這幾天，各地高考分?jǐn)?shù)線相繼出爐，但考好只是第一步，熬過考試的考生和家長還要面對另一個(gè)嚴(yán)峻的問題：選什么專業(yè)？

談及選專業(yè)，每年家長們都會積極調(diào)研就業(yè)市場，試圖從中選出所謂的熱門專業(yè)和冷門專業(yè)。誠然，專業(yè)之間確實(shí)存在冷暖，以近兩年的行業(yè)投資情況來看，人工智能（AI）的表現(xiàn)無疑是最熱門的，相比傳統(tǒng)學(xué)科，這個(gè)新興學(xué)科潛力無限，從業(yè)人員的發(fā)展前景也更為可觀。

根據(jù)去年的Kaggle數(shù)據(jù)科學(xué)&機(jī)器學(xué)習(xí)調(diào)研報(bào)告，數(shù)據(jù)科學(xué)家這個(gè)團(tuán)體雖然平均年齡只有30歲，但平均年薪卻達(dá)到了驚人的37萬。高薪必定吸引人才，見識了AI的繁榮后，想必許多人都對這個(gè)行業(yè)心弛神往。

那么這個(gè)“時(shí)髦”該怎么趕？下面是論智給出的幾點(diǎn)建議。

建議一：了解人工智能是什么

就像人們常說的，志愿首先要能提現(xiàn)考生自己的真實(shí)意愿。在入場前，有能力的考生要問自己兩個(gè)問題：1.我理解的AI是什么？2.我對真正的AI感不感興趣？

在Poole、Mackworth和Goebel于1998年出版的《計(jì)算智能》里，他們把AI定義為能模擬人類智能、能自主執(zhí)行任務(wù)，并能根據(jù)行為作出反饋的智能體。從實(shí)際研究領(lǐng)域看，符合這個(gè)概念的有游戲算法（Game-playing algorithms）、機(jī)器人及控制論、優(yōu)化、自然語言處理和強(qiáng)化學(xué)習(xí)。

如果說這些名詞有些抽象，我們可以在智能水平上把AI劃分成三類：

弱人工智能。弱人工智能是最常見的AI形式，它們只專注于解決一類問題，沒有任何自我意識和其他智能標(biāo)志，如聊天機(jī)器人（chatbot）。

強(qiáng)人工智能。強(qiáng)人工智能可以媲美人類智能，它們擁有自我意識，而且可以代替人類完成所有人類能夠的完成的事情。從衡量標(biāo)準(zhǔn)角度看，強(qiáng)人工智能的一個(gè)前提是通過圖靈測試，但真正符合強(qiáng)人工智能概念的機(jī)器還不存在。

超人工智能。超人工智能是AI的極致，它超越了人類智能，是人工智能的最佳形式。短時(shí)間內(nèi)實(shí)現(xiàn)超人工智能是不現(xiàn)實(shí)的，但圍繞它的倫理討論從未平息過，比如開發(fā)AI或?qū)?dǎo)致人類滅絕。

雖然后兩個(gè)能引發(fā)更多藝術(shù)聯(lián)想，但我們還是要保持清醒，現(xiàn)實(shí)不比科幻電影：

擊敗柯潔的AlphaGo是弱人工智能（游戲算法）；

自動駕駛汽車同樣也是弱人工智能（機(jī)器人/控制論）；

谷歌地圖自動導(dǎo)航是弱人工智能（優(yōu)化）；

百度翻譯等各種機(jī)器翻譯是人工智能（自然語言處理）；

AI本身并沒有媒體宣傳的那么“高大上”，這個(gè)行業(yè)不存在“終結(jié)者”，廣受關(guān)注的波士頓動力機(jī)器人也無關(guān)AI。未來，以弱人工智能為主的研究仍將長期存在。

建議二：本科生不要輕易進(jìn)AI學(xué)院

今年，政府號召多領(lǐng)域推進(jìn)“互聯(lián)網(wǎng)+”，于是各大高校紛紛規(guī)劃開設(shè)AI課程，其中天津大學(xué)、南開大學(xué)、南京大學(xué)、吉林大學(xué)這4所高校更是趕在高考前，先一步成立了人工智能學(xué)院。以南京大學(xué)為例，這個(gè)新學(xué)院下設(shè)“機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘”和“智能系統(tǒng)與應(yīng)用”兩個(gè)專業(yè)方向，計(jì)劃招收60-100名本科生。

雖然學(xué)校擁有像周志華這樣的優(yōu)秀師資，但這趟渾水，考生實(shí)在不應(yīng)該輕易去碰。

AI本身不是一個(gè)單純的學(xué)科，也不是一個(gè)專業(yè)，它是跨學(xué)科的產(chǎn)物，對學(xué)習(xí)者的基礎(chǔ)知識掌握水平要求很高。比如自然語言處理是計(jì)算機(jī)科學(xué)和語言學(xué)的產(chǎn)物，機(jī)器人控制需要大量使用自動化控制技術(shù)，所有研究的基礎(chǔ)和難點(diǎn)并不是編程，是數(shù)學(xué)，尤其是統(tǒng)計(jì)學(xué)。而大多數(shù)本科生是不具備這些基礎(chǔ)的，這也是現(xiàn)在國內(nèi)外都把機(jī)器學(xué)習(xí)、自然語言處理等作為碩士、博士研究方向的原因之一。

AI學(xué)院弊端不少，其中最顯著的是發(fā)展不成熟。首先，這些學(xué)院的課程是倉促安排的，缺乏科學(xué)性和可行性。目前國內(nèi)外還沒有針對本科AI教育的完整的體系，本科生也沒有碩士研究生和博士生的知識積累，既然沒法參考和照搬，各大高校就必須在短時(shí)間內(nèi)平地起高樓，在這種情況下，第一屆學(xué)生和老師幾乎等同于第一批小白鼠。

如果說課程設(shè)置不夠，老師可以來補(bǔ)救，那這里就出現(xiàn)了第二個(gè)問題。這些新專業(yè)的課其實(shí)是計(jì)算機(jī)系和數(shù)學(xué)系某些課程的雜糅，以計(jì)算機(jī)為主，數(shù)學(xué)為輔。學(xué)生吃的是其他兩個(gè)系的師資資源，而這些資源必定向原專業(yè)的學(xué)生傾斜。這也是新興專業(yè)的常見問題，由于只能吃“百家飯”，學(xué)習(xí)其他專業(yè)的皮毛，四年下來學(xué)生“學(xué)而不精”，反而喪失競爭力。

至于那些奔著師資力量去的考生，以過來人的眼光看，這個(gè)想法真的不靠譜。高校名師重點(diǎn)培養(yǎng)的首先是博士生，其次才是本科生和碩士生，雙方接觸的機(jī)會并沒有想象中的多，學(xué)校也不會一開始就貿(mào)貿(mào)然搞資源傾斜。再加上現(xiàn)在大部分高校都在實(shí)行通識教育，學(xué)生在專業(yè)知識以外還要花費(fèi)大量的時(shí)間和精力，基礎(chǔ)不夠扎實(shí)永遠(yuǎn)是學(xué)好學(xué)精的攔路虎。

建議三：請選擇計(jì)算機(jī)科學(xué)（CS）專業(yè)

雖然我們強(qiáng)調(diào)了AI的跨學(xué)科性，也強(qiáng)調(diào)了數(shù)學(xué)在AI研究中的絕對地位，但如果考生有志于成為一名人工智能行業(yè)的從業(yè)者，我們還是建議你一步到位，直接選擇計(jì)算機(jī)科學(xué)專業(yè)。因?yàn)槿斯ぶ悄鼙举|(zhì)上離不開計(jì)算機(jī)，它和CS一樣更偏向工程，而數(shù)學(xué)則更偏向理論，容易迷失方向。

以下是【第四輪全國高校學(xué)科評估結(jié)果：計(jì)算機(jī)科學(xué)與技術(shù)】給出的報(bào)考建議：

這里我們把清華放第一位，它在人工智能上的話語權(quán)確實(shí)全國第一。當(dāng)然，如果人人都去得了清華，我們也不用寫這篇文章了。

事實(shí)上，對于選擇了計(jì)算機(jī)科學(xué)的同學(xué)，我們也有一些小建議。許多人都喜歡說大學(xué)學(xué)習(xí)要靠自覺，但自覺也要有正確的方向。如果你已經(jīng)選擇了CS專業(yè)，或者已經(jīng)被錄取，那在之后的4年里，Python和TensorFlow是你必須要熟練的語言和工具。

除了本專業(yè)課程之外，數(shù)學(xué)是你一定要打好的基礎(chǔ)。無論是數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)還是人工智能，它們的共同基礎(chǔ)是線性代數(shù)和統(tǒng)計(jì)學(xué)。和數(shù)學(xué)同樣重要的是英語，美國是研究AI的前沿陣地，要學(xué)習(xí)人工智能，你就必須熟悉英語語言環(huán)境，否則你怎么接觸最新研究成果？換句話說，如果英語太差，可能你連編程都不一定學(xué)得好。

最后就是其他專業(yè)學(xué)科的內(nèi)容，這也是我們希望考生能了解AI本質(zhì)的原因之一。只有確定方向，一個(gè)人才能制定計(jì)劃并一一落實(shí)。如果你認(rèn)為學(xué)好語言學(xué)和自動控制才是最重要的，那也無妨，但選擇CS更有助于你未來的深造，無論是國內(nèi)還是國外。

建議四：人工智能和機(jī)器學(xué)習(xí)

這兩個(gè)詞都是搜索的高頻詞，它們有很多重疊，再加上媒體連續(xù)不斷的捆綁營銷炒作，人們很容易把它們誤解為同一種東西。考慮到許多考生感興趣的可能是機(jī)器學(xué)習(xí)方向，這里我們再解釋一下兩個(gè)概念的區(qū)分。

機(jī)器學(xué)習(xí)的特點(diǎn)是產(chǎn)生預(yù)測：給定具有特定特征的樣本X，預(yù)測Y。這些預(yù)測可能是關(guān)于未來的（如預(yù)測病人的疾病惡化情況），也有可能是關(guān)于計(jì)算機(jī)的弱勢領(lǐng)域的（如預(yù)測圖像中是否有鳥）。Kaggle上的所有項(xiàng)目比賽幾乎都可以被視為機(jī)器學(xué)習(xí)問題：他們提供一些訓(xùn)練數(shù)據(jù)，看參賽者的模型能否基于數(shù)據(jù)集準(zhǔn)確預(yù)測全新樣本。

以前我們會把機(jī)器學(xué)習(xí)作為人工智能的一個(gè)子領(lǐng)域，尤其是計(jì)算機(jī)視覺，它是后者的一個(gè)經(jīng)典問題。但現(xiàn)在，機(jī)器學(xué)習(xí)很大程度上已經(jīng)從人工智能中剝離出來了，其中的一個(gè)原因是從業(yè)人員的反感：大多數(shù)從事機(jī)器學(xué)習(xí)的人都不愿意把自己形容為AI研究人員（許多機(jī)器學(xué)習(xí)突破都源于統(tǒng)計(jì)學(xué)）。

以自動駕駛汽車為例，假設(shè)我們正在制造一輛自動駕駛汽車，需要研究汽車識別停車標(biāo)志這個(gè)問題，那么我們需要結(jié)合這兩個(gè)領(lǐng)域的知識。

機(jī)器學(xué)習(xí)：汽車必須使用攝像頭識別停車標(biāo)志。我們需要構(gòu)建一個(gè)包含數(shù)百萬個(gè)帶路標(biāo)街景圖像的數(shù)據(jù)集，并基于它訓(xùn)練一個(gè)能夠準(zhǔn)確識別停車標(biāo)志的算法。

人工智能：一旦我們的車識別出了停車標(biāo)志，它必須能自主判斷何時(shí)剎車。過早過晚都是很危險(xiǎn)的，同時(shí)它也要兼顧路況（如雨雪天氣光滑路面），這是控制論的問題。

小結(jié)

在過去十年中，AI的發(fā)展速度十分驚人，我們也已經(jīng)在生活中看到了它的存在：自動駕駛汽車、AlphaGo Zero、Google Brain……在媒體筆下，它一直是這些勁爆新聞的核心元素。

如果是對這個(gè)行業(yè)有抱負(fù)的青年，現(xiàn)在入場確實(shí)是個(gè)正確的時(shí)機(jī)——開放的社區(qū)、巨額的科研投入、新成果的不斷涌現(xiàn)——AI這幾年的蓬勃發(fā)展絕不只是媒體炒作，它確實(shí)在技術(shù)上實(shí)現(xiàn)了不小的突破，而且這些突破能被用于現(xiàn)實(shí)商業(yè)運(yùn)作。

但任何高薪背后都是長年的付出，現(xiàn)在招聘市場渴求的是出過優(yōu)秀成果的各種博士。如果只是看中回報(bào)，忽視其背后的艱辛，那任何專業(yè)都不適合你。對于成為AI人才這個(gè)夢想，我們希望你能有足夠的毅力和恒心，從現(xiàn)在開始力爭上游，凝聚自己的核心競爭力。畢竟AI的一個(gè)主題就是自動化，而它首先會發(fā)生在自己的領(lǐng)域。