帮助学习者在后续接触 AI 工具或 API 时，不止停留在调用层面；但它本身仍是一门初级编程课，而非完整的软件工程或 AI 开发课程。 CIP 的可信度主要来自其教学组织方式和持续规模，不只是 Stanford 品牌。官网列出 2020、2021、2023、2024、2025 五次既往开课，累计超过 6 万名学习者和 5,500 名小组导师。早期同行评议研究记录了首期逾 900 名志愿导师与逾 1 万名学生；作者报告，该期完成率超过可比 MOOC 的十倍以上。该历史结果不能保证任何个人或 2026 年课程的完成表现，但它支持一个判断：小组责任、互动和助教训练是该模式的实质组成，非营销点缀。 Stanford HAI @StanfordHAI Two new Stanford courses are free this fall — and applications close at the end of the month. Probability for AI and Code in Place X are six-week programs designed for anyone who wants to understand how AI works, not just how to use it. No prerequisites, no experience needed: pai.stanford.edu | codeinplace.stanford.edu 🔗 View Quoted Tweet📊 1 ⚡

This report is categorized under AITOP's "How-to" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Stanford, Probability for AI, Code in Place X.

Source attribution: curated from shao__meng (@shao__meng).