作者：惟豪

咕嚕叔上周給大家講了“在AI時(shí)代,，如何選個(gè)職業(yè)”,，今天繼續(xù)這個(gè)話題，談?wù)勗撛趺催x個(gè)專業(yè)和大學(xué),，讓孩子未來(lái)20年贏在起跑線上,。我們整合了來(lái)自烏鎮(zhèn)智庫(kù)、網(wǎng)易科技,、知乎等多家機(jī)構(gòu)的數(shù)據(jù)和建議,，為你整合一個(gè)最全的人工智能專業(yè)及大學(xué)選擇指南。

人工智能產(chǎn)業(yè)“吸金”越來(lái)越多

據(jù)CB Insight統(tǒng)計(jì),，2016年全球人工智能領(lǐng)域融資額比2015年增長(zhǎng)了超過60%,。在2016年二季度，在人工智能領(lǐng)域,，全球都有155次融資,，金額超過16.8億美元，這一數(shù)字創(chuàng)下了歷史新高,?！稙蹑?zhèn)指數(shù)：全球人工智能發(fā)展報(bào)告2016》顯示，中國(guó)人工智能投資在2016年上半年就達(dá)到了月6億美元的規(guī)模,。

高盛公司估計(jì),，到2025年人工智能領(lǐng)域?qū)?chuàng)造大約每年340億至430億美元的價(jià)值。未來(lái),，在商業(yè)智能,、金融、教育,、能源,、醫(yī)療、機(jī)器人,、互聯(lián)網(wǎng),、安防,、傳統(tǒng)行業(yè)的流程自動(dòng)化等方面，人工智能都具有千億美元以上的市場(chǎng)潛力,。

知名大公司里,，谷歌、FACEBOOK,、蘋果,、Uber、AirBnb等硅谷科技大鱷正在掀起一股新的人工智能投資與收購(gòu)熱潮,。在國(guó)內(nèi),，百度提出“互聯(lián)網(wǎng)的下一步是人工智能”；華為成立了諾亞方舟實(shí)驗(yàn)室,；今日頭條以機(jī)器學(xué)習(xí)技術(shù)向用戶智能推薦最適合閱讀的內(nèi)容,；滴滴研究如何智能提高出行效率；天貓,、京東等各大電商平臺(tái)的智能推薦,，把用戶畫像和購(gòu)買預(yù)測(cè)關(guān)聯(lián)起來(lái)；涉及人工智能的創(chuàng)業(yè)公司也正在不斷增加,。

政策層面上,，2016年5月中國(guó)發(fā)布《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》，到2018年,，中國(guó)將基本建立人工智能產(chǎn)業(yè)體系、創(chuàng)新服務(wù)體系和標(biāo)準(zhǔn)化體系,，培育若干全球領(lǐng)先的人工智能骨干企業(yè),，形成千億級(jí)的人工智能市場(chǎng)應(yīng)用規(guī)模。美國(guó)白宮在2016年2個(gè)月之內(nèi)聯(lián)合多所大學(xué)召開了4場(chǎng)研討會(huì),，研討人工智能產(chǎn)業(yè)的發(fā)展,。

英國(guó)政府科學(xué)辦公室（The Government Office for Science）在2016年11月份也發(fā)布了一份人工智能的報(bào)告，提出要用人工智能創(chuàng)新優(yōu)勢(shì)提升英國(guó)國(guó)力,。在亞洲,，日本也在積極備戰(zhàn)人工智能競(jìng)賽。

值得一提的是,，根據(jù)SCI收錄的數(shù)據(jù),，從2013年到2015年，“深度學(xué)習(xí)”的文章增長(zhǎng)了約六倍,。

無(wú)論是投資規(guī)模,、研究專利，還是政府政策,、企業(yè)發(fā)展等各個(gè)層面,，人工智能領(lǐng)域現(xiàn)在都是炙手可熱,，而且還將在未來(lái)20年內(nèi)，成為引領(lǐng)社會(huì)經(jīng)濟(jì)發(fā)展的新驅(qū)動(dòng)力,。

人工智能不只是跟計(jì)算機(jī)專業(yè)相關(guān)

人工智能可以說是一門高尖端學(xué)科,，屬于社會(huì)科學(xué)和自然科學(xué)的交叉，它企圖了解智能的實(shí)質(zhì),，并生產(chǎn)出一種能和人類智能相媲美的智能機(jī)器,，該領(lǐng)域的研究包括圖像識(shí)別、語(yǔ)言識(shí)別,、專家系統(tǒng),、自然語(yǔ)言處理和機(jī)器人科學(xué)等。

它涉及了數(shù)學(xué),、心理學(xué),、神經(jīng)生理學(xué)、信息論,、計(jì)算機(jī)科學(xué),、哲學(xué)和認(rèn)知科學(xué)、不定性論以及控制論,。

研究范疇包括自然語(yǔ)言處理,、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò),、模式識(shí)別,、智能搜索等。應(yīng)用領(lǐng)域包括機(jī)器翻譯,、語(yǔ)言和圖像理解,、自動(dòng)程序設(shè)計(jì)、專家系統(tǒng)等,。

從人工智能與九門學(xué)科的相關(guān)性來(lái)看,，計(jì)算機(jī)科學(xué)排在首位是毋庸置疑的，而生物學(xué)關(guān)系最低,，并沒有想象中那么高,。

可以選擇什么專業(yè)

不少大學(xué)已經(jīng)專門開設(shè)了數(shù)據(jù)科學(xué)專業(yè),、智能科學(xué)專業(yè)、機(jī)器人專業(yè),，或者在原來(lái)的自動(dòng)化,、通信、機(jī)械等專業(yè)的基礎(chǔ)上做升級(jí),，那么本科專業(yè)怎么選呢：

1,、首選可以是計(jì)算機(jī)方向,，例如“計(jì)算機(jī)科學(xué)”（Computer Science），軟件工程（Software Engineering）,，目前情況來(lái)看,，最對(duì)口從事AI方向的是“計(jì)算機(jī)科學(xué)”（以下簡(jiǎn)稱“CS”）。比如機(jī)器學(xué)習(xí)Machine Learning,，計(jì)算機(jī)視覺Computer Vision,，自然語(yǔ)言處理 Natural Language Processing，數(shù)據(jù)挖掘Data Mining等AI應(yīng)用領(lǐng)域,，在CS的本科高年級(jí)和研究生階段都有對(duì)應(yīng)的課程和研究方向,。

AI領(lǐng)域的工作既要求從業(yè)者有非常扎實(shí)和廣泛的數(shù)學(xué)基礎(chǔ)，同時(shí)也要求很高的實(shí)操能力,，而CS正好在這兩方面都有著重培養(yǎng),。如果要專門從事這個(gè)AI領(lǐng)域，本科選擇CS是一個(gè)極佳的選擇,，各個(gè)領(lǐng)域都需要AI人才和懂如何配合AI工作的其他領(lǐng)域的人才,，而這兩者的高端人才都將大量來(lái)源于CS專業(yè)。

2,、對(duì)理論和學(xué)術(shù)研究有興趣,，專業(yè)推薦選擇“應(yīng)用數(shù)學(xué)”。機(jī)器學(xué)習(xí)本質(zhì)上是微分方程,、概率論,、矩陣分析等等數(shù)學(xué)領(lǐng)域的應(yīng)用。因此,，人工智能方向的從業(yè)人員需要有扎實(shí)的數(shù)學(xué)基礎(chǔ),。微分方程、線性代數(shù),、數(shù)理統(tǒng)計(jì)、信息論等,，這些都是人工智能和機(jī)器學(xué)習(xí)的基礎(chǔ),。除了這些基礎(chǔ)的學(xué)科知識(shí)，還可以了解下傳統(tǒng)機(jī)器學(xué)習(xí)的知識(shí),，多加鍛煉編程能力,。完成本科應(yīng)用數(shù)學(xué)專業(yè)的學(xué)生，如果就讀研究生,，通常就可以轉(zhuǎn)到計(jì)算機(jī)方向,。

3、“智能科學(xué)與技術(shù)”專業(yè),?！爸悄芸茖W(xué)與技術(shù)”專業(yè)基本上是介于計(jì)算機(jī)科學(xué)Computer Science和電子工程Electrical Engineering專業(yè)之間的,。本科階段的學(xué)習(xí)內(nèi)容比較基礎(chǔ)，真正的有關(guān)智能的研究是在研究生階段,。但是本科如果能有比較好的基礎(chǔ),，比如在數(shù)學(xué)、英語(yǔ),、編程能力,、簡(jiǎn)單的智能算法的仿真與應(yīng)用等，這對(duì)以后的學(xué)習(xí)與發(fā)展都是很有幫助的,。

現(xiàn)在的自動(dòng)化,、通信、機(jī)械 等專業(yè)在一定程度上都會(huì)往智能靠攏,，無(wú)論是什么專業(yè)都可以在課外學(xué)習(xí)相關(guān)的知識(shí),。

人工智能學(xué)科大學(xué)排名

在全球TOP50的人工智能學(xué)科排名中，排名靠前的多數(shù)是美國(guó),、英國(guó)和西歐的大學(xué),，尤其是以美國(guó)大學(xué)為主。中國(guó)排名最靠前的是臺(tái)灣大學(xué),，排名37位,，而位于中國(guó)大陸的大學(xué)沒有一所進(jìn)入前50?？梢娫诨A(chǔ)研究領(lǐng)域,，中國(guó)與美國(guó)的差距比較大。搜狗CEO的王小川此前接受媒體采訪時(shí)表示,，“在應(yīng)用領(lǐng)域里,，我們與美國(guó)的差距不大。但在基礎(chǔ)研究方面,，我們的差距是巨大的,。”

在中國(guó)大陸人工智能TOP20大學(xué)中,，清華大學(xué)、北京大學(xué)與上海交通大學(xué)占據(jù)前三位置,，多數(shù)學(xué)校主要還是以傳統(tǒng)的理工科強(qiáng)校為主,。

在AI領(lǐng)域哪些公司是領(lǐng)先的

微軟、IBM等老牌企業(yè)位列前茅并不讓人意外,，值得關(guān)注的是達(dá)芬奇機(jī)器人（INTUITIVE SURGICAL）,，2000年就通過美國(guó)食物藥品管理局(FDA)認(rèn)證，成為了美國(guó)FDA批準(zhǔn)的第一個(gè)腹腔鏡微創(chuàng)手術(shù)的自動(dòng)控制機(jī)械系統(tǒng)。

值得關(guān)注的是,，除了互聯(lián)網(wǎng)企業(yè)外,，近半傳統(tǒng)企業(yè)的上榜，意味著它們對(duì)這一領(lǐng)域的重視程度不亞于互聯(lián)網(wǎng)公司,。

6個(gè)要掌握的技能

無(wú)論選擇什么專業(yè)，只要想要從事AI的工作,，可以嘗試去掌握以下技能：

1,、Information Theory：開啟新的視角，無(wú)論是理論還是應(yīng)用都會(huì)用到

推薦教材：Elements of Information Theory 2nd Edition

2,、Linear Algebra：無(wú)論學(xué)什么,，都是基礎(chǔ)中的基礎(chǔ)必須學(xué)會(huì)。

推薦教材: Gilbert Strang 的書和視頻

Linear Algebra,，Stephen H. Friedberg

3,、Basic statistics & probability & stochastic process：

順便說一下，一般的鄙視鏈?zhǔn)沁@樣的：algebra > probability > statistics > statistical learning > computer vision > old-school AI,。

概率學(xué)深了可以很深,，但是對(duì)the application of machine learning (a.k.a. computer vision) 用處不大。

4,、Signal Processing/Image Processing：對(duì)于computer vision很重要,，但對(duì)有的領(lǐng)域比如NLP，或者大部分machine learning ,，用處有限,。

推薦教材：Image Processing, Analysis, and Machine Vision很老但是適合掃盲。

Richard Szeliski的Computer Vision: Algorithms and Applications 新但是略偏,。

graphics和multimedia,，Computer Vision: A Modern Approach (2nd Edition) Amazon.com: Book是經(jīng)典百科全書。

還可跳過細(xì)節(jié)看David Marr的 Vision: A Computational Investigation into the Human Representation and Processing of Visual Information

5,、Statistical learning：統(tǒng)計(jì)知識(shí)是必備的,。

推薦教材：The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition

和

Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series)

Pattern Recognition and Machine Learning (Information Science and Statistics): Christopher Bishop

6、Optimization：絕大部分統(tǒng)計(jì)學(xué)習(xí)問題都會(huì)轉(zhuǎn)化成優(yōu)化問題,，區(qū)別在于有的是嚴(yán)格的分析轉(zhuǎn)化如SVM,，有的只是走個(gè)優(yōu)化的套路但真正理論基礎(chǔ)還沒有得到完善比如deep learning。