聽大咖講：人工智能到底學(xué)什么？如何選擇未來就業(yè)方向？

在科技飛速發(fā)展的今天，人工智能已成為引 領(lǐng)時(shí)代變革的關(guān)鍵力量。眾多學(xué)子和家長都對人工智能專業(yè)充滿了好奇與向往，渴望深入了解這個(gè)專業(yè)的奧秘與潛力。

本周，新通邀請到美國南加州大學(xué)數(shù)據(jù)科學(xué)碩士、卡內(nèi)基梅隆大學(xué)科研項(xiàng)目助教楊同學(xué)為大家?guī)�來【人工智能專業(yè)】的主題講座。幫助大家全方位、深層次地認(rèn)識和了解計(jì)算機(jī)與人工智能專業(yè)，探尋其背后的奧秘以及蘊(yùn)藏的無限可能。

接下來，就讓我們一同回顧講座中的精彩內(nèi)容吧~
 

01

到底什么是人工智能？

定義與發(fā)展歷程

講座一開始，楊同學(xué)便對人工智能的定義進(jìn)行了深入淺出的講解。人工智能，簡單來說，就是通過模擬人類智能行為，賦予機(jī)器 “感知、學(xué)習(xí)、推理和決策” 的能力，讓機(jī)器能夠像人類一樣去處理各種復(fù)雜的任務(wù)。

回顧人工智能的發(fā)展歷程，可謂是波瀾壯闊，經(jīng)歷了多個(gè)不同的階段。20 世紀(jì) 50 年代到 80 年代，是符號 AI 階段，那時(shí)計(jì)算機(jī)剛剛興起，符號式的 AI 以規(guī)則和推理為基礎(chǔ)。就好比早期的專 家系統(tǒng)，人們將專業(yè)領(lǐng)域的知識和規(guī)則編寫進(jìn)程序，讓計(jì)算機(jī)依據(jù)這些來進(jìn)行判斷和解答問題。

而到了 1990 年至 2010 年期間，機(jī)器學(xué)習(xí)開始崛起，它可以被看作是一種統(tǒng)計(jì)學(xué)習(xí)，運(yùn)用眾多統(tǒng)計(jì)學(xué)的概念，使機(jī)器能夠去解決各式各樣的問題，不過機(jī)器學(xué)習(xí)也存在一定的局限性。

直至 2010 年至今，我們迎來了深度學(xué)習(xí)驅(qū)動的新 AI 時(shí)代，深度學(xué)習(xí)的出現(xiàn)無疑給人工智能領(lǐng)域注入了強(qiáng)大的動力，如今不管是在植物學(xué)、生物學(xué)，還是化學(xué)、醫(yī)學(xué)等眾多學(xué)科領(lǐng)域，都能看到深度學(xué)習(xí)的應(yīng)用。像近幾年備受矚目的大模型，更是推動了人工智能不斷向前發(fā)展，像 OpenAI 推出的相關(guān)大模型，以及國內(nèi)的千問大模型、百度等各大廠的大模型，都展現(xiàn)出了強(qiáng)大的能力，改變著我們學(xué)習(xí)、工作等諸多方面的方式。

人工智能核心特點(diǎn)

人工智能具備多個(gè)核心特點(diǎn)，其中數(shù)據(jù)驅(qū)動尤為突出。如今已然是大數(shù)據(jù)時(shí)代，數(shù)據(jù)成為了人工智能發(fā)展的重要支撐，大量的決策都是基于對數(shù)據(jù)的分析和挖掘。例如在電商領(lǐng)域，平臺依據(jù)用戶的瀏覽歷史、購買行為等海量數(shù)據(jù)，通過人工智能算法進(jìn)行分析，從而實(shí)現(xiàn)精準(zhǔn)的商品推薦，這背后就是數(shù)據(jù)在發(fā)揮關(guān)鍵作用。

模型復(fù)雜性也是一大特點(diǎn)，近年來大模型概念愈發(fā)火熱，像 Transformer 架構(gòu)的出現(xiàn)，讓模型復(fù)雜度不斷增高，傳統(tǒng)的一些模型與之相比都略顯遜色。這背后是科研人員不斷探索 AI 內(nèi)在規(guī)律，利用擴(kuò)展法則等方法，驅(qū)動著更強(qiáng)大的 AI 出現(xiàn)，像生成式 AI 的崛起，也和模型復(fù)雜性的提升有著緊密聯(lián)系。

廣泛應(yīng)用性更是讓人工智能滲透到了我們生活的方方面面，從日常使用的語音助手，像蘋果的 Siri、亞馬遜的 Alexa 等，能聽懂我們的語音指令并提供相應(yīng)服務(wù)；到人臉識別技術(shù)應(yīng)用在安防、手機(jī)解鎖等場景；再到自動駕駛領(lǐng)域，車輛可以依靠人工智能感知周邊環(huán)境并做出駕駛決策等等，都彰顯了人工智能強(qiáng)大的應(yīng)用能力。

02

人工智能熱門交叉學(xué)科有哪些？

如今，人工智能與各學(xué)科交叉融合已然成為一種大趨勢，這意味著每個(gè)學(xué)科的學(xué)生都有機(jī)會參與到人工智能相關(guān)的學(xué)習(xí)和研究中，解鎖更多新的可能，拓展出更廣闊的應(yīng)用邊界。下面就讓我們一起看看講座中提到的幾個(gè)具體的交叉領(lǐng)域示例吧。

人工智能 + 數(shù)據(jù)科學(xué)：

這一交叉領(lǐng)域有著諸多結(jié)合點(diǎn)，比如數(shù)據(jù)驅(qū)動的 AI 模型開發(fā)與優(yōu)化、數(shù)據(jù)清洗與特征工程，以及在數(shù)據(jù)分析中運(yùn)用 AI 算法等。像大數(shù)據(jù)分析、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)這些課程都是與之相關(guān)的學(xué)習(xí)內(nèi)容。

人工智能 + 視覺：

其在圖像和視頻分析方面有著重要應(yīng)用，例如在無人駕駛領(lǐng)域，依靠計(jì)算機(jī)視覺技術(shù)讓車輛能夠識別道路、車輛、行人等各種元素，從而做出準(zhǔn)確的駕駛決策；在醫(yī)學(xué)影像方面，則可以輔助醫(yī)生對 X 光、CT 等影像進(jìn)行分析，幫助診斷疾病。要想深入學(xué)習(xí)這個(gè)領(lǐng)域，掌握深度學(xué)習(xí)以及卷積神經(jīng)網(wǎng)絡(luò)等知識是非常關(guān)鍵的。

人工智能 + 自然語言處理：

隨著 ChatGPT 等大模型的出現(xiàn)，這一領(lǐng)域更是成為了當(dāng)下研究的焦點(diǎn)，核心在于讓機(jī)器理解和生成語言。相關(guān)的課程建議包括 NLP 基礎(chǔ)和 Transformer 架構(gòu)等，涉及很多語言模型和語義分析技術(shù)。它在機(jī)器翻譯、智能客服等場景中都發(fā)揮著重要作用，讓不同語言的交流、人機(jī)之間的對話變得更加順暢高效。

人工智能 + 強(qiáng)化學(xué)習(xí)：

強(qiáng)化學(xué)習(xí)在游戲、智能交通控制、機(jī)器人決策等領(lǐng)域有著廣泛應(yīng)用。比如在熱門游戲中，智能 NPC 可以利用生成式人工智能進(jìn)行交互，提升游戲體驗(yàn)；在智能交通控制里，通過強(qiáng)化學(xué)習(xí)讓交通信號燈等設(shè)施做出更優(yōu)的調(diào)控策略，緩解擁堵。學(xué)習(xí)這個(gè)領(lǐng)域需要了解自動化控制的相關(guān)技術(shù)、強(qiáng)化學(xué)習(xí)的理論以及對應(yīng)的算法等基礎(chǔ)知識。

人工智能 + 醫(yī)學(xué)：

人工智能對醫(yī)學(xué)領(lǐng)域的加持作用十分巨大，像今年諾貝爾化學(xué)獎獲得者 David Baker 所做的蛋白質(zhì)折疊相關(guān)研究，就借助了大模型的思想，實(shí)現(xiàn)了蛋白質(zhì)生成等成果。

除此之外，在疾病診斷、個(gè)性化醫(yī)療、醫(yī)藥研發(fā)以及基因組學(xué)分析等方面也都有著積極應(yīng)用，能夠幫助醫(yī)生更高效準(zhǔn)確地診斷病情，為患者制定更貼合自身情況的治療方案，推動醫(yī)學(xué)不斷向前發(fā)展。

人工智能 + 環(huán)境科學(xué)：

可以利用 AI 去解決環(huán)境領(lǐng)域的諸多問題，比如應(yīng)對氣候變化、對水資源、森林資源進(jìn)行管理，或者處理野火等問題。通過學(xué)習(xí)空間分析、氣候建模等相關(guān)課程，能夠運(yùn)用 AI 加速這些問題解決的流程化、結(jié)構(gòu)化。并且，在國家的很多政府部門也有著對此類崗位的需求，有著不錯的應(yīng)用前景。

人工智能 + 倫理和法律：

隨著 AI 的快速發(fā)展，也帶來了不少倫理和法律方面的問題，例如數(shù)據(jù)泄露可能侵犯隱私等情況。不過 AI 相對人來說，在決策上可能更具透明性，有著更清晰的問責(zé)機(jī)制，并且可以假定算法具有公平性以及能保護(hù)隱私等優(yōu)勢。目前，國內(nèi)像華東政法大學(xué)、華東師范大學(xué)、上海交通大學(xué)等都對人工智能與倫理法律的交叉領(lǐng)域十分關(guān)注，這一領(lǐng)域未來也有著很大的發(fā)展空間，值得深入探討研究。

03

人工智能專業(yè)核心課程有哪些？

接下來，楊同學(xué)著重介紹了該專業(yè)的核心專業(yè)課程，這些課程猶如基石，對于筑牢知識根基、深入探索人工智能領(lǐng)域起著至關(guān)重要的作用。

數(shù)學(xué)與統(tǒng)計(jì)基礎(chǔ)

數(shù)學(xué)與統(tǒng)計(jì)可謂是人工智能的 “命脈” 所在，是整個(gè)專業(yè)學(xué)習(xí)的根基。高等數(shù)學(xué)中的微積分知識，涉及優(yōu)化與梯度計(jì)算，例如在反向傳播過程中就起著關(guān)鍵作用，能助力實(shí)現(xiàn)模型的優(yōu)化；線性代數(shù)里的矩陣運(yùn)算、特征值分解等內(nèi)容，是深度學(xué)習(xí)的核心要點(diǎn)，很多數(shù)據(jù)以及算法的存儲結(jié)構(gòu)都依賴于矩陣這一基礎(chǔ)。

概率論與數(shù)理統(tǒng)計(jì)同樣不可或缺，它涵蓋概率分布、貝葉斯理論、假設(shè)檢驗(yàn)等知識，能夠幫助我們進(jìn)行數(shù)據(jù)分布分析與采樣，在理解機(jī)器學(xué)習(xí)的本質(zhì)即統(tǒng)計(jì)學(xué)習(xí)方面意義重大，畢竟諸多機(jī)器學(xué)習(xí)算法都是基于概率統(tǒng)計(jì)原理推導(dǎo)而來。還有離散數(shù)學(xué)，其中的圖論、邏輯、集合等知識，是計(jì)算機(jī)科學(xué)的基礎(chǔ)組成部分，為后續(xù)更深入的學(xué)習(xí)和研究提供了基本的思維框架。

編程與算法

編程是將人工智能理論轉(zhuǎn)化為實(shí)際應(yīng)用的重要工具，它承載著一種獨(dú)特的思想。Python 作為人工智能領(lǐng)域的主流編程語言，備受青睞，其優(yōu)勢十分顯著。它是面向?qū)ο蟮膹?qiáng)可解釋性語言，語法簡潔，上手容易，即便基礎(chǔ)薄弱，借助當(dāng)下的大語言模型對話方式，也能快速入門。

與此同時(shí)，數(shù)據(jù)結(jié)構(gòu)和算法的學(xué)習(xí)也不容忽視。像排序與搜索算法（如快速排序、二分查找）、各種數(shù)據(jù)結(jié)構(gòu)（數(shù)組、鏈表、棧、隊(duì)列、哈希表、樹、圖）等知識，不僅能夠提升代碼效率與性能，更是實(shí)現(xiàn) AI 模型基礎(chǔ)邏輯的關(guān)鍵所在。掌握這些算法的思想精髓，才能更好地在人工智能的開發(fā)實(shí)踐中靈活運(yùn)用，實(shí)現(xiàn)高效的程序運(yùn)行，避免陷入低效的代碼困境。

機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

機(jī)器學(xué)習(xí)作為人工智能的核心領(lǐng)域，涉及監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)兩個(gè)重要分支。在監(jiān)督學(xué)習(xí)中，回歸、分類等經(jīng)典算法，例如線性回歸、支持向量機(jī)等，都是需要掌握的重點(diǎn)內(nèi)容；無監(jiān)督學(xué)習(xí)里的聚類、降維算法，像 K-Means、PCA 等也有著廣泛的應(yīng)用場景。

深度學(xué)習(xí)更是當(dāng)下人工智能發(fā)展的強(qiáng)勁驅(qū)動力，其典型的網(wǎng)絡(luò)結(jié)構(gòu)如 CNN（用于圖像處理）、RNN/LSTM/Transformer（適用于序列數(shù)據(jù)分析與語言模型）等，每一種結(jié)構(gòu)都蘊(yùn)含著獨(dú)特的思想和應(yīng)用方向，理解它們有助于把握深度學(xué)習(xí)在不同場景下的強(qiáng)大功能，像在自然語言處理、圖像識別等諸多領(lǐng)域發(fā)揮的關(guān)鍵作用。強(qiáng)化學(xué)習(xí)也是熱門方向之一，通過智能決策與試錯優(yōu)化，在游戲、智能交通控制等領(lǐng)域展現(xiàn)出巨大的應(yīng)用潛力。

課程學(xué)習(xí)規(guī)劃

對于想要系統(tǒng)學(xué)習(xí)人工智能專業(yè)的同學(xué)，楊同學(xué)還貼心地給出了按學(xué)期劃分的課程學(xué)習(xí)規(guī)劃建議：

• 第 一學(xué)期：建議把重點(diǎn)放在數(shù)學(xué)學(xué)習(xí)上，靜下心來花時(shí)間把數(shù)學(xué)基礎(chǔ)打扎實(shí)，同時(shí)可以兼顧一些數(shù)據(jù)科學(xué)入門的跨學(xué)科內(nèi)容，了解數(shù)據(jù)科學(xué)的基本概念和處理數(shù)據(jù)的方法，還可以嘗試做一些如數(shù)據(jù)清洗與分析的實(shí)驗(yàn)，培養(yǎng)對數(shù)據(jù)的敏感度和處理能力。

• 第二學(xué)期：開始深入學(xué)習(xí)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的相關(guān)算法，探索這些算法在自己感興趣或者所在領(lǐng)域中的應(yīng)用方式，并且嘗試進(jìn)行神經(jīng)網(wǎng)絡(luò)或一些經(jīng)典網(wǎng)絡(luò)模型的實(shí)踐操作，通過實(shí)際動手加深對知識的理解和掌握。

• 第三學(xué)期：可以根據(jù)自己的興趣和發(fā)展方向，選擇扎根于自然語言處理、計(jì)算機(jī)視覺或者強(qiáng)化學(xué)習(xí)等具體領(lǐng)域，進(jìn)一步深入鉆研，思考如何讓 AI 算法和模型更好地適配所在領(lǐng)域的數(shù)據(jù)，實(shí)現(xiàn)創(chuàng)新應(yīng)用，同時(shí)進(jìn)行相應(yīng)的 AI 系統(tǒng)優(yōu)化實(shí)驗(yàn)。

• 第四學(xué)期：著重嘗試去完成一些完整的科研項(xiàng)目或者撰寫論文，爭取讓所學(xué)知識落地，比如參與學(xué)科競賽、發(fā)表論文等，以此來提升自己的實(shí)踐能力和科研水平，為未來的升學(xué)或者就業(yè)增添有力的砝碼。

此外，在學(xué)習(xí)過程中，還有一些實(shí)用的學(xué)習(xí)資源和工具推薦。例如編程語言方面，Python 是必備，而像 Jupyter Notebook 則是數(shù)據(jù)分析和實(shí)驗(yàn)的好幫手；還有版本控制與團(tuán)隊(duì)協(xié)作離不開 Git/GitHub，數(shù)據(jù)庫操作要掌握 SQL 等等�？傊�，合理利用這些資源和工具，能讓學(xué)習(xí)事半功倍，更好地在人工智能專業(yè)領(lǐng)域中不斷前行。

04

人工智能專業(yè)就業(yè)前景怎么樣？

就業(yè)趨勢分析

如今，人工智能領(lǐng)域展現(xiàn)出了極為強(qiáng)勁的就業(yè)優(yōu)勢，已然成為眾多求職者眼中的 “香餑餑”。

一方面，人工智能領(lǐng)域的更新速度極快，新技術(shù)、新理念不斷涌現(xiàn)，這就使得其需要大量能夠緊跟技術(shù)發(fā)展步伐、不斷學(xué)習(xí)新技術(shù)，進(jìn)而保持技能競爭力的專業(yè)人才。

另一方面，從業(yè)者的薪資水平普遍較高，特別是在那些技術(shù)成熟度較高的公司和研究機(jī)構(gòu)，給出的薪資待遇更是十分優(yōu)厚。畢竟人工智能所涉及的技術(shù)知識和技能較為復(fù)雜，能夠掌握并運(yùn)用這些知識技能為企業(yè)創(chuàng)造價(jià)值的人才，自然值得高薪聘請。

而且，隨著人工智能的快速發(fā)展，它幾乎滲透到了每一個(gè)行業(yè)之中，這也就導(dǎo)致了對人工智能相關(guān)技能人才的需求大幅增加，崗位數(shù)量不斷攀升，為人工智能專業(yè)的畢業(yè)生提供了廣闊的就業(yè)前景。

熱門崗位介紹

在人工智能領(lǐng)域，有幾個(gè)熱門崗位備受關(guān)注，它們各有其獨(dú)特的技能要求以及未來發(fā)展趨勢。

• 人工智能工程師：

技能要求上，需要熟練掌握深度學(xué)習(xí)框架，比如 TensorFlow、PyTorch 等，這些框架是構(gòu)建和訓(xùn)練人工智能模型的關(guān)鍵工具；要具備扎實(shí)的機(jī)器學(xué)習(xí)算法基礎(chǔ)，涵蓋監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)等方面，以便針對不同的業(yè)務(wù)場景選擇和應(yīng)用合適的算法；還得精通數(shù)據(jù)處理工具，像 Pandas、NumPy、SQL 等，用于對海量的數(shù)據(jù)進(jìn)行整理、分析和存儲；同時(shí)，數(shù)據(jù)可視化工具如 Matplotlib、Tableau 等也必不可少，能將分析結(jié)果直觀地展示出來，輔助決策。

• 數(shù)據(jù)科學(xué)家：

數(shù)據(jù)科學(xué)家需要將數(shù)據(jù)科學(xué)與 AI 模型開發(fā)深度結(jié)合，所以對 AI 算法要有更深入的理解，不僅要掌握常見的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法，還得明白如何將其巧妙應(yīng)用到實(shí)際的數(shù)據(jù)問題中。

05

講座互動Q&A

講座最 后的互動環(huán)節(jié)可謂是精彩紛呈，大家紛紛拋出自己心中的疑問，楊同學(xué)也都一一耐心解答，下面就選取一些有代表性的問題和回答來和大家分享一下。

1、哪些專業(yè)容易跨專業(yè)進(jìn)入AI領(lǐng)域？

容易跨的專業(yè)往往是那些與數(shù)據(jù)和分析密切相關(guān)的領(lǐng)域，因?yàn)檫@些領(lǐng)域更容易利用人工智能技術(shù)。例如心理學(xué)、語言學(xué)和公共政策等文科專業(yè)，都可以通過結(jié)合人工智能來進(jìn)行更深入的數(shù)據(jù)分析和模式識別�？鐚W(xué)科的關(guān)鍵在于找到自己專業(yè)與人工智能結(jié)合的切入點(diǎn)。

2、文科生有機(jī)會進(jìn)入人工智能領(lǐng)域?qū)W習(xí)嗎？

文科生完全有機(jī)會進(jìn)入人工智能領(lǐng)域。人工智能是一個(gè)多學(xué)科交叉的領(lǐng)域，文科生可以將自己的專業(yè)知識與人工智能技術(shù)相結(jié)合，比如通過分析文本數(shù)據(jù)來研究社會現(xiàn)象或文化趨勢。我鼓勵文科生學(xué)習(xí)編程和數(shù)據(jù)分析技能，這些技能將幫助他們更好地利用人工智能工具。

3、碩士想學(xué)人工智能的相關(guān)專業(yè)，本科學(xué)什么專業(yè)比較好？

如果想把人工智能做的很好，建議本科選擇數(shù)學(xué)專業(yè)，其次是計(jì)算機(jī)計(jì)算機(jī)相關(guān)的專業(yè)，然后是通信相關(guān)的專業(yè)，然后自動化相關(guān)的專業(yè)，這些都是可以去做人工智能的。但是CS很多時(shí)候看的并不是你學(xué)了哪些課，而是看你做哪些事情。

4、美國哪些人工智能崗位需求比較大？

目前美國對生成式AI和大語言模型的需求很大。這些技術(shù)在自然語言處理、內(nèi)容生成和聊天機(jī)器人等領(lǐng)域有著廣泛的應(yīng)用。同時(shí)，盡管人工智能崗位需求大，但是對個(gè)人能力的要求極高，需要有豐富的經(jīng)驗(yàn)和扎實(shí)的技術(shù)基礎(chǔ)。

5、做科研找導(dǎo)師，國內(nèi)和國外哪個(gè)好一點(diǎn)？

選擇導(dǎo)師時(shí)，重要的是找到與自己研究興趣相匹配的導(dǎo)師，而不僅僅是看是國內(nèi)還是國外。國外的一些研究環(huán)境可能在某些領(lǐng)域更為先進(jìn)，但這并不意味著國內(nèi)的導(dǎo)師就不優(yōu) 秀。建議學(xué)生根據(jù)自己的研究興趣和職業(yè)規(guī)劃，以及導(dǎo)師的研究背景和聲譽(yù)，來做出選擇。

總之，這場講座圍繞人工智能專業(yè)，從專業(yè)本身的剖析，到交叉學(xué)科的拓展，再到核心課程以及就業(yè)前景等多方面進(jìn)行了全面且深入的講解，對有意向?qū)W習(xí)人工智能專業(yè)或者對人工智能有興趣的的同學(xué)帶來了很大的幫助。

接下來，新通還會邀請不同專業(yè)和領(lǐng)域的專 家和學(xué)者，為大家講解從好專業(yè)到好就業(yè)的規(guī)劃之路！掃碼進(jìn)群蹲直播，get個(gè)人背景評估！

如果你想了解更多講座詳情，或者想咨詢出國留學(xué)相關(guān)問題，可以咨詢新通老師，為你一一解答~