梯度下降法（Gradient Descent, GD）一直是AI-軟體的演算核心，而系統與控制的AI-韌體則是以GD來即時演算識別、估測、診斷、濾波與回饋補償等動態，並將此GD-動態安裝於嵌入式控制器，寫成應用套件。本課程選用Microchip DSP晶片作為嵌入式控制器。AI-韌體強調即時處理，與AI-軟體的線外處理有顯著不同。本課程將展示與實作AI-韌體，四個連續步驟如下：
1. 合成AI-動態: 梯度下降法。
2. 離散AI-動態: 傳統數位控制。
3. 學習微控制器的核心與周邊。
4. 實現AI-動態: 將離散GD-動態編碼至微控制器中。
本課程提供兩個應用範例，供學生進行實踐，並供教師評估教學與學習成效：AI Luenberger Observers與Stackelberg Game-theoretic Control。
關於上課方式，會給學生平日練習之實作題，在每一次的實作題中，知道學生的問題，並且加以解決。最後再藉由期末報告的成果進行成效的分析，檢討課程的設計，實作題的深度，以及預想中的成果。最終也會透過發放教學評量問卷的方式，得知學生是否因本課程而實力躍升。