第589章 课题合作（1/2）

辅修“智能科学与技术”的申请，在春季学期开始后不久便顺利通过了审核。流程比韩澈预想的要顺畅，或许得益于他不错的GPA和体育特长生的“特殊通道”，又或许是交叉信息研究院本身鼓励学生进行跨学科探索。当看到选课系统中多出的那几门颜色不同的课程时，韩澈深吸一口气，知道一段新的、注定更加忙碌的旅程开始了。

新课表排得如同高难度乐谱。除了本专业的《电磁场与波》、《模拟电子技术基础》等硬核课程，辅修专业的《人工智能导论》、《计算神经科学基础》、《最优化方法》也赫然在列，其中《最优化方法》还是与数学系合上，以难度大、作业多著称。训练时间被重新规划，更加紧凑。每天清晨，当大多数同学还在梦乡时，韩澈已经完成了一组核心力量训练和投篮练习；上午的课程结束后，他匆匆赶往食堂，边吃边看上课录屏或预习资料；下午是固定的球队集体训练和战术演练；晚上则完全交给了图书馆和自习室，在《信号与系统》的傅里叶变换和《最优化方法》的拉格朗日乘子法之间来回切换，常常到闭馆音乐响起，才带着满脑子的公式和代码离开。

生活被压缩成了简单的三点一线：教室（实验室）-训练馆-图书馆。睡眠时间被无情地挤压，咖啡和浓茶成了忠实伴侣。但他却奇异地感到一种充实的疲惫。篮球训练让他的身体保持在高强度的运转状态，而繁重的学业，尤其是那些全新的、充满挑战的交叉学科课程，则不断刺激和拓展着他思维的边界。两种截然不同的“苦”，交织在一起，竟产生了一种奇特的平衡与满足感。

苏晚的身影，偶尔还是会出现在图书馆，通常是在更僻静的专题阅览区或研究厢，身边堆放着更多外文书籍和打印的论文。韩澈远远见过几次，并未上前打扰。他们像两条偶尔交汇又迅速分开的溪流，各自奔涌在属于自己的河道里。直到那个寻常又不寻常的下午。

那是《人工智能导论》的课程项目宣讲会。这门课是辅修专业的核心必修课，考核方式除了期末考试，还有一个占总评30%的团队课题项目，要求3-4人一组，自选与人工智能相关的课题，完成从问题定义、文献调研、方法实现到结果分析的完整流程，并在期末进行展示和答辩。

宣讲会在一个中型阶梯教室举行。授课的是一位年富力强、语速极快的青年副教授，姓秦，研究方向是计算机视觉与强化学习。秦教授用了大半节课时间，以令人眼花缭乱的速度介绍了近年来AI各子领域的突破性进展和前沿方向，从生成式模型谈到具身智能，从大语言模型聊到AI for Sce，信息密度极高，听得底下学生们既兴奋又头大。

“好，前沿我们就先了解到这里。”秦教授推了推眼镜，切换到PPT的最后一页，上面列出了课题项目的具体要求和时间节点，“接下来是重点：课题自由组队，自由选题。但有两个建议：第一，选题不要太泛，比如‘研究人工智能的利弊’这种不行，要具体，有明确的技术目标和可评估的结果；第二，鼓励交叉创新，结合你们各自的专业背景。我们清北的优势就是学科齐全，别浪费了。你是学生物的，能不能想想AI在基因测序或药物发现中的应用？你是学建筑的，能不能探索生成式设计？你是学心理的，能不能结合认知模型？当然，经典的LP、推荐系统课题也可以，但要做出新意。”

“组队名单和初步选题意向，下周上课前提交。现在，给大家二十分钟自由讨论，可以寻找队友，也可以初步碰撞一下想法。”

教室里立刻响起一片嗡嗡的讨论声。学生们开始四处张望，寻找熟悉的同学，或者主动出击，询问彼此的专业和兴趣。韩澈坐在靠后的位置，有些踌躇。他在这个班里认识的人不多，仅有的几个点头之交，似乎也已经找到了队友。他本身是电子工程专业，对AI的了解刚刚入门，要提出一个具体且有新意的课题，并非易事。

他正低头看着课程大纲，思考着自己那点可怜的篮球数据分析想法是否够格作为一个课题时，一个平静的声音在旁边响起：

“你对什么方向感兴趣？”

韩澈抬头，微微一怔。苏晚不知何时走了过来，站在他旁边的过道上。她今天穿着一件浅灰色的连帽卫衣，背着那个看起来永远鼓鼓囊囊的帆布包，表情是一贯的沉静，只是眼神里带着一丝询问。

“呃……”韩澈没想到她会主动过来，一时语塞。他快速整理了一下思绪，决定实话实，“我对AI在体育数据分析，特别是篮球比赛分析上的应用，有一些模糊的想法。但具体怎么做，还没什么头绪。这个方向……可能有点偏，也未必容易出成果。” 他知道苏晚的研究方向很高端，担心自己的“业余”想法入不了她的眼。

苏晚听了，并没有立刻表示赞同或否定，而是微微偏了偏头，似乎在思考。“体育数据分析……具体指什么？球员动作捕捉？战术模式识别？还是比赛结果预测？”

她的问题很直接，也很专业，一下子把韩澈脑海中那些零散的念头逼到了需要具体化的境地。韩澈深吸一口气，努力组织语言：“可能……更偏向战术模式识别和球员行为预测？比如，通过比赛视频数据，自动识别常见的战术配合，或者预测球员在特定局势下的跑位和传球选择。我打球，对这些比较有直觉，但不知道能不能用AI的方法来建模和验证。”

苏晚安静地听着，手指无意识地摩挲着帆布包的带子。“基于视觉的时空行为分析，确实是当前的一个研究热点。难点在于数据标注成本高，模型需要理解高层次的语义信息，而不仅仅是像素变化。另外，篮球比赛的动态性很强，规则和球员互动复杂，建模难度不。” 她顿了顿，目光在韩澈脸上，那眼神像是在评估一个实验方案的可行性，“不过，如果你能提供准确的领域知识和具体的分析需求，或许可以简化问题。比如，不追求全自动的通用模型，而是针对特定战术或特定球员，设计专门的识别或预测任务。”

韩澈眼睛一亮。苏晚没有否定他的方向，反而给出了非常专业的难点分析和可行的切入点建议。这让他心里那点不自信消散了不少。“你的意思是，我们可以做一个更聚焦的、验证性质的课题？比如，专门识别‘挡拆’（pid roll）战术，或者预测控球后卫在快攻中的传球选择？”

“可以朝这个方向考虑。”苏晚点头，“但需要明确数据来源、标注方法、模型选型和评价指标。公开的、标注好的篮球比赛视频数据集可能不多，甚至没有。我们需要自己想办法获取和处理数据。”

“数据我可以想办法！”韩澈立刻，“球队有大量的比赛录像，教练组也有详细的战术标注记录。虽然不一定完全符合机器学习的数据格式要求，但可以作为起点。如果需要更精细的标注，我……我可以想办法处理一部分。” 他想到了自己漫长的基础训练后那些可以用来“抠细节”的时间。

苏晚似乎有些意外他能提供数据支持，但并未多问，只是：“有数据是第一步，也是关键一步。如果能解决数据问题，这个课题的可行性会高很多。”

这时，另一个声音插了进来：“嘿，你们在讨论课题吗？加我一个怎么样？”

一个戴着黑框眼镜、身材微胖的男生凑了过来，脸上带着友好的笑容。韩澈认得他，是计算机系大三的，好像叫王睿，在之前的课程组讨论中发言挺积极，技术基础似乎很扎实。

“我们正在讨论一个可能的方向，关于AI在篮球比赛分析中的应用。”韩澈简单介绍了一下。

王睿一听，来了兴趣：“篮球？这个有意思！我是NBA铁杆球迷，自己也打球。用AI分析比赛，酷啊！数据问题韩澈你能搞定的话，那太棒了。建模和实现这块我可以多出力，我对计算机视觉和时序建模有点研究。哦对了，我还会点前端，最后成果展示可以做个炫酷点的交互界面！” 他语速很快，显得热情洋溢。

本章未完，点击下一页继续阅读。