机器之心整理

参与：王淑婷、张倩

这两天，全国各地的高考分数线基本都已出来了。挺过了高考千军万马过独木桥的难关，学子们现在最迷茫的就是填志愿了。最近，人工智能成为了新兴热门的专业，关于人工智能该如何报考，请看这里↓↓

文章有点长，目录预览：

• 清华大学刘知远教授答疑
• 各大开设人工智能的院校
• 本科就读人工智能的体验（南京大学）

在计算机专业和人工智能日益火爆的当下，很多人对这两个专业又是好奇又是憧憬。对此，清华大学刘知远教授近日在知乎上分享了一些内容，以帮助考生更加理性地选择专业，希望更多真正喜欢 CS/AI 的考生选好学校选对专业。

刘知远教授从人工智能是什么、学什么、怎么学、以及去哪儿学的问题入手，对此进行了答疑。

清华大学刘知远教授答疑

人工智能是什么？

人工智能（Artificial Intelligence，AI）是一门年轻的学科，从 1956 年达特茅斯会议正式提出 AI 名称至今不过 65 年；从阿兰图灵 1950 年提出判断机器是否能够思考的图灵测试至今也不过 70 年时间。

AI 的 70 年发展史汇集了来自数学、计算机科学、逻辑学、哲学、神经科学、语言学等不同领域学者的努力，是典型的交叉学科。同时，从整体来看 AI 仍然是计算机科学技术的主要分支。

人工智能是什么？简言之，人工智能学科是利用计算机实现人类智能。人类智能并没有公认的定义与界限，实际上也随着 AI 的发展而有所变化。某项人类技能被计算机所掌握后，人们往往不再认为它代表人类"真正"的智能。

例如，1997 年 IBM 深蓝战胜人类国际象棋冠军卡斯帕罗夫后，就有评论说 IBM 计算机只是在暴力搜索，不是真正的智能，that's not thinking！这种现象又被称为"AI Effect"。

所以，人工智能总是聚焦在那些尚未被计算机破解的人类智能能力上。比较简单的人类智能已经被解决了，例如计数能力有了计算器，数据记忆和查询有了数据库，下棋能力有了下棋软件，剩下的是那些困难的高级智能。

简单而言，如果我们把大脑看做一个黑盒，它能够接受外部世界的刺激信号，大脑处理这些信号产生输出反馈，人类智能正体现在这些"刺激-反馈"的对应中。针对不同刺激信号和反馈处理的复杂性，AI 下面有很多专门的领域开展相关研究和探索。

目前，公认的 AI 核心课题包括：机器学习、计算机视觉、自然语言处理、语音处理、知识表示与计算、推理与规划，等等，并在此基础上支持着许多重要应用场景如无人驾驶、机器人等。

• 机器学习：旨在让计算机具备自动学习的能力，能够解决分类、聚类、回归、关联分析等任务。目前主流是从大规模数据中自动学习和总结规律，从而能够对新的数据进行预测，也被称为统计机器学习。简单地讲，机器学习是从大量"刺激-反馈"数据中自动总结规律的技术。
• 计算机视觉：旨在让计算机理解和处理图像数据（包括图片、视频等），使计算机掌握"看"的能力。图像是典型的无结构数据，由像素组成，如何从一幅图像中自动识别不同层次的对象（如轮廓、人脸、场景等）及其复杂关联，是计算机视觉面临的挑战问题。
• 语音处理：旨在让计算机理解、处理和生成人类语音，使计算机掌握"听"和「说」的能力。语音也是一种典型的无结构序列数据，看似简单的一维语音信号包含着丰富的信息如内容、意图、身份、情感、信道、场景、干扰等。以语音识别为例，目前在深度学习技术的支持下，普通场景的语音转文本的效果已经得到广泛应用。而在多人、方言、强噪、远场等挑战场景下，语音识别效果还需要进一步提升。
• 自然语言处理：旨在让计算机理解和处理人类语言。与 C++、Java 等人工设计的编程语言不同，人类语言是大自然的产物，因此被称为"自然语言"。人类语言也是典型的无结构数据，由字词组合而成，如何理解一句话、一篇文章甚至一本书的意思，也是人工智能面临的挑战问题。由于语言是人类特有的传递丰富信息和知识、表达复杂思想和情绪的载体，甚至被认为是人类思考的重要工具，因此自然语言处理问题更接近人类高级认知智能，有很多重要的开放问题。
• 知识表示与计算：人类对世界的认识积累形成了知识，知识是人类理解外部信息、实现各种智能能力的基础。近年来随着知识图谱的广泛应用，成为研究界和工业界关注的重点问题。

由于上述这些课题都关涉人类智能，所以互相密切关联、不分彼此，例如计算机视觉、语音识别和自然语言处理都是机器学习算法的重要应用场景，知识表示与计算也成为计算机视觉和自然语言处理方向的重要话题，等等。

正因为年轻，这些方向都充满着活力，一方面最新技术日益深远地影响着人类社会生活的方方面面，同时学科体系和技术框架也在飞速地日新月异、推陈出新，现在去翻十年前的教材很多内容都显得过时了。

从学科设置来看，国内大学遵照教育部《学位授予和人才培养学科目录》来颁发学位。最初的计算机一级学科是"计算机科学与技术"，下设"计算机系统结构"、"计算机软件与理论"、"计算机应用技术"三个二级学科，其中"计算机系统结构"对应高性能计算（超算）和计算机网络体系架构（互联网），后来单独成立出"网络空间安全"一级学科；"计算机软件与理论"对应软件工程和计算机理论科学等，后来单独成立出"软件工程"一级学科；而"计算机应用技术"则对应计算机的各类应用技术，很大程度上正沿着从信息化到自动化再到智能化的路线前进，可以想见，如果现在这波 AI 浪潮还能持续几年，单独成立"人工智能"一级学科也指日可待。

从研究配置来看，AI 研究队伍主要分布在计算机、自动化、电子工程等信息科学相关院系中，这与 AI 起源有密切关系，计算机的奠基人图灵、冯诺依曼，自动化的主要理论基础"控制论"的奠基人维纳，以及电子工程和信号处理的主要组成"信息论"的奠基人香农，均为 AI 的创立贡献了思想。

所以，计算机系主要从计算理论和计算机应用的角度研究 AI，自动化系从自动控制的角度理解 AI，电子工程系则从信号处理（将 AI 关心的视觉、文本、听觉等模态理解问题看做信号处理）的角度解读 AI。

当然，在哲学、脑神经等其他领域也有从事人工智能探索的学者。不过总体而言，由于人工智能核心目标是探索如何将人类智能转化为可计算问题，因此它主要还是落在计算机领域。

如果希望对 AI 发展有比较通俗全面的了解，可以参考以下两本书：《人工智能狂潮》虽然标题名略显中 2，内容比较扎实，浅显全面并及时涵盖到最近的深度学习浪潮；《人工智能简史》是华人尼克的大作，作者搜集的史料全面扎实，夹叙夹议有很多干货，读起来很过瘾，不过很多地方点到即止，如果没有相关背景知识很难看懂作者所指。

人工智能学什么？

如前所述，人工智能大致还是一个计算机应用的课题。虽然这两年国内外已有很多高校开设了人工智能班和专业，课程设置还没有形成共识。我们可以从国内 AI 本科教育体系的先声——南京大学人工智能学院发布的《南京大学人工智能本科专业教育培养体系》做一些分析。

作为对比，这里列出清华大学计算机科学与技术系的选课指导清单，其中用红框标出了与人工智能有关的限选课程。

可以看到，人工智能需要学习的主要内容包括：

1. 数学基础课：清华 CS 和南大 AI 都需要学习的有 微积分（或数学分析）、代数与几何、离散数学（或数理逻辑、图论等）、概率论。南大 AI 新增 最优化方法，这在清华 CS 为研究生课程。
2. 学科基础课：清华 CS 和南大 AI 都需要学习的有 程序设计基础、数据结构、人工智能导论、计算机原理、数字电路、系统控制。南大 AI 新增 机器学习、知识表示、计算机视觉、自然语言处理 作为学科基础课，这在清华 CS 均为高年级选修课或研究生课程；清华 CS 需要额外学习 电路原理、信号处理、操作系统、编译原理、形式语言与自动机，这些被南大 AI 列为专业选修课。
3. 专业选修课：南大 AI 设立了很多 AI 相关的专业选修课，如 自动规划、概率图模型、强化学习、神经网络、深度学习等，在清华 CS 均为人工智能方向研究生课程；而南大 AI 设立的很多认知科学、神经科学、计算金融、计算生物学、计算语言学等交叉课程，在清华则分散在各院系开设的课程。

由此可以总结，目前看 AI 本科专业核心课程的设置与计算机专业相比，重叠部分要远大于差异部分。可以看出南大在 AI 课程体系构建方面花费了大量心力，非常符合 AI 的当前发展特点。

所以，回到这个问题，人工智能学什么？_建议就是以计算机核心课程（数学基础课、学科基础课）为学科主线，以 机器学习、知识表示、计算机视觉、自然语言处理 为学科特色，以学科交叉为辅助_。

因此，我们也可以说，无论是在以南京大学人工智能学院为代表的新成立的人工智能专业，还是以清华大学计算机系为代表的计算机专业，都可以完成对人工智能基础知识的学习。

不同之处在于，前者预置为学科基础课，后者则成为高年级时的可选方向（计算机系统结构、计算机软件与理论、计算机应用技术）之一的计算机应用技术，如下是该方向的专业限选课程列表，其中超过一半课程是 AI 相关。

如果对这些课程要学什么感兴趣，可以购买查阅《南京大学人工智能本科专业教育培养体系》或者使用搜索引擎检索相关介绍。

人工智能怎么学？

清华大学章程明确提出"价值塑造、能力培养、知识传授"三位一体的育人模式，刘知远教授认为这是高水平 AI 人才养成方式的最佳描述。

知识传授这层不必多说，师者传道受业解惑，在大学里通过课程讲授和课下实践，研习精通计算机和人工智能理论与技术，每位同学通过一门门课程成绩反映出的，正是专业知识掌握的水平。绝大部分同学都能明白课程学习的重要性。然而，大学之道不仅于此，不然大学就不过是个专业技校。

在知识传授之上就要构筑能力培养，这对 CS/AI 专业而言尤其重要。计算机和人工智能是非常年轻的学科，正处在飞速发展的朝阳时期，学科知识更新换代很快，大部分最新知识根本无法在短时间内及时沉淀到教科书中。而进入教科书的那些知识，与实际应用场景往往已有较大距离。

很多 CS/AI 高科技公司自身就站在学科最前沿，亟需有快速学习和独立解决开放问题能力的人才。这样，一方面要求同学有意识建立终身学习的理念，有较强的独立学习的能力；另一方面则要求同学注意通过实验室研究等方式锻炼科研创新能力。

CS/AI 同学们需要主动参与科研工作的全过程，树立专业志趣，培养独立学习的能力、自我学习的习惯、提出问题的意识、以及独立解决开放问题的能力，这是大学培养 CS/AI 高水平人才的必由之路。因此，大学教师在 CS/AI 开展高水平原创研究的能力，也一定程度上决定了他们对学生进行能力培养的水平。

最后一层价值塑造也许是最玄乎的，但更加重要。一个人在知识和能力确定的情况下，Ta 的努力方向和坚持程度最终决定其成长的高度。找到在术业上的坚持方向，就是价值塑造的过程。

这个过程绝不是简单粗暴的灌输和宣讲就能实现的，要有高水平的教师一起教学相长，有志存高远的同学共同努力拼搏，有各界奋斗的学长作为示范榜样，有校外海外的实践平台广开视野。实践出真知，只有自己多听多看多想，才能找到自己喜欢的、努力的方向，也才更有后劲坚持不懈。

所以，不管是人工智能、计算机专业还是其他什么专业，只要想把自己培养成为该领域的可堪大用之才，就需要从知识、能力和价值这三个层面来努力提升自己。

人工智能去哪学？

上面说了这么多，接下来图穷匕见，再聊聊国内人工智能应该去哪里学。根据前面几个问题的回答，可以从师资水平、课程设置等方面来做判断，其中师资水平应该是最重要的因素，而课程设置、培养水平等与师资水平直接正相关。

如何判定 AI 师资水平，与 QS、THE、US News、ARWU 等大学或学科排名相比，刘知远更推荐 UMass 教授 Emery Berger 维护的高校计算机科学领域排名 CSRankings，采用 DBLP 数据库中大学 CS/AI 教授在不同方向顶级会议上发表的论文数量进行排名，有客观确切数据支持，例如美国号称 CS 四大名校的 Stanford、MIT、UCB 和 CMU 就排在美国前四位。同时 CSRankings 工程和数据全部开源在 github 上，可以非常方便地进行检查、复现和扩展。

CSRankings 将 CS 划分为 AI、Systems、Theory、Interdisciplinary Areas 四个一级方向，每个方向有有若干子领域，例如 AI 就又下分 General AI（AI 总方向）、Computer Vision (计算机视觉)、Machine Learning & Data Mining（机器学习与数据挖掘）、Natural Language Processing（自然语言处理）、The Web & Information Retrieval（互联网与信息检索）。

每个字领域只收录 2-3 个顶级会议，这主要是因为计算机科学技术由于发展比较快，所以学者们更重视通过国际会议论文发表最新成果进行学术交流，而不像其他领域那样主要是通过期刊发表最新研究成果。

由于 CSRankings 原网站没有提供中国单列的高校排名，国内学术网站 AMiner 做了一个改进版，除了提供中国高校单列名单外，还额外提供根据论文引用数量的排名。

如果按照 2009-2019 十年间论文发表统计，刘知远简单统计了国内 AI/CS 排名较高的高校（不含香港台湾高校、不考虑中科院）排序如下。同时表格还列出 2016-2019 近三年的排序数据，可以看到，最近几年国内高校 AI 进步神速，特别是清华 AI 已经跃居世界第一。

这个排序大致能够反映各大高校 CS/AI 专业的国际学术前沿整体水平，而且通过 AI 领域和 CS 整体的排名反差，可以观察到该高校 AI 方向的强势程度，例如复旦的 AI 排名高于其 CS 排名 2 位，哈工大 AI 排名高于 CS 排名 3 位等等，说明这两所大学的 AI 方向相对比较强势。而且，还可以看出，国内高校 AI 领域的世界排名明显超过 CS 整体的世界排名，说明国内高校在 AI 方面更接近世界前沿水平。

需要注意：

1. 这个统计结果只能反映师资力量的一个侧面，而很多国内高校如北航、国防科大等在国家信息科学重大需求方面做出的巨大贡献如天河等，并无法客观反映到这个统计中。
2. 由于 CSRankings 作者 Emery Berger 坚持只收录能招收博士的 CS 教授，因此那些在电子工程或自动华系等其他非 CS 系的教授没有被收录进来，从而导致该清单并不能完全反映各大高校的 AI 等领域的师资水平，但也正因为其只收录 CS 教授，也许对于我们评判这些高校的 CS 专业师资力量更有帮助。此外，部分高校可能存在教授列表不全等问题，而 CSRankings 接受修改申请，建议国内高校相关院系如果有遗漏 CS 教师的可以去申请更新。

CSRankings 主要以高校为单位进行排序，前几天我组同学用 CSRankings 开源数据，对 AI 领域的国内 C9 高校学者进行了排序，可以看到前 20 的学者有 7 位清华、5 位北大、2 位南大、2 位浙大、2 位哈工大、2 位复旦，可以从另一个侧面反映各高校的 AI 师资力量。

想去清华学人工智能去哪学？

作为清华人，刘知远教授当然推荐大家去清华学人工智能。因此，他对清华的人工智能专业进行了介绍：

• 计算机类：含交叉信息研究院的计算机科学实验班（姚班）、人工智能学堂班（智班）、计算机系、软件学院。
• 自动化（与工业工程）类、电子信息类。如前所述，自动化的主要理论基础"控制论"的奠基人维纳，以及电子工程和信号处理的主要组成"信息论"的奠基人香农，均为 AI 的创立贡献了思想，所以自动化系从自动控制的角度理解 AI，电子工程系从信号处理的角度解读 AI，也与 AI 有密切关系。因此自动化类、电子信息类也是学习 AI 的可选方案。
• 数理类、文理通识类。数理类下的基础科学班以及文理通识类新雅书院，均支持同学自由选择未来发展方向。人工智能（特别是其中偏重基础理论的机器学习）是基科班同学的热门选择；而新雅书院也有大量同学选择计算机和人工智能方向。
• 其他工科类交叉方向。清华是工科强校，在信息化和智能化的浪潮下，很多传统强势的工科方向近年来也开始努力开展智能化转型，如土木系的智能建造、电机系的智能电网，车辆学院的无人驾驶（成立了清华智能驾驶实验室）、精仪系的类脑器件（成立了清华类脑计算研究中心），可以说几乎每个工科大类都有深度参与智能化的研究方向。
• 文科类。清华的文科方向大多小而精，例如社科学院有社科大数据的构建与研究，法学院致力于计算法学研究，中文系有计算语言学研究，外文系有语言认知研究，心理系有脑认知研究，美学院有信息交互设计和智能艺术创作研究，这些都与计算机和人工智能有密切联系，具有高度的文理交叉特点。

刘知远教授在计算机类中提到的姚班相信大家都已熟知，它是由图灵奖得主、清华大学交叉信息院院长、世界著名计算机科学家姚期智院士于 2005 年创办，重点着眼于计算机科学与物理学、数学、生命科学、经济学等相关学科的学科交叉培养。

而

智班

（清华学堂人工智能班）是由姚期智院士于今年 5 月份新创办的，也将于今年 9 月份开始招收本科生，首批预计招收 30 人，以「广基础、重交叉」为培养特点。姚期智院士将担纲智班首席教授。

国内哪些学校可以学人工智能？

前文中，刘知远教授已经为我们统计了一些可以学习人工智能的高校，但国内提供人工智能本科专业的高校远不止这些。

今年 3 月份，教育部在官网正式发布公告，北京科技大学、上海交通大学等 35 所高校获批新增「人工智能」本科专业，「人工智能」专业代码为 080717T，授予工学学位，四年制。

获批的除了南京大学、上海交通大学等教育部直属高校，哈尔滨工业大学、北京理工大学等工信部直属高校，还包括中北大学、中原工学院、华南师范大学等由各省主管的高校。完整名单见下图。

获批新增「人工智能」本科专业的 35 所高校

此外，机器之心还从「2018 年度普通高等学校本科专业备案和审批结果」中发现，有众多高校新增备案或者获批与大数据、机器人相关的专业，其中包括「数据科学与大数据技术」、「机器人工程」、「大数据管理与应用」。

我们还注意到一些有趣的专业，例如哈尔滨工程大学新增获批的「海洋机器人」本科专业，北京体育大学新增获批的「智能体育工程」本科专业等。

本科就学人工智能是一种怎样的体验？南大有话说

从本科开始就学人工智能是一种什么样的体验？作为国内较早开设人工智能本科专业的高校，经历过一年学习的南京大学能为我们提供更多的经验。

前不久，周志华教授和南大人工智能本科专业的学生接受了南方都市报的采访，谈了谈他们的感受。

首先是数学基础。南京大学人工智能专业特别注重培养学生的数学基础，课表包含高等代数、数学分析、离散数学等诸多数学基础专业，学生直呼「烧脑」。但院长周志华表示，人工智能面临的问题千变万化，解决问题涉及到多种数学工具，高水平人才必须有好的数学基础。

在谈到与传统计算机科学专业在数学教学方面的差别时，周志华表示，传统计算机学科的数学教学情况是：微积分和线性代数课程的内容很浅，通常不开设矩阵论；概率论与数理统计课程的内容仅是蜻蜓点水；最优化方法课程一般不开设；数理逻辑课程一般是选修。这造成学生在学习人工智能核心课程时有很大障碍。

周志华教授还指出，当前的课程设置并没有已经超越本科生的能力，既想打好基础、学有所用，又想学得轻松，「不太可能」。

学生表示，辛苦是这一专业的主旋律，但他们「忙并快乐着」，时不时地就有「梦回高三」的忙碌感。

其次，注重与产业的结合。

人工智能是一个与产业结合非常紧密的学科，因此南大也非常注重让学生到企业中学习。据报道称，南大学生能够在学校附近的南大人工智能学院学生实训基地现场感受一线产业应用。实训基地以京东、科沃斯、旷视、地平线等国内知名企业在南大附近建设的人工智能研究院或产业化公司为依托。

此外，南大还与英特尔、腾讯等企业合作，为学生安排了智能硬件等的暑期实践课程。

小结

以上就是机器之心小编为考生们做的「功课」了，对人工智能感兴趣而且打算报考的同学可要做好吃苦的准备。

祝各位都能被心仪的学校录取呀~