赶时髦选人工智能专业是正确的选择吗？

这几天，各地高考分数线相继出炉，但考好只是第一步，熬过考试的考生和家长还要面对另一个严峻的问题：选什么专业？

谈及选专业，每年家长们都会积极调研就业市场，试图从中选出所谓的热门专业和冷门专业。诚然，专业之间确实存在冷暖，以近两年的行业投资情况来看，人工智能（AI）的表现无疑是最热门的，相比传统学科，这个新兴学科潜力无限，从业人员的发展前景也更为可观。

根据去年的Kaggle数据科学&机器学习调研报告，数据科学家这个团体虽然平均年龄只有30岁，但平均年薪却达到了惊人的37万。高薪必定吸引人才，见识了AI的繁荣后，想必许多人都对这个行业心弛神往。

那么这个“时髦”该怎么赶？下面是论智给出的几点建议。

建议一：了解人工智能是什么

就像人们常说的，志愿首先要能提现考生自己的真实意愿。在入场前，有能力的考生要问自己两个问题：1.我理解的AI是什么？2.我对真正的AI感不感兴趣？

在Poole、Mackworth和Goebel于1998年出版的《计算智能》里，他们把AI定义为能模拟人类智能、能自主执行任务，并能根据行为作出反馈的智能体。从实际研究领域看，符合这个概念的有游戏算法（Game-playing algorithms）、机器人及控制论、优化、自然语言处理和强化学习。

如果说这些名词有些抽象，我们可以在智能水平上把AI划分成三类：

弱人工智能。弱人工智能是最常见的AI形式，它们只专注于解决一类问题，没有任何自我意识和其他智能标志，如聊天机器人（chatbot）。

强人工智能。强人工智能可以媲美人类智能，它们拥有自我意识，而且可以代替人类完成所有人类能够的完成的事情。从衡量标准角度看，强人工智能的一个前提是通过图灵测试，但真正符合强人工智能概念的机器还不存在。

超人工智能。超人工智能是AI的极致，它超越了人类智能，是人工智能的最佳形式。短时间内实现超人工智能是不现实的，但围绕它的伦理讨论从未平息过，比如开发AI或将导致人类灭绝。

虽然后两个能引发更多艺术联想，但我们还是要保持清醒，现实不比科幻电影：

击败柯洁的AlphaGo是弱人工智能（游戏算法）；

自动驾驶汽车同样也是弱人工智能（机器人/控制论）；

谷歌地图自动导航是弱人工智能（优化）；

百度翻译等各种机器翻译是人工智能（自然语言处理）；

AI本身并没有媒体宣传的那么“高大上”，这个行业不存在“终结者”，广受关注的波士顿动力机器人也无关AI。未来，以弱人工智能为主的研究仍将长期存在。

建议二：本科生不要轻易进AI学院

今年，政府号召多领域推进“互联网+”，于是各大高校纷纷规划开设AI课程，其中天津大学、南开大学、南京大学、吉林大学这4所高校更是赶在高考前，先一步成立了人工智能学院。以南京大学为例，这个新学院下设“机器学习与数据挖掘”和“智能系统与应用”两个专业方向，计划招收60-100名本科生。

虽然学校拥有像周志华这样的优秀师资，但这趟浑水，考生实在不应该轻易去碰。

AI本身不是一个单纯的学科，也不是一个专业，它是跨学科的产物，对学习者的基础知识掌握水平要求很高。比如自然语言处理是计算机科学和语言学的产物，机器人控制需要大量使用自动化控制技术，所有研究的基础和难点并不是编程，是数学，尤其是统计学。而大多数本科生是不具备这些基础的，这也是现在国内外都把机器学习、自然语言处理等作为硕士、博士研究方向的原因之一。

AI学院弊端不少，其中最显著的是发展不成熟。首先，这些学院的课程是仓促安排的，缺乏科学性和可行性。目前国内外还没有针对本科AI教育的完整的体系，本科生也没有硕士研究生和博士生的知识积累，既然没法参考和照搬，各大高校就必须在短时间内平地起高楼，在这种情况下，第一届学生和老师几乎等同于第一批小白鼠。

如果说课程设置不够，老师可以来补救，那这里就出现了第二个问题。这些新专业的课其实是计算机系和数学系某些课程的杂糅，以计算机为主，数学为辅。学生吃的是其他两个系的师资资源，而这些资源必定向原专业的学生倾斜。这也是新兴专业的常见问题，由于只能吃“百家饭”，学习其他专业的皮毛，四年下来学生“学而不精”，反而丧失竞争力。

至于那些奔着师资力量去的考生，以过来人的眼光看，这个想法真的不靠谱。高校名师重点培养的首先是博士生，其次才是本科生和硕士生，双方接触的机会并没有想象中的多，学校也不会一开始就贸贸然搞资源倾斜。再加上现在大部分高校都在实行通识教育，学生在专业知识以外还要花费大量的时间和精力，基础不够扎实永远是学好学精的拦路虎。

建议三：请选择计算机科学（CS）专业

虽然我们强调了AI的跨学科性，也强调了数学在AI研究中的绝对地位，但如果考生有志于成为一名人工智能行业的从业者，我们还是建议你一步到位，直接选择计算机科学专业。因为人工智能本质上离不开计算机，它和CS一样更偏向工程，而数学则更偏向理论，容易迷失方向。

以下是【第四轮全国高校学科评估结果：计算机科学与技术】给出的报考建议：

这里我们把清华放第一位，它在人工智能上的话语权确实全国第一。当然，如果人人都去得了清华，我们也不用写这篇文章了。

事实上，对于选择了计算机科学的同学，我们也有一些小建议。许多人都喜欢说大学学习要靠自觉，但自觉也要有正确的方向。如果你已经选择了CS专业，或者已经被录取，那在之后的4年里，Python和TensorFlow是你必须要熟练的语言和工具。

除了本专业课程之外，数学是你一定要打好的基础。无论是数据科学、机器学习还是人工智能，它们的共同基础是线性代数和统计学。和数学同样重要的是英语，美国是研究AI的前沿阵地，要学习人工智能，你就必须熟悉英语语言环境，否则你怎么接触最新研究成果？换句话说，如果英语太差，可能你连编程都不一定学得好。

最后就是其他专业学科的内容，这也是我们希望考生能了解AI本质的原因之一。只有确定方向，一个人才能制定计划并一一落实。如果你认为学好语言学和自动控制才是最重要的，那也无妨，但选择CS更有助于你未来的深造，无论是国内还是国外。

建议四：人工智能和机器学习

这两个词都是搜索的高频词，它们有很多重叠，再加上媒体连续不断的捆绑营销炒作，人们很容易把它们误解为同一种东西。考虑到许多考生感兴趣的可能是机器学习方向，这里我们再解释一下两个概念的区分。

机器学习的特点是产生预测：给定具有特定特征的样本X，预测Y。这些预测可能是关于未来的（如预测病人的疾病恶化情况），也有可能是关于计算机的弱势领域的（如预测图像中是否有鸟）。Kaggle上的所有项目比赛几乎都可以被视为机器学习问题：他们提供一些训练数据，看参赛者的模型能否基于数据集准确预测全新样本。

以前我们会把机器学习作为人工智能的一个子领域，尤其是计算机视觉，它是后者的一个经典问题。但现在，机器学习很大程度上已经从人工智能中剥离出来了，其中的一个原因是从业人员的反感：大多数从事机器学习的人都不愿意把自己形容为AI研究人员（许多机器学习突破都源于统计学）。

以自动驾驶汽车为例，假设我们正在制造一辆自动驾驶汽车，需要研究汽车识别停车标志这个问题，那么我们需要结合这两个领域的知识。

机器学习：汽车必须使用摄像头识别停车标志。我们需要构建一个包含数百万个带路标街景图像的数据集，并基于它训练一个能够准确识别停车标志的算法。

人工智能：一旦我们的车识别出了停车标志，它必须能自主判断何时刹车。过早过晚都是很危险的，同时它也要兼顾路况（如雨雪天气光滑路面），这是控制论的问题。

小结

在过去十年中，AI的发展速度十分惊人，我们也已经在生活中看到了它的存在：自动驾驶汽车、AlphaGo Zero、Google Brain……在媒体笔下，它一直是这些劲爆新闻的核心元素。

如果是对这个行业有抱负的青年，现在入场确实是个正确的时机——开放的社区、巨额的科研投入、新成果的不断涌现——AI这几年的蓬勃发展绝不只是媒体炒作，它确实在技术上实现了不小的突破，而且这些突破能被用于现实商业运作。

但任何高薪背后都是长年的付出，现在招聘市场渴求的是出过优秀成果的各种博士。如果只是看中回报，忽视其背后的艰辛，那任何专业都不适合你。对于成为AI人才这个梦想，我们希望你能有足够的毅力和恒心，从现在开始力争上游，凝聚自己的核心竞争力。毕竟AI的一个主题就是自动化，而它首先会发生在自己的领域。