為了推動這項計畫，學院內部進行了廣泛合作，包括領導層、教職員的支持，以及來自金融、電腦科學到永續發展等領域的六十多位教師貢獻。他們共同設計了一個工作坊，將核心技術概念與範例和教學材料結合，使其能適應各種課堂環境。

土木工程系 Edmund K. Turner 講座教授兼 AI 教師試點計畫的教務主任 Saurabh Amin 表示：「我從未見過如此大規模的努力，這麼多敬業的教師匯集如此豐富的材料，只為裝備那些服務學生的教育工作者。」Amin 也是運籌學研究中心的共同主任，該中心隸屬於 MIT 施瓦茨曼運算學院和 MIT 史隆管理學院。

在 Jake 和 Robin Reynolds 的支持下，這項試點計畫於七月匯集了來自 Allen University、Babson College、Brandeis University、Marshall University、University of Massachusetts at Lowell、University of North Texas 和 Wentworth Institute of Technology 的 19 名參與者。

他們與 MIT 的教職員和講師合作，透過示範、影片和練習，探索「機器學習建模」背後的教學法，並參與實作活動，專注於將課程材料和方法轉化到自己的課堂中。

UMass Lowell 電腦科學助理教授 Wenjin Zhou 表示：「這個機會非常及時，因為我們系正在啟動一個 AI 和資料科學學程。」她補充說：「我們一直在思考：如何在 AI 領域中教導下一代電腦科學家？如何將 AI 融入教學？我希望了解其他人是如何做的，特別是回答這個問題：如果 AI 現在可以為任何人創造工具，那麼電腦科學家該做什麼？」

Amin 指出，談到 AI，高品質的材料並不缺乏。通常缺少的是情境：讓教師和學生將 AI 概念與特定學科、問題和思維方式連結的機會。這些連結通常是透過對話和推理建立的，而不是將 AI 呈現為一套固定的知識來接收。然而，教師的能力仍然是最稀缺的資源之一。

Amin 解釋說：「稀缺的是那些準備好將 AI 教導為不只是一套固定的概念和工具的教育工作者，他們能將 AI 根植於自己的領域，幫助學生有判斷力地使用它，並將其去神秘化，讓學生不只是應用模型，而是學會質疑、調整並利用它們進行建構。」

EECS 講師兼工作坊指導老師之一的 Shen Shen 補充道：「我們如何確保機器學習不只是一個黑盒子，也不是什麼神奇的新技術？你可以將它視為一種工具，或是一個新的框架，幫助你在特定領域中解決問題。」

從試點工作坊到教育者網絡：參與者在週末反思他們計畫將哪些工作坊材料和教學方法應用到自己的學科和課程中。他們的意見回饋將有助於塑造未來試點計畫的迭代，並支持建立一個更廣泛的教育者網絡，致力於在多元學習環境中擴展 AI 教育。

Wentworth Institute of Technology 電腦科學助理教授 Weijie Pang 參加了工作坊，她最期待的是持續的社群建立活動。她表示：「這是一個非常寶貴的機會，可以與來自不同專業和領域的其他教職員交流。我可以看到其他大學正在做什麼，以及我們可以從彼此身上學到什麼。」

Brandeis University 電腦科學助理教授 Dylan Cashman 表示：「很高興知道不同大學、不同學科的每個人都在努力解決相同的問題，即隨著技術的變化，我們如何才能最好地服務我們的學生。」他希望：「透過對 AI 的未來應用有更前瞻性的預期，我們可以幫助他們取得成功。」