一、专业定位与学科性质

该专业全称为“人工智能融合专业硕士”，从名称即可看出，它并非传统意义上的单一学科硕士，而是具有高度跨学科融合特征的专业学位，归属于理工科大类。在访谈中，吴倩特别强调：她并非简单套用现成AI工具，而是“系统学完编程与算法后，独立交付了可运行的完整项目”。换言之，该专业要求学生真正掌握编程、算法、机器学习、深度学习等核心技术能力，并将重心放在AI与其他领域的交叉应用之上——这恰恰是其核心价值所在。

二、核心理论课程

依据武汉大学官方培养方案以及行业通用课程体系，该专业的主干理论课主要涵盖以下几大模块。

1. 机器学习与深度学习

这相当于AI领域的“内功心法”。学生需要系统学习监督学习、无监督学习、强化学习等基础算法，并深入掌握神经网络、卷积神经网络、循环神经网络等深度学习模型。课程要求从头构建模型、进行训练与调优，走完一整套实操流程，而非仅仅停留在理论层面。

2. 自然语言处理

文本分类、情感分析、机器翻译、对话系统——这些是NLP核心技术。不少学员反馈，这门课是整个课程体系中难度最大的，因为数学推导与代码实操要求并重，两者都必须扎实掌握。

3. 计算机视觉

图像识别、目标检测、图像分割等视觉技术与影视行业天然高度契合。吴倩本人曾提到，她借助AI梳理剧本中的人物脉络、构思视觉概念，这正是计算机视觉课程在创意产业中的典型应用场景。

4. 数据科学与统计方法

数据采集、清洗、分析、可视化——这些技能构成算法开发的数学地基。若缺乏这一基础，后续模型开发极易陷入各种问题。

三、编程与算法实践课程

该专业对动手实践能力的重视，从实践课时占比即可明显看出。核心环节包括：

1. Python编程与算法设计

要求学生用Python独立完成编程项目，课程覆盖数据结构（线性表、栈、队列、树、图）和算法设计技术。吴倩从零基础起步，如今已能独立编写完整的交互程序——这一进步跨度相当可观。

2. 项目制工程实训

采用“理论教学 + 通关实验 + 项目实操”三位一体模式。学生需经历数据集处理、模型搭建、程序调试直至效果评估的完整流程。吴倩在节目中展示的全粉色俄罗斯方块游戏，正是这门课的典型作业成果。

四、选修与交叉应用课程

为强化AI与不同行业的融合，课程体系中还特别设置了两门特色课程：

1. AI伦理与行业规范

法律、隐私、算法公平性等议题在产业落地中日益关键。该课程旨在培养学生不仅掌握技术，更能承担社会责任与伦理意识。

2. 影视科技融合

探索AI在影视内容创作、虚拟制作、智能剪辑中的应用。这与吴倩的演艺背景自然衔接——她平时常使用AI梳理剧本人物，相当于将课堂知识直接应用于片场实践。

五、实践成果展示

吴倩在节目中展示的课程作业——全粉色俄罗斯方块游戏——能直观反映该课程的硬核程度：从底层代码编写到界面设计，全部由她独立完成；游戏中加入了个人标识“无限”logo，并具备计分、排行榜、难度递进等完整交互功能。最重要的是，她从零基础到完成该作品仅用了两天时间。这背后所体现的编程能力、算法逻辑与数字创作功底，正是课程体系对实践能力严苛要求的直接写照。

六、学习挑战与特点

该专业的特点与挑战，总结下来有以下几点值得特别关注：

1. 跨专业壁垒

吴倩本科为艺术专业，她需要从头补习线性代数、概率论、微积分等数学基础。编程训练对非理工背景学员而言，是第一道硬性门槛。

2. 课程强度

有网友分享类似感受：“整体强度大约相当于大三一整年专业课的感觉。”最难啃的课程集中在生成式AI与自然语言处理方向——这两个方向对数学推导与工程实现的要求都非常高。

3. 时间管理压力

吴倩边拍戏边带娃边学习：白天在片场，收工回家后照顾女儿，等孩子入睡再打开电脑写代码。这几乎是她过去一年的常态。能在碎片时间内高效利用时间，本身就是一种硬本领。

总体来看，吴倩在武汉大学攻读的人工智能融合专业硕士，凭借系统化的课程设计、理论与实践并重的培养模式以及项目驱动的教学方法，帮助她实现了从零基础到跨领域AI人才的全面蜕变。