聊一聊爆火的人工智能专业

AutoCAD 15

主要课程

人工智能专业的课程涵盖了广泛的学科领域，包括计算机科学、数学、统计学、电子工程、心理学、哲学等多个方面。以下是根据多个来源整理的人工智能专业可能包含的全部课程列表：

一、基础学科课程

1.  计算机科学基础课程：如计算机导论、数据结构、算法设计与分析、操作系统、计算机网络等，这些课程为学生打下坚实的计算机科学基础。

2.  数学和统计学课程：高等数学、线性代数、概率论与数理统计、离散数学等，这些课程对于理解人工智能算法的原理和应用至关重要。

二、核心专业课程

1.  机器学习和深度学习：这是人工智能领域的核心课程，包括机器学习基础、深度学习原理、神经网络、卷积神经网络、循环神经网络等内容。

2.  自然语言处理（NLP）：研究人与计算机之间使用自然语言进行有效通信的各种理论和方法，包括语言处理、语言生成、语言理解等。

3.  计算机视觉：研究如何使机器“看”的科学，即让计算机通过图像或视频来理解世界，包括图像处理、图像识别、物体检测、视频分析等内容。

三、进阶与交叉课程

1.  数据科学和大数据技术：包括数据挖掘、大数据分析、数据可视化等课程，这些课程有助于学生掌握处理和分析大规模数据的能力。

2.  伦理学和法律课程：如《人工智能、社会与人文》、《人工智能哲学基础与伦理》等，这些课程关注人工智能技术的社会影响、伦理问题和法律法规，培养学生的社会责任感和法律意识。

3.  机器人技术：包括《先进机器人控制》、《认知机器人》、《机器人规划与学习》、《仿生机器人》、《群体智能与自主系统》、《无人驾驶技术与系统实现》等课程，这些课程涉及机器人的设计、控制、感知、决策等方面。

4.  其他交叉课程：如《游戏设计与开发》、《计算机图形学》、《虚拟现实与增强现实》等，这些课程将人工智能技术与其他领域相结合，拓展学生的视野和创新能力。

四、实践与创新课程

人工智能专业还注重培养学生的实践能力和创新精神，因此会设置一系列的实践课程、项目课程和创新课程。这些课程通常要求学生参与实际的项目开发、算法实现或系统设计，以提高学生的动手能力和解决问题的能力。

需要注意的是，不同高校的人工智能专业课程设置可能会有所不同，具体课程安排还需参考各高校的招生简章和教学计划。此外，随着人工智能技术的不断发展，新的课程也可能会不断出现和更新。

人工智能发展历史

人工智能（Artificial Intelligence, AI）的历史可以追溯到多个时期，但真正的发展始于20世纪中叶，随着计算机科学、控制论、信息论等理论的出现，人工智能的理论基础逐渐奠定。以下是人工智能历史的主要发展阶段：

一、起步发展期（1943年—20世纪60年代）

● 基础理论的提出：1943年，美国神经科学家麦卡洛克（Warren McCulloch）和逻辑学家皮茨（Water Pitts）提出神经元的数学模型，这是现代人工智能学科的奠基石之一。

○ 1950年，艾伦·麦席森·图灵（Alan Mathison Turing）提出“图灵测试”，即通过测试一个机器是否能像人一样回答问题来衡量机器是否具有智能，这一测试成为了人工智能领域的重要标准之一。

● 重要事件：1956年，达特茅斯学院人工智能夏季研讨会上正式使用了“人工智能（artificial intelligence, AI）”这一术语，标志着人工智能学科的诞生。

○ 同年，计算机专家John McCarthy提出“人工智能”一词，并与Marvin Minsky共同创建了世界上第一座人工智能实验室——MIT AI LAB实验室。

○ 1957年，弗兰克·罗森布拉特（Frank Rosenblatt）在一台IBM-704计算机上模拟实现了一种他发明的叫做“感知机”（Perceptron）的神经网络模型，这是最早的神经网络模型之一。

二、反思发展期（20世纪70年代）

● 发展瓶颈与反思：由于当时计算能力的严重不足，以及早期人工智能大多通过固定指令来执行特定问题，不具备真正的学习和思考能力，导致研究遇到瓶颈。

○ 1969年，马文·明斯基（Marvin Minsky）和西蒙·派珀特（Seymour Papert）发表《感知器》，对罗森布莱特的感知器提出质疑，指出其无法求解非线性分类问题，导致神经网络研究走向低潮。

三、应用发展期（20世纪80年代）

● 专家系统的兴起：80年代初，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，人工智能研究迎来新一轮高潮。

○ 例如，卡耐基梅隆大学为DEC公司设计的XCON专家系统能够每年为DEC公司节省数千万美金。

四、平稳发展期（20世纪90年代—2010年）

● 技术的稳步发展：这一时期，人工智能技术在各个领域得到稳步发展，但尚未出现突破性的进展。

○ 机器学习开始兴起，各种专家系统开始被人们广泛应用。

五、蓬勃发展期（2011年至今）

● 深度学习的兴起：2006年，加拿大计算机科学家杰弗里·辛顿（Geoffrey Hinton）提出深度学习的概念，标志着人工智能进入新的发展阶段。

○ 深度学习通过建立多层次的神经网络模型，实现了高级的认知和决策能力。

● 重大突破与应用：2012年，深度学习技术在ImageNet图像识别竞赛中取得惊人成绩，首次展现出其在图像识别领域的巨大潜力。

○ 2016年，谷歌的AlphaGo围棋程序战胜世界围棋冠军李世石九段，进一步证明了深度学习技术在决策类游戏中的强大能力。

○ 近年来，人工智能在自动驾驶、智能语音助手、医疗诊断、金融风控等领域取得突破性进展，并逐渐融入人们的日常生活。

综上所述，人工智能的历史经历了从起步到反思、再到应用、平稳发展，最终进入蓬勃发展的过程。随着技术的不断进步和应用范围的扩大，人工智能将在未来继续发挥重要作用，为人类带来更多的便利和创新。

毕业要求

人工智能专业毕业生应该具备多方面的能力，以适应快速发展的技术和社会需求。以下是对这些能力的详细归纳：

一、技术能力

1.  扎实的计算机技术基础：包括编程、算法、数据结构等方面的知识，这是人工智能领域的基础。

2.  人工智能核心技术掌握：毕业生应熟练掌握深度学习、机器学习、自然语言处理等人工智能相关的技术，并能够应用这些技术解决实际问题。

3.  数据分析能力：人工智能的核心在于数据，因此毕业生需要具备对数据进行分析和处理的能力，包括数据清洗、数据预处理、数据可视化等方面的技能。

4.  模型设计能力：能够根据实际问题设计合适的模型，包括选择合适的算法、优化模型参数等方面的技能。

5.  系统开发能力：人工智能系统往往需要与其他系统进行集成，因此毕业生需要具备系统开发的能力，包括软件开发、数据库设计等方面的技能。

二、思维能力

1.  分析问题能力：能够从多个角度分析问题，找到最优解决方案。

2.  解决问题能力：能够快速解决问题，并找到长期有效的解决方案。

3.  创新思维能力：能够提出新的想法和方法，不断推动人工智能技术的发展。

三、沟通能力

1.  团队协作能力：能够与团队成员进行有效的沟通和协作，共同完成项目。

2.  客户沟通能力：需要与客户进行沟通，理解客户需求，并提供满足客户需求的解决方案。

3.  表达能力：能够清晰地表达自己的想法和观点，让别人能够理解。

四、其他能力

1.  持续学习能力：由于人工智能技术更新迅速，毕业生需要具备持续学习的能力，以适应技术发展的变化。

2.  职业道德和社会责任感：能够在工程实践中遵守职业道德和规范，理解并承担社会责任。

3.  跨文化交流能力：在全球化的背景下，具备跨文化交流能力将有助于毕业生在国际化的环境中工作。

综上所述，人工智能专业毕业生应该具备扎实的技术能力、良好的思维能力、沟通能力以及持续学习、职业道德和社会责任感等其他能力。这些能力将使他们能够在人工智能领域取得成就，并为社会的发展做出贡献。

就业去向

人工智能专业毕业生的就业去向广泛，以下是根据当前信息和多个来源总结的主要就业方向：

1. 互联网公司

● 岗位：算法工程师、数据工程师、机器学习工程师、程序开发工程师、人工智能运维工程师等。

● 工作内容：参与开发智能推荐系统、搜索引擎优化、用户行为分析等产品和服务；完成算法实现和项目落地，进行大数据与AI产品相关运营、运维产品研发等。

● 趋势：随着人工智能技术的不断发展，互联网公司对人工智能专业人才的需求持续增长。

2. 金融机构

● 岗位：数据分析师、算法交易员等。

● 工作内容：在风险管理、量化交易、客户数据分析等方面发挥作用。

● 趋势：金融机构正逐渐引入人工智能技术来提高效率和降低风险，因此对相关专业人才的需求也在增加。

3. 科研机构与高校

● 岗位：博士后研究员、助理研究员、教师等。

● 工作内容：从事基础研究、技术创新和学术论文的撰写，以及教学工作。

● 趋势：随着国家对人工智能技术的重视，科研机构与高校在人工智能领域的研究投入不断加大，为毕业生提供了更多的科研与教学机会。

4. 制造业

● 岗位：智能工厂设计师、智能设备研发工程师等。

● 工作内容：参与智能工厂的设计、智能设备的研发、生产流程的优化等工作。

● 趋势：工业4.0的推进使得制造业对人工智能技术的应用越来越广泛，为毕业生提供了广阔的就业空间。

5. 医疗健康行业

● 岗位：医疗数据分析师、医疗AI产品研发工程师等。

● 工作内容：利用人工智能技术辅助医生进行诊断和治疗，提高医疗效率和准确性。

● 趋势：人工智能在医疗领域的应用前景广阔，如医学影像识别、基因测序等，为毕业生提供了新的就业方向。

6. 其他领域

● 政府部门：从事智慧城市、智慧交通等项目的规划与实施。

● 创业企业：随着创新创业环境的优化，越来越多的毕业生选择自主创业，利用人工智能技术开发新产品或服务。

就业前景与薪资

● 就业前景：人工智能专业毕业生在当前及未来就业市场中具有较高的竞争力。据中国人工智能科技报告等权威机构的数据，中国对于AI人才的需求数量已突破百万，但人才供应严重不足，预计未来几年内仍将持续存在人才短缺的情况。

● 薪资水平：人工智能专业毕业生的薪资普遍较高，年薪总体在12万至76万之间，具体薪资水平受学历、工作年限及就业领域等因素的影响。

综上所述，人工智能专业毕业生的就业去向多样且前景广阔，无论是互联网、金融、科研、制造还是医疗健康等行业都有大量就业机会等待他们去探索。

专业特点

人工智能专业作为一个高度交叉和前沿的学科领域，具有其独特的优点和缺点。以下是针对人工智能专业的一些主要优点和缺点的分析：

优点

1.  就业前景广阔：随着人工智能技术的快速发展和广泛应用，人工智能专业的毕业生在就业市场上具有很高的竞争力。他们可以在多个行业找到高薪的工作，包括科技、金融、医疗、教育等。

2.  技术创新性强：人工智能领域是技术创新的前沿阵地，涉及机器学习、深度学习、自然语言处理、计算机视觉等多个方向。学生在这个领域可以接触到最新的技术趋势和研究成果，培养创新思维和解决问题的能力。

3.  跨学科融合：人工智能专业融合了计算机科学、数学、统计学、电子工程、心理学等多个学科的知识，使学生能够具备跨学科的视野和综合能力。这种综合能力对于解决复杂问题和推动技术创新具有重要意义。

4.  社会影响力大：人工智能技术的应用正在深刻改变着社会生活的各个方面，包括智能交通、智能家居、智慧城市、智能医疗等。作为人工智能领域的专业人才，毕业生可以在推动社会进步和发展中发挥重要作用。

缺点

1.  学习难度大：人工智能专业涉及的知识面广泛且深入，需要学生具备扎实的数学基础、编程能力和算法思维。这对于一些基础较弱或缺乏兴趣的学生来说可能会构成挑战。

2.  技术更新快：人工智能领域的技术发展非常迅速，新的算法、框架和工具层出不穷。学生需要不断学习和更新自己的知识库，以适应技术发展的变化。这种快速的技术更新可能会给学生带来一定的学习压力。

3.  就业竞争激烈：虽然人工智能专业的就业前景广阔，但由于该领域的热门程度较高，吸引了大量优秀人才的加入。因此，在就业市场上也存在着激烈的竞争。学生需要具备出色的技能和综合素质才能在竞争中脱颖而出。

4.  伦理和隐私问题：随着人工智能技术的广泛应用，也引发了一系列伦理和隐私问题。例如，人工智能算法的公平性、透明度和可解释性等问题；以及人工智能技术在数据收集、处理和存储过程中可能涉及的隐私泄露风险。这些问题需要人工智能专业人才具备高度的社会责任感和伦理意识。

综上所述，人工智能专业具有就业前景广阔、技术创新性强、跨学科融合和社会影响力大等优点；但同时也存在学习难度大、技术更新快、就业竞争激烈以及伦理和隐私问题等缺点。因此，在选择该专业时，学生需要充分了解自己的兴趣和能力，并权衡利弊做出明智的决策。

推荐学校

人工智能专业是一个发展迅速且前景广阔的领域，选择合适的院校对于学生的学习和未来发展至关重要。以下是一些在人工智能专业方面具有显著优势和口碑的院校推荐：

一、顶尖高校推荐

1.  清华大学实力与地位：清华大学是中国顶尖的高校之一，在人工智能领域具有领先的研究和教育水平。其计算机科学与技术专业在学术界和工业界都具有很高的声誉。

a.  专业特色：清华大学的计算机科学专业主要围绕人工智能的基础和前瞻性研究展开，培养学生的计算机编程和算法能力。同时，它还是国家“新工科”概念的倡导者之一。

2.  电子科技大学专业排名：在软科中国大学专业排名中，电子科技大学的人工智能专业位列前列，显示出其在该领域的卓越实力。

a.  学科背景：电子科技大学是中国最早建立电子信息专业的高校之一，其电子信息专业在专业档次中位列A+，学科实力和科研实力都非常强大。

3.  北京大学综合实力：北大的实力无需多言，其人工智能方向专业在全国范围内也处于领先地位。

a.  就业前景：尽管录取分数较高，但北大的毕业生在人工智能领域的就业前景非常广阔，发展潜力巨大。

二、其他优秀高校

1.  上海交通大学专业排名：在人工智能专业全国院校排行榜中，上海交通大学也名列前茅，其实力得到了广泛认可。

2.  西安电子科技大学专业优势：西安电子科技大学在电子信息领域享有盛誉，其人工智能专业也具备很强的实力。

3.  南京大学学科实力：南京大学的人工智能专业同样具有很高的水平，是学生在该领域深造的优质选择。

4.  东南大学、北京邮电大学、复旦大学、浙江大学等这些高校在人工智能专业方面也都有不俗的表现，拥有优秀的师资力量和教学资源，值得学生考虑。

三、选择建议

1.  了解专业排名：参考权威机构发布的专业排名，了解各高校在人工智能领域的实力和声誉。

2.  考虑个人兴趣与发展：选择与自己兴趣和发展方向相匹配的院校和专业，有助于未来的学习和职业发展。

3.  了解师资力量和教学资源：优秀的师资力量和丰富的教学资源是保障学生学习质量的重要因素。

4.  考虑地理位置和就业前景：不同地区的院校在就业市场上可能存在一定的差异，选择地理位置优越、就业前景广阔的院校有助于未来的职业发展。

综上所述，以上推荐的院校在人工智能专业方面都具有显著的优势和口碑，但具体选择还需结合个人实际情况进行综合考虑。

行业证书

人工智能专业的学生和从业者可以考取多种行业证书来提升自己的专业技能和竞争力。以下是一些主要的人工智能行业证书：

1. 工业和信息化部电子工业标准化研究院颁发的证书

● 《自然语言及语音处理设计开发工程师》：此证书由工业与信息化部电子工业标准化研究院颁发，针对自然语言处理和语音处理领域的专业技能进行认证。

● 《计算机视觉处理设计开发工程师》：同样由工业与信息化部电子工业标准化研究院颁发，专注于计算机视觉领域的专业技能认证。

2. 国内外知名企业和机构颁发的证书

● TensorFlow Developer Certificate (TFDC)：由TensorFlow官方推出的证书，证明个人熟练掌握使用TensorFlow构建和训练机器学习模型的技能。考试方式为在线考试，需要完成编程题目。

● Certified Artificial Intelligence Professional (CAIP)：由Artificial Intelligence Board of America (AIBA)颁发，是一个广泛覆盖AI领域的证书，包括机器学习、自然语言处理、计算机视觉等各个方面。考试方式包括在线笔试和口语面试。

● Artificial Intelligence Engineer（人工智能工程师证书）：由微软公司推出，涵盖机器学习、深度学习、计算机视觉和自然语言处理等方面的考试内容。考试方式为在线笔试和实验室实践。

● IBM Data and AI Professional Certificate：由IBM与Coursera合作推出，需要完成一系列在线课程和考试，包括机器学习、深度学习、自然语言处理等方面。

● Google Professional Machine Learning Engineer (PML)：由Google推出，面向技术领域从业人员，考试内容涵盖机器学习模型的设计、开发和调优等各个方面。考试方式为在线笔试和实践考试。

3. 其他相关证书

● 网络信息安全工程师：虽然不直接属于人工智能领域，但网络安全是人工智能应用中不可忽视的重要方面，因此该证书对于从事人工智能安全工作的专业人员同样具有重要意义。

● 人工智能训练师：随着AI技术的普及，越来越多的企业开始使用AI系统，而人工智能训练师则负责训练和优化这些系统，提升其性能和准确性。

● 大数据相关证书：如大数据开发工程师、大数据分析师等，由于人工智能与大数据密不可分，这些证书对于从事人工智能数据处理和分析工作的人员同样具有重要价值。

请注意，以上列举的证书仅为部分代表，实际上还有很多其他与人工智能相关的证书可供选择。在选择证书时，建议根据个人兴趣、职业规划以及证书的权威性和认可度进行综合考虑。同时，由于技术和行业的快速发展，新的证书和认证项目也会不断涌现，因此持续关注行业动态和更新自己的知识体系同样重要。

软件

人工智能专业的学生需要掌握多种软件，这些软件涵盖了从编程开发、数据处理到模型训练、可视化的各个方面。以下是一些主要的人工智能专业需要掌握的软件：

1. 编程开发环境

● Python及其集成开发环境（IDE）：Python是人工智能领域最流行的编程语言之一，学生需要熟练掌握Python的语法和编程技巧。同时，掌握如PyCharm、VS Code等集成开发环境，可以提高编程效率和代码质量。

● Jupyter Notebook：一个开源的Web应用程序，允许创建和共享包含实时代码、方程、可视化和文本的文档。在人工智能领域，它常用于数据探索、模型训练和结果展示。

2. 数据处理与分析软件

● Pandas：一个强大的Python数据分析库，提供了快速、灵活和表达式丰富的数据结构，旨在使“关系”或“标签”数据的处理既简单又直观。

● NumPy：一个开源的Python库，用于大量维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。它是Python数据分析与科学计算的基础包。

● Matplotlib：一个Python的2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。

3. 机器学习与深度学习框架

● TensorFlow：由谷歌开发的开源机器学习框架，以其灵活性、易用性和广泛的社区支持而闻名。它支持多种深度学习模型的构建和训练，并提供高级API（如Keras）以简化开发流程。

● PyTorch：由Facebook（现Meta）研发的动态图机器学习框架，以其简洁直观的Python接口和强大的科研能力受到广大开发者的喜爱。它特别适合快速原型设计和研究实验。

● Scikit-learn：Python中最受欢迎的机器学习库之一，包含大量预定义的算法和数据预处理工具，使得实现监督学习、无监督学习和模型选择变得简单高效。

4. 自然语言处理工具

● spaCy：一个高效、工业级的自然语言处理库，提供了词法分析、实体识别、依存关系解析等功能，并支持模型微调以适应特定领域的NLP需求。

● NLTK（Natural Language Toolkit）：一个领先的平台，用于构建Python程序来处理人类语言数据。它提供了易于使用的接口和一套用于分类、分词、词性标注、语义推理等的工具。

5. 可视化与监控工具

● TensorBoard：TensorFlow的可视化工具，可以帮助用户理解、调试和优化TensorFlow程序。它可以展示图、标量、图像、音频、直方图、嵌入向量等。

● Visdom：一个灵活的工具，用于创建、组织和共享多个实时更新的数据可视化，支持PyTorch和其他框架。

6. 其他辅助工具

● Git：一个开源的分布式版本控制系统，用于有效地管理代码版本和协作开发。

● Docker：一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何流行的Linux机器上，也可以实现虚拟化。在人工智能项目中，Docker常用于部署和管理机器学习模型。

请注意，以上列举的软件仅为部分代表，实际上人工智能专业的学生还需要根据具体的学习方向和项目需求掌握更多的软件工具。同时，随着技术和行业的快速发展，新的软件工具也会不断涌现，因此持续学习和更新自己的知识体系同样重要。

编程语言

人工智能专业的学生需要掌握多种编程语言，这些语言在人工智能的各个领域和项目中发挥着重要作用。以下是一些主要的人工智能专业需要掌握的编程语言：

1. Python

● 重要性：Python是人工智能领域最流行的编程语言之一，因其简洁易懂的语法、丰富的库支持和庞大的社区资源而备受青睐。

● 应用领域：Python适用于机器学习、深度学习、自然语言处理、计算机视觉等多个领域。

● 常用库：Python拥有大量的机器学习库（如scikit-learn、TensorFlow、PyTorch等）和数据分析库（如Pandas、NumPy等），这些库使得Python在数据预处理、模型训练和结果分析等方面非常强大。

2. Java

● 特点：Java是一种成熟的、面向对象的编程语言，以其高度的可移植性、稳定性和安全性而闻名。

● 应用领域：在人工智能领域，Java适用于需要高性能、跨平台部署的企业级应用。

● 优势：Java的跨平台能力使得它在移动端和高性能计算系统中也有广泛应用。此外，Java的强类型语言特性有助于维护大型代码库和复杂系统。

3. C++

● 特点：C++是一种高效的编程语言，以其卓越的性能著称。

● 应用领域：C++适用于对运行效率要求极高的AI应用，如实时交易系统、游戏AI等。

● 常用库：许多底层的AI框架或库也会采用C++来实现以获取更好的性能，如OpenCV、PCL等。

4. R语言

● 特点：R语言是一种专门用于数据分析和统计计算的编程语言，以其丰富的统计分析和图形表示功能而著称。

● 应用领域：R语言在数据科学和机器学习领域有着广泛的应用，尤其在统计分析、数据挖掘和可视化方面表现出色。

● 常用包：R提供了如caret、randomForest、nnet等机器学习和数据挖掘的包。

5. 其他编程语言

● Lisp和Prolog：这两种编程语言在人工智能领域也有其独特的应用。Lisp是一种函数式编程语言，擅长符号处理和递归操作；Prolog则是一种逻辑编程语言，适用于模式匹配和专家系统的构建。虽然它们在现代AI应用中不如Python等语言流行，但在某些特定的AI领域仍具有独特价值。

● 新兴编程语言：如Julia、Scala等也在AI开发中逐渐崭露头角。这些语言各具特色，为AI开发者提供了更多的选择。

总结

人工智能专业的学生需要掌握多种编程语言以应对不同的项目需求和技术挑战。Python因其简洁的语法、丰富的库支持和广泛的社区资源而在AI领域尤为受欢迎；Java、C++等传统编程语言则在高性能计算和跨平台部署方面具有优势；R语言在数据分析和统计计算方面表现出色；而Lisp、Prolog等新兴或传统编程语言也在特定领域发挥着重要作用。此外，随着技术的不断发展，新的编程语言也会不断涌现，因此持续学习和更新自己的知识体系同样重要。

德国海归点评

人工智能专业很难，是我的认知里面最难的专业。绝大部分人无法从事人工智能的研发工作。因为人工智能的底层就是数学，需要天赋型选手才能搞定该专业，也就是学霸中的学霸才能从事人工智能的研发岗位。打开人工智能专业课的书本，比如，机器学习，深度学习，里面全部都是一眼望不到头的数学公式。工科生都要学习的高等数学在人工智能需要的数学面前就是小儿科。研究了人工智能之后你才能知道大学学的那些数学相关的课程（线性代数，概率论，等等）是多么重要。很多时候不是课本上的知识不重要，只不过你的工作太简单了，根本用不上课本上的知识。

世上80%的工作都没有什么技术含量，普通人培训几个月都可以胜任。哪怕我所在的世界500强高科技企业，公司80%的岗位，普通高中生培训三个月都可以做，但是公司就是要招聘研究生过来做。所以，对于普通人来说，最重要的就是混个大学文凭，你才有可能找到舒服的白领工作。至于你是否在大学学到东西了，无所谓。因为世上50%的大学生所从事的工作和本专业没有关系。不是他们不想从事本专业的岗位，而是，命运这个无形的手推着每一个人走到他本来的位置上去。

我有幸做了一段时间的人工智能研发岗位，每天都汇报进展，压力很大，因为老板的耐心是有限的，在有限时间内搞不定任务，那就等着被开除。目前绝大部分公司的人工智能业务都无法落地，导致裁员成了家常便饭，做这一行，如果没有顶级学历，顶级聪明的大脑，失业就是常态。有些时候失业并不是自己本身有问题，有时候是环境因素，比如，企业投入大量金钱，人工智能无法落地，无法带来现金流的正反馈，企业无奈只能挥刀自宫，减少损失。

人工智能目前主要的应用方向有四个：文本，图像，语音，视频。我们常见的人脸识别就是人工智能技术。其中，制造业一般需要图像的应用，也需要语音领域，工资相对比较低，但是相对稳定。互联网公司四个领域都需要。视频领域最难，因为视频的背后是无数张图片，图片的底层是无数个数字0和1的排列组合。图像处理非常复杂，也是需要各种算法（数学），已经存在了几十年，不过，人工智能技术加快的图像的处理。所以，如果你只会Python，做了图像处理领域，你不得不学习C++这个编程语言，对于很多人C ++就是噩梦，终其一生都学不会的那种。

人工智能的岗位也需要编程，相比互联网的其他岗位，人工智能岗位少的可怜。所以，对应聘者要求很高，简历先看看有没有发表优秀论文，没有顶级会议的人工智能论文简历关都过不去。过了简历关，技术负责人会面试编程能力，就是给你出几道算法题，留你一个人在会议室，半小时后看你的手写代码如何（在白纸上手写代码）。面试编程这个事情，主要靠刷题（就是做大量的编程练习），这个刷题和平时在公司的编程不同。所以，程序员面试新工作之前都要在家自己刷题半年，一年才能够有勇气去面试新工作。

人工智能是在2012年由于图像分类很准确，2016年的机器人下棋比赛很厉害才再次复苏过来。主要是由于英伟达公司的GPU让人工智能又复活了。人工智能目前的瓶颈主要在于算力，也就是英伟达公司的GPU远远不够市场的需求。这点导致了英伟达公司股票屡创新高。百度做了十多年的无人驾驶汽车，到现在还没有彻底落地，就是因为算力不行。

那么什么是算力，难道电脑里面的CPU不能计算吗？CPU和GPU的最大区别就是并行计算。CPU是顺序计算，GPU是并行计算。比如，计算十亿个1+1=2的需求，CPU只能顺序执行10亿次。但是GPU可以同时计算这10亿个需求。CPU有点类似才华横溢的博士，能力很强，但是你让博士计算无数个简单数学，他很慢。GPU就类似小学生，但是数量是无数个。计算无数个简单问题，小学生一人分配一个问题，很快就算完了。博士还要一个个去计算，大大降低了计算速度。另外一个例子就是，如果去画画，CPU需要一笔一笔的画出来。GPU一次落笔就画完了。GPU能够把墨水一次性喷射到相应的位置。而CPU需要一笔笔的描摹。人工智能里面的计算就是无数个简单的计算，所以，传统的CPU在人工智能世界就掉队了。时代成就了GPU，成就了英伟达。

最重要的一点，人工智能在过去的几十年，被大部分科学家打入冷宫，没几个人在研究人工智能。国内研究人工智能几十年的不超过十个人。绝大部分都是最近几年才开始学习。尤其很多大学并没有人工智能专业，也没有对应的教授，大部分都是计算机科学专业里面穿插的学习一点人工智能的课程。我大学读的是电气工程，大四时候也读了人工智能课程，大概了解了人工智能是干什么的，有个基本认知。不过，我昨天哈工大的官网上看到了人工智能专业。在清华大学官网只找到了计算机专业，并没有人工智能专业。

所以，普通人不要报考该专业，只需要了解人工智能的应用即可。如果非要学习，可以报考计算机科学与技术专业。人工智能的日常工作就是获取数据，购买GPU，开发大模型。里面需要数学知识和动手写代码的能力。小公司买不起GPU，也没有足够数据，注定无法做人工智能，大公司要求异常高，普通人根本进不去。

大学专业咨询：请联系公众号：湾区Python

下面几个链接是我多年前做的笔记。有兴趣看看，了解下

人工智能常识和干货，适合收藏

转行学AI，具体细分方向如何选，来自一线工程师的感悟

【AI自学】 完备的 AI 学习路线，最详细的资源整理！

大学专业咨询，联系有多年世界500强公司经验的德国海归，不要zhang xue feng的20000，只要一杯咖啡起