高考特輯：一份關於AI的報考指南_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头2019-06-07 21:05
高考已經開始了，翻開厚厚大本子挑專業的日子還遠嗎？
每到這個時節，就會激起不少“下水道”專業同學“一畢業就失業”的蕭索情緒。如果有選擇的話，誰不想成為那個被企業高薪哄搶的校生贏家呢？
大家一定在看過學長學姐們親身示範的各種版本“千萬別報XX專業”，但你見過“人工智能版”的麼？各行各業都在熱烈追捧的人工智能，非常值得了解一下啊同學們。
其實早在2004年，北大就開始設立“智能科學與技術”本科專業，後來也相繼出現了不少高校設立類似專業。儘管學科設置跟人工智能差不多，但當時正是人工智能的第三個“寒冬”時期，自然不敢直接拉AI的大旗。
現在情況可大不一樣了。“人工智能”可是由最高領導親自加持、中共中央政治局集體學習的當紅技術，更被視為新一輪科技革命和產業變革的重要驅動力量。那麼，為未來的智能社會培養AI高等人才，自然是關乎國運的大事件了。
更關鍵的是，目前我國人工智能人才缺口超過500萬人，供需比例為1:10。在未來很長的一段時間內，人工智能專業的人才都是企業爭奪的重要資源。企業紛紛擺出了重金求才的架勢，GMIC北京2018大會發布的《AI人才競爭力報告》顯示，AI平均年薪約33萬，穩超互聯網行業水平。
前不久2018年普通高校本科專業備案和審批結果剛剛公示，共有上海交通大學、同濟大學、浙江大學等35所高校獲得了建設資格。
除了“以AI之名”的特設專業之外，能跟AI產業打擦邊球的專業更是不少，比如AI學術產業大佬都很密集的計算機工程，101所高校新鮮設立的機器人工程。還有各種“智能”開頭的專業，比如智能科學與技術、智能製造工程，都加入了高校搶辦的熱門專業“豪華套餐”。
不過，面對眾多花裏胡哨、似是而非的專業名稱，背後的含金量與AI關聯度也是參差不齊。到底怎麼選才有可能幫你在未來的就業大潮中脱穎而出呢？
今天我們就來説説，想要將來進入人工智能行業，怎樣選專業才能不吃後悔藥。
AI志願的三大錨點：師資、深造、地域
根據教育部公開信息，本科人工智能專業代碼為080717T，學位授予門類是工學，學習年限為四年。
目前看來，人工智能相關專業可選擇的高校還是不少的。獲得“人工智能”特設專業的35所院校既有上海交通大學、同濟大學這樣的雙一流名校，也有安徽工程大學這樣專業特色鮮明的地方高校，甚至還有華南師範大學和長春師範大學2所師範類高校入選。
為此我們特地查了下中國人工智能學會的189名理事，其中女性比例17%，，工作單位也是百花齊放，除了人工智能學院、研究所之外，還有不少深耕在計算機科學、自動化與機器人，經濟管理、數字媒體等交叉學科也榜上有名。
所以説，想要報考人工智能相關專業，幾乎是一件不限男女、無論文理、分數皆宜的事兒了。
儘管如此，不同專業、不同高校之間的細微差別，也可能“失之毫厘謬以千里”，在畢業時面臨截然不同的人生軌跡。因此填報AI類的志願之前，恐怕需要先綜合考量三個因素：
1.師資實力。面對人工智能的風口，許多高校開始整合資源，上馬相關專業。大多數高校，都沒有完整的師資力量，更多可能是在某個子領域具備一定的經驗，比如計算機視覺、自動化機械等等，缺乏完整的師資力量。在國際化、產業端的高端人才搶奪態勢下，有能力從事人工智能研究的教師資源也並不容易快速到位，導致不少學院打起了“先上車後補票”的主意，大量引入了培訓速成的師資。
因此，選擇一些在 AI 方向歷史悠久，體系已成規模，師資力量雄厚，產學合作項目比較多的高校，比如南京大學、西安電子科技大學、西安交通大學等，教學質量會更有保障。
2.深造潛力。這一批人工智能本科專業大多是為了培養應用型人才而設立的，但許多AI相關學科還是需要有深厚的理論研究背景，加上目前很多AI公司的核心崗位學歷依然要求碩士起步，繼續深造很可能成為一大部分學生的畢業選擇。因此，就讀那些聯盟型或教育資源豐富地區的高校，自然能在考研時起到事半功倍的效果。比如中國的九校聯盟(C9)院校，相互之間的交流活動很多；雙一流、985、211等對體系內院校的認可度也更高。
3.城市區位。產業基礎深厚、AI企業密集的地區能提供更多的實踐機會與就業選擇。除了北上廣深之外，重慶、天津、杭州、成都、南京、香港等地政府也都在積極提前佔位產業，吸引知名AI企業入駐，值得確認下眼神。
這三個要素綜合起來，基本已經可以錨定一些心儀的院校了。那麼接下來就重點説説，距離AI更近的專業有哪些？
真朋友與“吸血鬼：
AI學科名詞背後的套路
隨着AI的熱度只增不減，有些專業是AI的頂樑柱、真朋友，有些卻是試圖藉着AI熱度吸血的快餐專業。如果依靠望文生義技能選專業的話，很可能發生 “學了四年計算數學，卻成了數學不承認，計算機也不要的孤兒”類似的人間慘劇。
想要看懂專業名詞背後的套路，恐怕還需要從學科設置與產業距離的遠近説起。
關聯指數☆☆☆☆☆
最簡單直觀的方向，當然是直接選新鮮出爐的人工智能專業啦。
我們知道，AI產業是一個金字塔型架構。不僅需要高端的邏輯與算法人才，還需要完成大量應用型，甚至是數據型工作。而以往這些工作技能只能在研究生階段培養，有的甚至到企業後還需要經歷一到兩年的再培養。
而人工智能設置本科專業的出發點，就是突出機器學校技術的應用和實踐，更快適應行業需求發展。所以在課程設置上，一般大一會着重對學生的數學能力的行培養，學習微積分、計算機科學等；大二就啓動AI 基礎課與計算機基礎課交叉教學，如機器學習、數據算法等。到了大三則會細分為視覺、NLP、智能機器人等多個子領域。同時鼓勵本科生參與企業實習。
從中不難看出，本科AI專業課的出現，能夠在一定程度上緩解行業的“人才荒”，但短平快的培養思路，客觀上也導致了學生的基礎積累階段比較短。會不會發生“田忌賽馬”的情況，無法與培訓機構速成班式從業者拉開足夠的優勢差，是考生需要思考的一點。
關聯指數☆☆☆☆
從目前主流的人工智能課程配置中不難看出，培養思路大體是從計算機科學和自動化控制論中各攫取一部分，融合成新的學科。因此想學AI，但又無法報考AI專業的同學，也可以選擇進入計算機和自動化專業。
不過，正如南京大學人工智能學院院長周志華教授所説，按照目前高校計算機專業的寬口徑人才培養模式，課程體系150個學分中大約有60個學分是通識課，15個是畢業雙創課，人工智能方面的學習很有限，幾乎是高度濃縮到了高級科普的程度，並不能讓學生掌握幫助企業解決問題的基本能力。
與此同時，這也是一個相對謹慎進入AI產業的方法。因為人工智能領域最核心的還是具有源頭創新能力的高級人才，站在一級學科的源頭去深層理解技術，更有助於學生打下堅實的基礎，在未來的職業道路上走得更加長遠和穩健，絕對是“進可攻（AI）、退可守（計算機）”的選擇。
關聯指數☆☆☆☆
想要賦予機器“智能”，具有“神經元”作用的算力單元（AI芯片）起到了至關重要的作用，而芯片從前端設計、到製造、晶圓代工、封裝測試等等環節，都需要大量的高技術人才支撐，並且培養時間很長。
日前中國半導體行業協會副理事長於燮康曾在2019世界半導體大會上透露，中國目前芯片人才缺口大概在30萬人左右。而在已有的40萬從業者中，本科學歷佔了絕大多數。
所以通訊、電子工程專業，雖然看似與AI關係較遠，但也是進入AI行業的通道。
不過，由於這一類學科發展和行業成熟度都比較高，導致就業市場內對具有頂尖院校背景的人才認可度更高。因此更建議成績較為理想的同學，進入專業排名前列的院校學習。
關聯指數☆☆☆
應用數學、統計學、多媒體研究、語言學、數據科學……曾經這些基礎學科在大眾眼光看來，畢業後可選擇的就業方向除了當老師就是搞科研，涼板凳坐到穿。
然而就今天AI的發展趨勢來看，基礎科學和基礎理論人才的行業優勢反而在不斷體現出來。
以應用數學為例，大部分機器學習算法都是對數據的模型擬合。實驗過程往往就是把數據誤差當成真實參數的函數，並通過選擇參數、權重等使其最小化，這本身就是一種微積分運算。對深度學習意義重大的“反向傳播”，也是基於偏導數、鏈式法則等數學概念完成的。
巨頭們對基礎學科有多重視呢？華為就在法國建立了數學研究所，挖掘法國基礎數學資源；阿里巴巴達摩院更是為全球組織了數學競賽，邀請頂尖數學家出題；騰訊也正在加大基礎科學領域的佈局。
總而言之，如果只想成為一顆產業的螺絲釘或搬運工，總是使用前人做好的工具來解決問題，那麼數學可能沒那麼重要。但如果企業需要基礎層面的突破，比如算法創新就需要深入研究底層的數學細節，基礎學科的背景優勢也就展現出來了。
不過，對於產業界而言，本科生能夠運用已知的方法和工具解決簡單的應用問題就足夠了。
因此，基礎學科最好進行長時間學習，在讀完碩士、博士之後再進入產業界。應用數學和統計學專業尤其如此。
關聯指數☆☆☆
經常看我們文章的小夥伴可能會發現，腦機接口、視覺機制、類腦芯片等等，這些與強人工智能息息相關的技術，都與腦科學有着不解之緣。
原因也很簡單，人工智能發展的終極目標就是讓機器能夠自己進行理解、思考與學習，要實現這一點，擺脱傳統計算機結構的束縛、發展類腦計算系統和器件、探索人類大腦的運行機制，就變得至關重要了。
中國科學院院士、美國國家科學院院士、中科院神經科學研究所所長蒲慕明就説過，“AI未來要想進一步發展，需要從腦科學得到啓發。”
但需要提醒的是，腦科學與神經科學相關專業的學習難度也比較“燒腦”，“AI+腦科學”的融合發展，又需要等候比較漫長的時間才能開花結果。在這期間，考生往往會在學術、就業等多方面承受一定的壓力。
關聯指數☆☆
現在才説到機器人專業，想必很多同學都覺得不可思議。近些年AI概念的出現，導致很多學校相繼開設了機器人工程專業，今年更是有101所高校新增了機器人工程，絕對屬於“爆款”。而很多家長和同學也容易“望文生義”，把二者混合起來。
嚴格意義上來説，機器人專業，跟AI專業是有關係的，但絕對不足以支撐起如此高的“熱度”。 因為在學科體系上，兩個領域是分開的，而大部分人想象中的“機器人專業”，指的都是與人工智能交叉的產物——人造智能機器人。
而人工智能則是計算機科學的分支，核心任務是開發計算機程序來完成需要人類智能的任務，主要還是面向以算法為主的軟件行業。即使是在人造智能機器人中，AI算法也只是機器人系統的一部分，與傳感器、執行器、機械編程等協同工作來完成對機器人的控制。
之所以這麼多高校“一哄而上”搶佔機器人的“山頭”，主要原因還是既想蹭AI的熱度多招生，又沒有師資開設AI專業，想了想自家機械學工程學的條件還是有的，於是就弄出了似是而非的機器人專業。
如果抱着進入人工智能行業的念頭，卻選了機器人專業，結果可能就跟失敗的網友“奔現”差不多，幻想有多美好，見到真人就有多憂傷。
關聯指數？？？
AI和行業融合，是目前產業端的主要發展路徑。人工智能的幾大細分技術，比如機器學習、計算機視覺、計算機語音、文本和情感分析，以及自動駕駛汽車等等，正在領軍企業的努力下為各行各業帶來新的想象力。
而社會整體智能化的過程，自然也需要更多的跨學科人才來保駕護航。
因此，在本科和碩博階段分別讀AI專業與行業相關專業，成為跨領域人才，不失為一種不錯的發展模式。
比如AI專業與地質學、海洋學、新聞傳播學、工業設計、化工，甚至文學、考古、繪畫、舞蹈等人文社科領域的結合，目前已經見到了不少應用案例。
行業中最懂AI的，AI中最懂行業的：這條“學科交叉”之路顯然能夠極大地幫助個人塑造獨特的行業競爭優勢。但前提是要在兩個領域都達到優秀及以上的水平，這就要求考生具備長遠的發展計劃和超強的執行與學習能力，還能夠承受技術迭代和行業調整等不確定性帶來的風險。
説到這裏，我們已經提供了不少象牙塔與人工智能之間可以真實觸達的方式。但無論選擇了何種專業和發展方向，良好的數學基礎和編程基礎，都是進入AI行業的必不可少的前提條件。入行道路千萬條，數學編程第一條，與諸君共勉。
One more thing：那些不該畢業才知道的事
在結束這篇填報指南之前，我們認為有必要再多花兩分鐘時間，聊聊那些AI領域的殘酷事件，比如説：
1.人工智能的“寒冬詛咒”。18年前那場人工智能寒冬時期，高校也不得不另立名目，不少相關專業，像是知識圖譜，更是坐了多年的冷板凳。而當下這波AI浪潮，主要依靠對深度學習的探索與應用。但60年時間三起三落，AI技術的更迭速度總是超出我們預想的快。
比如深度學習之父、圖靈獎得主lecun就試圖用膠囊網絡重新設計人工智能網絡結構。經典計算機視覺等方向的研究者們也日復一日提醒着我們深度學習“一家獨大”有多危險。如果只是看中當下AI的熱度，在行業階段性遇冷時恐怕只會感到極度失落。
2.就業市場的不確定性。在很長一段時間內，由於本科階段沒有設置AI專業，所以企業招聘人工智能隊伍基本學歷都是碩士起步。本科AI專業的出現無疑大大緩解了企業的成本壓力與人才飢渴。但本科培養模式是否能適應產業端的真實需求，狂野爆發的學科建設局面會不會導致人才缺口過早觸頂，目前來講都是未知數。
那麼多AI專業，不曉得你最喜歡哪一個……anyway，祝大家好運！