這兩天，全國各地的高考分數線基本都已出來了。挺過了高考千軍萬馬過獨木橋的難關，學子們現在最迷茫的就是填志願了。最近，人工智慧成為了新興熱門的專業，關於人工智慧該如何報考，請看這裡↓↓
文章有點長，目錄預覽：
清華大學劉知遠教授答疑
各大開設人工智慧的院校
本科就讀人工智慧的體驗（南京大學）
在計算機專業和人工智慧日益火爆的當下，很多人對這兩個專業又是好奇又是憧憬。對此，清華大學劉知遠教授近日在知乎上分享了一些內容，以幫助考生更加理性地選擇專業，希望更多真正喜歡 CS/AI 的考生選好學校選對專業。
劉知遠教授從人工智慧是什麼、學什麼、怎麼學、以及去哪兒學的問題入手，對此進行了答疑。
清華大學劉知遠教授答疑
人工智慧是什麼？
人工智慧（Artificial Intelligence，AI）是一門年輕的學科，從 1956 年達特茅斯會議正式提出 AI 名稱至今不過 65 年；從阿蘭圖靈 1950 年提出判斷機器是否能夠思考的圖靈測試至今也不過 70 年時間。
AI 的 70 年發展史彙集了來自數學、電腦科學、邏輯學、哲學、神經科學、語言學等不同領域學者的努力，是典型的交叉學科。同時，從整體來看 AI 仍然是電腦科學技術的主要分支。
人工智慧是什麼？簡言之，人工智慧學科是利用計算機實現人類智慧。人類智慧並沒有公認的定義與界限，實際上也隨著 AI 的發展而有所變化。某項人類技能被計算機所掌握後，人們往往不再認為它代表人類"真正"的智慧。
例如，1997 年 IBM 深藍戰勝人類國際象棋冠軍卡斯帕羅夫後，就有評論說 IBM 計算機只是在暴力搜尋，不是真正的智慧，that's not thinking！這種現象又被稱為"AI Effect"。
所以，人工智慧總是聚焦在那些尚未被計算機破解的人類智慧能力上。比較簡單的人類智慧已經被解決了，例如計數能力有了計算器，資料記憶和查詢有了資料庫，下棋能力有了下棋軟體，剩下的是那些困難的高階智慧。
簡單而言，如果我們把大腦看做一個黑盒，它能夠接受外部世界的刺激訊號，大腦處理這些訊號產生輸出反饋，人類智慧正體現在這些"刺激-反饋"的對應中。針對不同刺激訊號和反饋處理的複雜性，AI 下面有很多專門的領域開展相關研究和探索。
目前，公認的 AI 核心課題包括：機器學習、計算機視覺、自然語言處理、語音處理、知識表示與計算、推理與規劃，等等，並在此基礎上支援著許多重要應用場景如無人駕駛、機器人等。
機器學習：旨在讓計算機具備自動學習的能力，能夠解決分類、聚類、迴歸、關聯分析等任務。目前主流是從大規模資料中自動學習和總結規律，從而能夠對新的資料進行預測，也被稱為統計機器學習。簡單地講，機器學習是從大量"刺激-反饋"資料中自動總結規律的技術。
計算機視覺：旨在讓計算機理解和處理影像資料（包括圖片、影片等），使計算機掌握"看"的能力。影像是典型的無結構資料，由畫素組成，如何從一幅影像中自動識別不同層次的物件（如輪廓、人臉、場景等）及其複雜關聯，是計算機視覺面臨的挑戰問題。
語音處理：旨在讓計算機理解、處理和生成人類語音，使計算機掌握"聽"和「說」的能力。語音也是一種典型的無結構序列資料，看似簡單的一維語音訊號包含著豐富的資訊如內容、意圖、身份、情感、通道、場景、干擾等。以語音識別為例，目前在深度學習技術的支援下，普通場景的語音轉文字的效果已經得到廣泛應用。而在多人、方言、強噪、遠場等挑戰場景下，語音識別效果還需要進一步提升。
自然語言處理：旨在讓計算機理解和處理人類語言。與 C++、Java 等人工設計的程式語言不同，人類語言是大自然的產物，因此被稱為"自然語言"。人類語言也是典型的無結構資料，由字片語合而成，如何理解一句話、一篇文章甚至一本書的意思，也是人工智慧面臨的挑戰問題。由於語言是人類特有的傳遞豐富資訊和知識、表達複雜思想和情緒的載體，甚至被認為是人類思考的重要工具，因此自然語言處理問題更接近人類高階認知智慧，有很多重要的開放問題。
知識表示與計算：人類對世界的認識積累形成了知識，知識是人類理解外部資訊、實現各種智慧能力的基礎。近年來隨著知識圖譜的廣泛應用，成為研究界和工業界關注的重點問題。
由於上述這些課題都關涉人類智慧，所以互相密切關聯、不分彼此，例如計算機視覺、語音識別和自然語言處理都是機器學習演算法的重要應用場景，知識表示與計算也成為計算機視覺和自然語言處理方向的重要話題，等等。
正因為年輕，這些方向都充滿著活力，一方面最新技術日益深遠地影響著人類社會生活的方方面面，同時學科體系和技術框架也在飛速地日新月異、推陳出新，現在去翻十年前的教材很多內容都顯得過時了。
從學科設定來看，國內大學遵照教育部《學位授予和人才培養學科目錄》來頒發學位。最初的計算機一級學科是"電腦科學與技術"，下設"計算機系統結構"、"計算機軟體與理論"、"計算機應用技術"三個二級學科，其中"計算機系統結構"對應高效能運算（超算）和計算機網路體系架構（網際網路），後來單獨成立出"網路空間安全"一級學科；"計算機軟體與理論"對應軟體工程和計算機理論科學等，後來單獨成立出"軟體工程"一級學科；而"計算機應用技術"則對應計算機的各類應用技術，很大程度上正沿著從資訊化到自動化再到智慧化的路線前進，可以想見，如果現在這波 AI 浪潮還能持續幾年，單獨成立"人工智慧"一級學科也指日可待。
從研究配置來看，AI 研究隊伍主要分佈在計算機、自動化、電子工程等資訊科學相關院系中，這與 AI 起源有密切關係，計算機的奠基人圖靈、馮諾依曼，自動化的主要理論基礎"控制論"的奠基人維納，以及電子工程和訊號處理的主要組成"資訊理論"的奠基人夏農，均為 AI 的創立貢獻了思想。
所以，計算機系主要從計算理論和計算機應用的角度研究 AI，自動化系從自動控制的角度理解 AI，電子工程系則從訊號處理（將 AI 關心的視覺、文字、聽覺等模態理解問題看做訊號處理）的角度解讀 AI。
當然，在哲學、腦神經等其他領域也有從事人工智慧探索的學者。不過總體而言，由於人工智慧核心目標是探索如何將人類智慧轉化為可計算問題，因此它主要還是落在計算機領域。
如果希望對 AI 發展有比較通俗全面的瞭解，可以參考以下兩本書：《人工智慧狂潮》雖然標題名略顯中 2，內容比較紮實，淺顯全面並及時涵蓋到最近的深度學習浪潮；《人工智慧簡史》是華人尼克的大作，作者蒐集的史料全面紮實，夾敘夾議有很多幹貨，讀起來很過癮，不過很多地方點到即止，如果沒有相關背景知識很難看懂作者所指。
人工智慧學什麼？
如前所述，人工智慧大致還是一個計算機應用的課題。雖然這兩年國內外已有很多高校開設了人工智慧班和專業，課程設定還沒有形成共識。我們可以從國內 AI 本科教育體系的先聲——南京大學人工智慧學院釋出的《南京大學人工智慧本科專業教育培養體系》做一些分析。
作為對比，這裡列出清華大學電腦科學與技術系的選課指導清單，其中用紅框標出了與人工智慧有關的限選課程。
可以看到，人工智慧需要學習的主要內容包括：
數學基礎課：清華 CS 和南大 AI 都需要學習的有 微積分（或數學分析）、代數與幾何、離散數學（或數理邏輯、圖論等）、機率論。南大 AI 新增 最最佳化方法，這在清華 CS 為研究生課程。
學科基礎課：清華 CS 和南大 AI 都需要學習的有 程式設計基礎、資料結構、人工智慧導論、計算機原理、數位電路、系統控制。南大 AI 新增 機器學習、知識表示、計算機視覺、自然語言處理 作為學科基礎課，這在清華 CS 均為高年級選修課或研究生課程；清華 CS 需要額外學習 電路原理、訊號處理、作業系統、編譯原理、形式語言與自動機，這些被南大 AI 列為專業選修課。
專業選修課：南大 AI 設立了很多 AI 相關的專業選修課，如 自動規劃、機率圖模型、強化學習、神經網路、深度學習等，在清華 CS 均為人工智慧方向研究生課程；而南大 AI 設立的很多認知科學、神經科學、計算金融、計算生物學、計算語言學等交叉課程，在清華則分散在各院系開設的課程。
由此可以總結，目前看 AI 本科專業核心課程的設定與計算機專業相比，重疊部分要遠大於差異部分。可以看出南大在 AI 課程體系構建方面花費了大量心力，非常符合 AI 的當前發展特點。
所以，回到這個問題，人工智慧學什麼？_建議就是以計算機核心課程（數學基礎課、學科基礎課）為學科主線，以 機器學習、知識表示、計算機視覺、自然語言處理 為學科特色，以學科交叉為輔助_。
因此，我們也可以說，無論是在以南京大學人工智慧學院為代表的新成立的人工智慧專業，還是以清華大學計算機係為代表的計算機專業，都可以完成對人工智慧基礎知識的學習。
不同之處在於，前者預置為學科基礎課，後者則成為高年級時的可選方向（計算機系統結構、計算機軟體與理論、計算機應用技術）之一的計算機應用技術，如下是該方向的專業限選課程列表，其中超過一半課程是 AI 相關。
如果對這些課程要學什麼感興趣，可以購買查閱《南京大學人工智慧本科專業教育培養體系》或者使用搜尋引擎檢索相關介紹。
人工智慧怎麼學？
清華大學章程明確提出"價值塑造、能力培養、知識傳授"三位一體的育人模式，劉知遠教授認為這是高水平 AI 人才養成方式的最佳描述。
知識傳授這層不必多說，師者傳道受業解惑，在大學裡透過課程講授和課下實踐，研習精通計算機和人工智慧理論與技術，每位同學透過一門門課程成績反映出的，正是專業知識掌握的水平。絕大部分同學都能明白課程學習的重要性。然而，大學之道不僅於此，不然大學就不過是個專業技校。
在知識傳授之上就要構築能力培養，這對 CS/AI 專業而言尤其重要。計算機和人工智慧是非常年輕的學科，正處在飛速發展的朝陽時期，學科知識更新換代很快，大部分最新知識根本無法在短時間內及時沉澱到教科書中。而進入教科書的那些知識，與實際應用場景往往已有較大距離。
很多 CS/AI 高科技公司自身就站在學科最前沿，亟需有快速學習和獨立解決開放問題能力的人才。這樣，一方面要求同學有意識建立終身學習的理念，有較強的獨立學習的能力；另一方面則要求同學注意透過實驗室研究等方式鍛鍊科研創新能力。
CS/AI 同學們需要主動參與科研工作的全過程，樹立專業志趣，培養獨立學習的能力、自我學習的習慣、提出問題的意識、以及獨立解決開放問題的能力，這是大學培養 CS/AI 高水平人才的必由之路。因此，大學教師在 CS/AI 開展高水平原創研究的能力，也一定程度上決定了他們對學生進行能力培養的水平。
最後一層價值塑造也許是最玄乎的，但更加重要。一個人在知識和能力確定的情況下，Ta 的努力方向和堅持程度最終決定其成長的高度。找到在術業上的堅持方向，就是價值塑造的過程。
這個過程絕不是簡單粗暴的灌輸和宣講就能實現的，要有高水平的教師一起教學相長，有志存高遠的同學共同努力拼搏，有各界奮鬥的學長作為示範榜樣，有校外海外的實踐平臺廣開視野。實踐出真知，只有自己多聽多看多想，才能找到自己喜歡的、努力的方向，也才更有後勁堅持不懈。
所以，不管是人工智慧、計算機專業還是其他什麼專業，只要想把自己培養成為該領域的可堪大用之才，就需要從知識、能力和價值這三個層面來努力提升自己。
人工智慧去哪學？
上面說了這麼多，接下來圖窮匕見，再聊聊國內人工智慧應該去哪裡學。根據前面幾個問題的回答，可以從師資水平、課程設定等方面來做判斷，其中師資水平應該是最重要的因素，而課程設定、培養水平等與師資水平直接正相關。
如何判定 AI 師資水平，與 QS、THE、US News、ARWU 等大學或學科排名相比，劉知遠更推薦 UMass 教授 Emery Berger 維護的高校電腦科學領域排名 CSRankings，採用 DBLP 資料庫中大學 CS/AI 教授在不同方向頂級會議上發表的論文數量進行排名，有客觀確切資料支援，例如美國號稱 CS 四大名校的 Stanford、MIT、UCB 和 CMU 就排在美國前四位。同時 CSRankings 工程和資料全部開源在 github 上，可以非常方便地進行檢查、復現和擴充套件。
CSRankings 將 CS 劃分為 AI、Systems、Theory、Interdisciplinary Areas 四個一級方向，每個方向有有若干子領域，例如 AI 就又下分 General AI（AI 總方向）、Computer Vision (計算機視覺)、Machine Learning & Data Mining（機器學習與資料探勘）、Natural Language Processing（自然語言處理）、The Web & Information Retrieval（網際網路與資訊檢索）。
每個字領域只收錄 2-3 個頂級會議，這主要是因為電腦科學技術由於發展比較快，所以學者們更重視透過國際會議論文發表最新成果進行學術交流，而不像其他領域那樣主要是透過期刊發表最新研究成果。
由於 CSRankings 原網站沒有提供中國單列的高校排名，國內學術網站 AMiner 做了一個改進版，除了提供中國高校單列名單外，還額外提供根據論文引用數量的排名。
如果按照 2009-2019 十年間論文發表統計，劉知遠簡單統計了國內 AI/CS 排名較高的高校（不含香港臺灣高校、不考慮中科院）排序如下。同時表格還列出 2016-2019 近三年的排序資料，可以看到，最近幾年國內高校 AI 進步神速，特別是清華 AI 已經躍居世界第一。
這個排序大致能夠反映各大高校 CS/AI 專業的國際學術前沿整體水平，而且透過 AI 領域和 CS 整體的排名反差，可以觀察到該高校 AI 方向的強勢程度，例如復旦的 AI 排名高於其 CS 排名 2 位，哈工大 AI 排名高於 CS 排名 3 位等等，說明這兩所大學的 AI 方向相對比較強勢。而且，還可以看出，國內高校 AI 領域的世界排名明顯超過 CS 整體的世界排名，說明國內高校在 AI 方面更接近世界前沿水平。
需要注意：
這個統計結果只能反映師資力量的一個側面，而很多國內高校如北航、國防科大等在國家資訊科學重大需求方面做出的巨大貢獻如天河等，並無法客觀反映到這個統計中。
由於 CSRankings 作者 Emery Berger 堅持只收錄能招收博士的 CS 教授，因此那些在電子工程或自動華系等其他非 CS 系的教授沒有被收錄進來，從而導致該清單並不能完全反映各大高校的 AI 等領域的師資水平，但也正因為其只收錄 CS 教授，也許對於我們評判這些高校的 CS 專業師資力量更有幫助。此外，部分高校可能存在教授列表不全等問題，而 CSRankings 接受修改申請，建議國內高校相關院系如果有遺漏 CS 教師的可以去申請更新。
CSRankings 主要以高校為單位進行排序，前幾天我組同學用 CSRankings 開源資料，對 AI 領域的國內 C9 高校學者進行了排序，可以看到前 20 的學者有 7 位清華、5 位北大、2 位南大、2 位浙大、2 位哈工大、2 位復旦，可以從另一個側面反映各高校的 AI 師資力量。
想去清華學人工智慧去哪學？
作為清華人，劉知遠教授當然推薦大家去清華學人工智慧。因此，他對清華的人工智慧專業進行了介紹：
計算機類：含交叉資訊研究院的電腦科學實驗班（姚班）、人工智慧學堂班（智班）、計算機系、軟體學院。
自動化（與工業工程）類、電子資訊類。如前所述，自動化的主要理論基礎"控制論"的奠基人維納，以及電子工程和訊號處理的主要組成"資訊理論"的奠基人夏農，均為 AI 的創立貢獻了思想，所以自動化系從自動控制的角度理解 AI，電子工程系從訊號處理的角度解讀 AI，也與 AI 有密切關係。因此自動化類、電子資訊類也是學習 AI 的可選方案。
數理類、文理通識類。數理類下的基礎科學班以及文理通識類新雅書院，均支援同學自由選擇未來發展方向。人工智慧（特別是其中偏重基礎理論的機器學習）是基科班同學的熱門選擇；而新雅書院也有大量同學選擇計算機和人工智慧方向。
其他工科類交叉方向。清華是工科強校，在資訊化和智慧化的浪潮下，很多傳統強勢的工科方向近年來也開始努力開展智慧化轉型，如土木系的智慧建造、電機系的智慧電網，車輛學院的無人駕駛（成立了清華智慧駕駛實驗室）、精儀系的類腦器件（成立了清華類腦計算研究中心），可以說幾乎每個工科大類都有深度參與智慧化的研究方向。
文科類。清華的文科方向大多小而精，例如社科學院有社科大資料的構建與研究，法學院致力於計演算法學研究，中文系有計算語言學研究，外文系有語言認知研究，心理系有腦認知研究，美學院有資訊互動設計和智慧藝術創作研究，這些都與計算機和人工智慧有密切聯絡，具有高度的文理交叉特點。
劉知遠教授在計算機類中提到的姚班相信大家都已熟知，它是由圖靈獎得主、清華大學交叉資訊院院長、世界著名電腦科學家姚期智院士於 2005 年創辦，重點著眼於電腦科學與物理學、數學、生命科學、經濟學等相關學科的學科交叉培養。
而智班（清華學堂人工智慧班）是由姚期智院士於今年 5 月份新創辦的，也將於今年 9 月份開始招收本科生，首批預計招收 30 人，以「廣基礎、重交叉」為培養特點。姚期智院士將擔綱智班首席教授。
國內哪些學校可以學人工智慧？
前文中，劉知遠教授已經為我們統計了一些可以學習人工智慧的高校，但國內提供人工智慧本科專業的高校遠不止這些。
今年 3 月份，教育部在官網正式釋出公告，北京科技大學、上海交通大學等 35 所高校獲批新增「人工智慧」本科專業，「人工智慧」專業程式碼為 080717T，授予工學學位，四年制。
獲批的除了南京大學、上海交通大學等教育部直屬高校，哈爾濱工業大學、北京理工大學等工信部直屬高校，還包括中北大學、中原工學院、華南師範大學等由各省主管的高校。完整名單見下圖。
獲批新增「人工智慧」本科專業的 35 所高校
此外，機器之心還從「2018 年度普通高等學校本科專業備案和審批結果」中發現，有眾多高校新增備案或者獲批與大資料、機器人相關的專業，其中包括「資料科學與大資料技術」、「機器人工程」、「大資料管理與應用」。
我們還注意到一些有趣的專業，例如哈爾濱工程大學新增獲批的「海洋機器人」本科專業，北京體育大學新增獲批的「智慧體育工程」本科專業等。
本科就學人工智慧是一種怎樣的體驗？南大有話說
從本科開始就學人工智慧是一種什麼樣的體驗？作為國內較早開設人工智慧本科專業的高校，經歷過一年學習的南京大學能為我們提供更多的經驗。
前不久，周志華教授和南大人工智慧本科專業的學生接受了南方都市報的採訪，談了談他們的感受。
首先是數學基礎。南京大學人工智慧專業特別注重培養學生的數學基礎，課表包含高等代數、數學分析、離散數學等諸多數學基礎專業，學生直呼「燒腦」。但院長周志華表示，人工智慧面臨的問題千變萬化，解決問題涉及到多種數學工具，高水平人才必須有好的數學基礎。
在談到與傳統電腦科學專業在數學教學方面的差別時，周志華表示，傳統計算機學科的數學教學情況是：微積分和線性代數課程的內容很淺，通常不開設矩陣論；機率論與數理統計課程的內容僅是蜻蜓點水；最最佳化方法課程一般不開設；數理邏輯課程一般是選修。這造成學生在學習人工智慧核心課程時有很大障礙。
周志華教授還指出，當前的課程設定並沒有已經超越本科生的能力，既想打好基礎、學有所用，又想學得輕鬆，「不太可能」。
學生表示，辛苦是這一專業的主旋律，但他們「忙併快樂著」，時不時地就有「夢迴高三」的忙碌感。
其次，注重與產業的結合。
人工智慧是一個與產業結合非常緊密的學科，因此南大也非常注重讓學生到企業中學習。據報導稱，南大學生能夠在學校附近的南大人工智慧學院學生實訓基地現場感受一線產業應用。實訓基地以京東、科沃斯、曠視、地平線等國內知名企業在南大附近建設的人工智慧研究院或產業化公司為依託。
此外，南大還與英特爾、騰訊等企業合作，為學生安排了智慧硬體等的暑期實踐課程。
小結
以上就是機器之心小編為考生們做的「功課」了，對人工智慧感興趣而且打算報考的同學可要做好吃苦的準備。
祝各位都能被心儀的學校錄取呀~
參考內容：
https://zhuanlan.zhihu.com/p/68474477?utm_source=weibo&utm_medium=social&utm_content=snapshot&utm_oi=27569910972416
https://mp.weixin.qq.com/s/z-HeNw1xrnBRV5Eu-Awjyg
http://epaper.oeeee.com/epaper/A/html/2019-06/11/content_19699.htm?from=timeline&isappinstalled=0