《AI+地球科学》课程聚焦人工智能与地球科学的交叉应用，介绍机器学习、深度学习等技术处理地球物理、遥感、气象、地质等大数据，优化气候预测、灾害预警、资源勘探模型；通过算法开发与编程实践，培养运用AI解决环境监测、能源探测等实际问题的能力，推动地学研究向智能化和自动化转型。对于地球物理系学生开课的内容包括讲解AI的基本概念和发展历程，重点介绍DeepSeek等主流推理模型的基本原理和使用方法。在专业应用方面，将结合固体地球物理（如地震数据处理、重力异常识别）和空间物理（如电离层扰动分析、地磁暴预测）等典型场景，通过实际案例演示机器学习算法的应用过程。课程特别设置实践环节，指导学生使用代码完成简单的数据处理和模型训练，培养计算思维能力。针对AI技术的快速发展，课程还将探讨如何持续学习和适应新技术变革。通过理论讲解、案例分析和代码实践相结合的方式，帮助学生建立AI与地球物理研究的交叉学科视野，为后续专业学习奠定基础。

知识目标
完成本课程后，学生应系统掌握以下三个层面的核心知识：
1.	人工智能基础与工具原理
学生将理解人工智能，特别是机器学习与深度学习的基本概念、发展历程及核心原理。重点在于辨析判别式AI与生成式AI的区别与联系，掌握以Transformer架构为代表的大语言模型工作机制。同时，学生需熟悉Python语言在地球科学数据处理、分析及可视化中的基础应用，了解其相关的核心科学生态库。
2.	地球科学专业核心概念
学生将掌握固体地球物理与空间物理两大方向的专业知识框架。具体包括固体地球物理领域的板块构造运动、地球内部结构、地震学机制、资源勘探方法；以及空间物理领域的日地系统概念、空间天气因果链及其对高技术社会的影响。关键是要理解这些领域产生的数据特性及传统研究方法的瓶颈。
3.	AI与地球科学的交叉融合知识
学生将建立“AI+地球科学”的交叉学科知识体系。这包括认识AI技术在地学中解决复杂问题的核心价值，例如如何将地学问题转化为分类、回归、聚类等AI可解的任务。学生需了解随机森林、CNN、LSTM及Transformer等模型分别适用于何种地学场景，并关注物理机制与数据驱动融合、AI不确定性量化等前沿方向。
能力目标
通过本课程的学习与实践，学生应重点培养以下三方面能力：
1.	AI工具高阶应用与主动学习能力
学生将能熟练运用提示词工程与DeepSeek等AI大模型，将其作为“智能学习助理”贯穿于文献调研、概念解释、代码调试、数据洞察、报告撰写等学习全流程，形成高效的人机协作习惯。在此基础上，能利用智慧教学平台和AI工具，自主规划学习路径，进行探究性学习，实现从“被动接收”到“主动建构”的转变。
2.	地学问题建模与创新解决能力
学生将能针对固体地球物理和空间物理中的实际问题，设计可行的AI解决方案框架，包括问题定义、数据准备、模型选择与结果分析。通过项目式学习，能综合运用所学知识，完成从数据获取、处理、分析到可视化的完整地学分析流程，并初步尝试将物理机制与数据驱动模型相结合。
3.	批判性思维与协同创新能力
学生将能严格审视AI生成内容与模型输出，识别“AI幻觉”与数据偏见，并通过多种渠道进行交叉验证，不盲信技术结果。同时，能在团队项目中有效协作，合理分工，运用数字化工具进行沟通，并清晰展示和答辩其项目成果。
思政目标
本课程旨在引导学生实现以下价值塑造与精神升华：
1.	树立科技报国的使命感和负责任创新的价值观
学生将通过AI在地球科学领域应用的案例，深刻理解科技创新在解决资源勘探、防灾减灾、空间环境保障等国家重大战略需求中的关键作用。课程将引导学生认识到自身所学与国家发展的紧密联系，激发其利用先进技术服务国民经济和国家安全的责任感与使命感。
2.	培养严谨求实的科学精神和工程伦理意识
课程将强调地学研究的客观性、AI模型预测的不确定性以及结果验证的必要性。通过实践，学生将树立尊重客观规律、精益求精的科研态度，并深刻理解在利用AI技术时需恪守学术诚信，明确技术应用的伦理边界与社会责任。
3.	增强学科自信与投身交叉学科创新的内生动力
通过展示AI技术为地球科学这一传统基础学科带来的新活力与巨大创新空间，课程将增强学生对地球科学领域的认同感和自豪感。引导学生看到在“人工智能+”时代背景下，交叉学科研究的广阔前景，鼓励其树立成为智能时代复合型地学人才的志向。

思政融合点1
选取章节：第三章
思政结合点：科学思维,文化传承,理想信念
思政融合点2
选取章节：第五章
思政结合点：科学思维,文化传承,社会责任,家国情怀