CMU 的 AI 學位：全美第一個 AI 學士，把「AI 該學什麼」寫成了畢業要求

🌏 English version

大多數學校的「AI 課程」是掛在資工系底下的一組選修。Stanford 是這樣，MIT 是這樣，Berkeley 也是這樣——你修完 CS 學位，順便修了幾門 AI 課。

Carnegie Mellon 不是。 2018 年它開出全美第一個獨立的 AI 學士學位，畢業證書上寫的是 Artificial Intelligence，不是 Computer Science。

這件事的意義不在「名字比較好聽」，而在於：一旦要發學位，學校就被迫回答「AI 到底該學什麼」這個問題，而且要寫成白紙黑字的畢業要求。 那份要求本身，比任何一份「AI 學習路徑」部落格文章都更值得讀——因為它是一整個學院吵出來、每年要對招生委員會負責的版本。

這篇拆解 CMU 這條線：學士怎麼排、輔系與雙主修差在哪、碩士有哪些，以及查證過程中撞到的兩處官方矛盾。

學士：BSAI 的四層結構

依 CMU 課程總目錄的官方說法：

The program and its curriculum focus on how complex inputs — such as vision, language and huge databases — can be used to make decisions or enhance human capabilities.

畢業要求分成這幾塊：

CS Core 是完整的資工地基，沒有打折

五門課是 CMU 資工本科生修的同一批：

15-122  Principles of Imperative Computation      12 units
15-150  Principles of Functional Programming      12 units
15-210  Parallel and Sequential Data Structures   12 units
15-213  Introduction to Computer Systems          12 units
15-251  Great Ideas in Theoretical Computer Science 12 units

這點值得停下來看。 很多人以為「AI 學位」是拿 AI 課換掉硬課，實際上剛好相反——15-213（電腦系統）和 15-251（理論計算）都在裡面，一門都沒少。AI 學位是在資工地基上再疊 AI，不是取代。

真正的設計在四個 cluster

BSAI 最有意思的規定是這條：AI Cluster Electives 四門，必須從四個 cluster 各選一門，不能全押同一個方向。

這個「不准偏食」的設計是整份課表最強的觀點：CMU 認為只會深度學習不算懂 AI。你必須碰過規劃與機器人、碰過感知與語言、而且碰過人機互動——最後那個 cluster 尤其少見，多數學校的 AI 課表裡根本沒有 HCI 的位置。

順帶一提，csdiy.wiki 上收錄的 CMU 10-414 Deep Learning Systems 就在 Machine Learning cluster 裡，公開教材完整——想自學的人不必等學位，可以直接從這門開始。

倫理是畢業要求，不是加分項

Ethics Elective 是獨立一欄，必修一門。加上人文七門裡強制有一門認知科學或認知心理，這份課表花在「人」上面的份量，比多數 AI 學程都重。

輔系與雙主修：不是 SCS 學生的入口

依 BSAI 官方頁：

CMU offers both a minor in artificial intelligence and an additional (double) major. Both programs are open to students from any primary major.

兩者都對所有主修開放。但有個容易誤會的限制寫在輔系頁上：

Note: The AI minor is not available to SCS students, nor is there an AI concentration.

資工學院自己的學生不能修 AI 輔系。 邏輯上說得通——SCS 學生要走 AI，該走的是機器學習、機器人、語言技術、HCI 這幾個 concentration，而不是繞回來修一個為外系設計的輔系。

輔系是六門：AI core 三門 + 技術選修兩門（從三個 cluster 裡挑兩個不同的）+ 一門 AI 社會面向的課。

碩士：AI 學位在這裡換了一個系

問「CMU 有沒有 AI 碩士」，答案是有，但它不在資工系。

MSAII：掛在語言技術研究所的創業型碩士

Master of Science in Artificial Intelligence and Innovation (MSAII) 由 Language Technologies Institute 開設，前身是 M.S. in Biotechnology, Innovation and Computing (MSBIC)。官方定位寫得很直白：

It combines a rigorous AI and machine learning curriculum with real-world team experience in identifying an AI market niche and developing a responsive product in cooperation with external stakeholders.

學分結構：

這裡的重點是 84 學分的 Core 幾乎不是 AI 課，是創業流程。 官方說明它是「五門課的序列，對應創新開發的四個階段」——機會辨識、機會開發、商業計畫、事業孵化。學生分組調查 AI 應用領域、對教授與同學做簡報、提出產品提案，然後這個提案要撐過接下來三個學期，最後變成 11-699 Capstone Project。

The purpose of the Core Curriculum is to prepare you to discover new AI applicants and develop them into a product suitable for further development, often leading to a startup enterprise.

真正的 AI 硬課在 72 學分的 Knowledge Requirements 裡（六門），例如 10-601 Machine Learning。選修池則橫跨 11-747 Neural Networks for NLP、11-777 Advanced Multimodal ML、10-605 ML with Large Datasets、15-780 Graduate Artificial Intelligence、16-824 Visual Learning and Recognition 等。

還有一條入學前的補課條款：必須先通過 15-513 Introduction to Computer Systems（6 學分），通常在開學前的暑假修完，那是 15-213 的遠距版。沒過的話得在學期中補修，而且那 6 學分不計入畢業學分。

申請資訊（Fall 2027 梯次）：2026 年 9 月 9 日開放，早鳥截止 2026 年 11 月 18 日下午 3 點 EST，最終截止 2026 年 12 月 9 日；申請費早鳥 $80、之後 $100。

另一條線：機器學習系的 MS in Machine Learning

如果你要的是研究導向而非創業導向，機器學習系（MLD）有自己的碩士：

The M.S. in Machine Learning is ideal for students preparing for a career in industry. This 16-month program is mostly coursework-based, with research being optional. It does not allow for a master's thesis.

16 個月、以修課為主、不能寫碩士論文。另有 M.S. in Machine Learning – Advanced Study 變體，所有變體的修課與 practicum 要求相同。

MLD 這邊的完整光譜比 LTI 寬：大學部有機器學習輔系、機器學習 concentration、Statistics and Machine Learning 雙主修；博士除了 ML PhD 之外還有四個聯合學位——Statistics and Machine Learning、Machine Learning and Public Policy、Neural Computation and Machine Learning、Autonomous & Human Decision Making。

「Machine Learning and Public Policy」這個聯合博士值得單獨指出，它跟 BSAI 把倫理列為必修是同一個institutional 取向：CMU 把「AI 的社會後果」當成學位結構的一部分，不是選配。

兩處官方頁面自己打架

查證時撞到兩個矛盾，兩邊都是 CMU 官方頁，這裡照實記下來，不自行「修正」成看起來合理的版本。

矛盾一：AI Core 是 2 門還是 3 門。

• SCS 的 BSAI 課程頁寫「Artificial Intelligence Core (3 Courses)」
• 大學課程總目錄寫「Artificial Intelligence Core (2 courses)」，列的是 07-280 Artificial Intelligence and Machine Learning I 與 07-380 Artificial Intelligence and Machine Learning II

課程頁還附了一句線索：「If you have already taken 10-301, please contact bsai@cs.cmu.edu about an alternate pathway to completing the AI core.」——看起來是課程改版進行中，07-280/07-380 這組新編號正在取代原本以 10-301（Introduction to Machine Learning）為主的舊路徑，兩個頁面停在不同版本。要申請的人請以系上為準，別照目錄猜。

矛盾二：MSAII 總學分是 192 還是 195。

同一頁 msaii.html 上，Curriculum 段落寫：

In total, you will complete 195 eligible units of study, including 84 units of Core Curriculum (including the 36-unit Capstone), 72 units of Knowledge Requirements, at least 36 units of approved Electives and the LTI Practicum (3 units...).

但同一頁的 Preparation Prerequisite 段落寫：

...the units will not count toward your 192 eligible units of study.

84 + 72 + 36 = 192，加上 3 學分的 LTI Practicum 才是 195。看起來是加了 Practicum 之後只改了一處，舊數字留在另一段沒同步。這不影響你能不能畢業，但它是個提醒：官方頁面不等於一致的頁面，看到數字對不上時，先確認是不是版本沒同步，再去問系上。

跟 Stanford 比，差在哪

本站另有一篇 Stanford CS 課程導讀，兩相對照差異很清楚：

自學者的實際結論：Stanford 的教材更容易拿到，但 CMU 的課表更值得拿來當地圖。如果你在排自己的 AI 學習順序，BSAI 那份「四個 cluster 各一門」的要求可以直接抄——它是一個有人為它負責的答案，而不是某個部落格作者的偏好。

參考資料

• B.S. in Artificial Intelligence（CMU School of Computer Science）
• BSAI Curriculum（系上課程頁）
• BSAI Minor（AI 輔系要求）
• Artificial Intelligence Program（CMU 大學課程總目錄）
• School of Computer Science Courses（課程描述與先修條件）
• Master of Science in Artificial Intelligence and Innovation（MSAII，LTI）
• Academics（CMU Machine Learning Department）
• csdiy.wiki 计算机自学指南（收錄 CMU 10-414、11-785、10-708 等公開課）
• Stanford CS 課程導讀：按先修關係排一次，從 CS106A 到 CS336