最全人工智能专业和大学选择指南，让孩子未来20年赢在起跑线上

作者：惟豪

咕噜叔上周给大家讲了“在AI时代，如何选个职业”，今天继续这个话题，谈谈该怎么选个专业和大学，让孩子未来20年赢在起跑线上。我们整合了来自乌镇智库、网易科技、知乎等多家机构的数据和建议，为你整合一个最全的人工智能专业及大学选择指南。

人工智能产业“吸金”越来越多

据CB Insight统计，2016年全球人工智能领域融资额比2015年增长了超过60%。在2016年二季度，在人工智能领域，全球都有155次融资，金额超过16.8亿美元，这一数字创下了历史新高。《乌镇指数：全球人工智能发展报告2016》显示，中国人工智能投资在2016年上半年就达到了月6亿美元的规模。

高盛公司估计，到2025年人工智能领域将创造大约每年340亿至430亿美元的价值。未来，在商业智能、金融、教育、能源、医疗、机器人、互联网、安防、传统行业的流程自动化等方面，人工智能都具有千亿美元以上的市场潜力。

知名大公司里，谷歌、FACEBOOK、苹果、Uber、AirBnb等硅谷科技大鳄正在掀起一股新的人工智能投资与收购热潮。在国内，百度提出“互联网的下一步是人工智能”；华为成立了诺亚方舟实验室；今日头条以机器学习技术向用户智能推荐最适合阅读的内容；滴滴研究如何智能提高出行效率；天猫、京东等各大电商平台的智能推荐，把用户画像和购买预测关联起来；涉及人工智能的创业公司也正在不断增加。

政策层面上，2016年5月中国发布《“互联网+”人工智能三年行动实施方案》，到2018年，中国将基本建立人工智能产业体系、创新服务体系和标准化体系，培育若干全球领先的人工智能骨干企业，形成千亿级的人工智能市场应用规模。美国白宫在2016年2个月之内联合多所大学召开了4场研讨会，研讨人工智能产业的发展。

英国政府科学办公室（The Government Office for Science）在2016年11月份也发布了一份人工智能的报告，提出要用人工智能创新优势提升英国国力。在亚洲，日本也在积极备战人工智能竞赛。

值得一提的是，根据SCI收录的数据，从2013年到2015年，“深度学习”的文章增长了约六倍。

无论是投资规模、研究专利，还是政府政策、企业发展等各个层面，人工智能领域现在都是炙手可热，而且还将在未来20年内，成为引领社会经济发展的新驱动力。

人工智能不只是跟计算机专业相关

人工智能可以说是一门高尖端学科，属于社会科学和自然科学的交叉，它企图了解智能的实质，并生产出一种能和人类智能相媲美的智能机器，该领域的研究包括图像识别、语言识别、专家系统、自然语言处理和机器人科学等。

它涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论。

研究范畴包括自然语言处理、机器学习、神经网络、模式识别、智能搜索等。应用领域包括机器翻译、语言和图像理解、自动程序设计、专家系统等。

从人工智能与九门学科的相关性来看，计算机科学排在首位是毋庸置疑的，而生物学关系最低，并没有想象中那么高。

可以选择什么专业

不少大学已经专门开设了数据科学专业、智能科学专业、机器人专业，或者在原来的自动化、通信、机械等专业的基础上做升级，那么本科专业怎么选呢：

1、首选可以是计算机方向，例如“计算机科学”（Computer Science），软件工程（Software Engineering），目前情况来看，最对口从事AI方向的是“计算机科学”（以下简称“CS”）。比如机器学习Machine Learning，计算机视觉Computer Vision，自然语言处理 Natural Language Processing，数据挖掘Data Mining等AI应用领域，在CS的本科高年级和研究生阶段都有对应的课程和研究方向。

AI领域的工作既要求从业者有非常扎实和广泛的数学基础，同时也要求很高的实操能力，而CS正好在这两方面都有着重培养。如果要专门从事这个AI领域，本科选择CS是一个极佳的选择，各个领域都需要AI人才和懂如何配合AI工作的其他领域的人才，而这两者的高端人才都将大量来源于CS专业。

2、对理论和学术研究有兴趣，专业推荐选择“应用数学”。机器学习本质上是微分方程、概率论、矩阵分析等等数学领域的应用。因此，人工智能方向的从业人员需要有扎实的数学基础。微分方程、线性代数、数理统计、信息论等，这些都是人工智能和机器学习的基础。除了这些基础的学科知识，还可以了解下传统机器学习的知识，多加锻炼编程能力。完成本科应用数学专业的学生，如果就读研究生，通常就可以转到计算机方向。

3、“智能科学与技术”专业。“智能科学与技术”专业基本上是介于计算机科学Computer Science和电子工程Electrical Engineering专业之间的。本科阶段的学习内容比较基础，真正的有关智能的研究是在研究生阶段。但是本科如果能有比较好的基础，比如在数学、英语、编程能力、简单的智能算法的仿真与应用等，这对以后的学习与发展都是很有帮助的。

现在的自动化、通信、机械 等专业在一定程度上都会往智能靠拢，无论是什么专业都可以在课外学习相关的知识。

人工智能学科大学排名

在全球TOP50的人工智能学科排名中，排名靠前的多数是美国、英国和西欧的大学，尤其是以美国大学为主。中国排名最靠前的是台湾大学，排名37位，而位于中国大陆的大学没有一所进入前50。可见在基础研究领域，中国与美国的差距比较大。搜狗CEO的王小川此前接受媒体采访时表示，“在应用领域里，我们与美国的差距不大。但在基础研究方面，我们的差距是巨大的。”

在中国大陆人工智能TOP20大学中，清华大学、北京大学与上海交通大学占据前三位置，多数学校主要还是以传统的理工科强校为主。

在AI领域哪些公司是领先的

微软、IBM等老牌企业位列前茅并不让人意外，值得关注的是达芬奇机器人（INTUITIVE SURGICAL），2000年就通过美国食物药品管理局(FDA)认证，成为了美国FDA批准的第一个腹腔镜微创手术的自动控制机械系统。

值得关注的是，除了互联网企业外，近半传统企业的上榜，意味着它们对这一领域的重视程度不亚于互联网公司。

6个要掌握的技能

无论选择什么专业，只要想要从事AI的工作，可以尝试去掌握以下技能：

1、Information Theory：开启新的视角，无论是理论还是应用都会用到

推荐教材：Elements of Information Theory 2nd Edition

2、Linear Algebra：无论学什么，都是基础中的基础必须学会。

推荐教材: Gilbert Strang 的书和视频

Linear Algebra，Stephen H. Friedberg

3、Basic statistics & probability & stochastic process：

顺便说一下，一般的鄙视链是这样的：algebra > probability > statistics > statistical learning > computer vision > old-school AI。

概率学深了可以很深，但是对the application of machine learning (a.k.a. computer vision) 用处不大。

4、Signal Processing/Image Processing：对于computer vision很重要，但对有的领域比如NLP，或者大部分machine learning ，用处有限。

推荐教材：Image Processing, Analysis, and Machine Vision很老但是适合扫盲。

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是经典百科全书。

还可跳过细节看David Marr的 Vision: A Computational Investigation into the Human Representation and Processing of Visual Information

5、Statistical learning：统计知识是必备的。

推荐教材：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：绝大部分统计学习问题都会转化成优化问题，区别在于有的是严格的分析转化如SVM，有的只是走个优化的套路但真正理论基础还没有得到完善比如deep learning。