人工智能时代，真的不能为文科生分一杯羹吗
如图所示，2017年中国普通本科招生人数中，工科门类招生人数几乎是历史、农学、法学、教育学、经济和理学医学之和。占比高达三分之一。
据麦可思研究院：《2019年中国大学生就业报告》(就业蓝皮书)就2018年平均月收入较高的本科专进行了调查统计。2018届本科毕业生平均月收入最高的专业是信息安全(6972元)，其次是软件工程(6733元)。排名前20的专业中，只有“法语”一门人文社科专业。
人文社科专业多数都不具备强应用性。大学教育与市场需求存在脱节。受供需比影响，大学中的文科专业屡屡亮出“红灯”预警。
据专业数据机构调查，历史学、音乐表演、法学连续三届红牌。失业量大，就业率、薪资和就业满意度综合较低。
“劝人学法，千刀万剐”，在就业率面前不无道理。同样是九年义务教育，凭什么隔壁计算机学院的却一路绿灯，一个个出厂年薪6位数?
人文学科是关于人社会性的思辨，而在劳动价值的驱使下，技术和功能上无法让人获得“即时满足”的人文专业，终是逃不开“低薪”的捆绑。
受市场驱动，文科工资低，就业率差成普遍现状，也是“人文学科”人才焦虑的源头。
人工智能时代，对技术和应用型人才的“砸钱”式需求，真的不能为文科生分一杯羹吗？文科生从事人工智能领域，是痴人说梦吗？首先我们通过人工智能时代的布局方向一探究竟。
潘云鹤院士：AI2.0时代的五个布局方向
中国工程院院士、中国工程院原常务副院长潘云鹤认为在人工智能正在走向2.0时代，这也是人工智能发展的重要转折关头。潘云鹤指出，中国新一代AI的重点方向将从数据智能、群体智能、跨媒体智能、人机混合的增强智能和自主智能系统五方面进行。
在数据智能方面，AlphaGo让大家看到了大数据应用最好的便是深度学习。但是深度学习还有是否可解释，是否能够更加通用的问题。“如果把深度学习和人工智能其它技术结合起来，我们可能会使大数据中的智能走向更高的水平。”潘云鹤认为。
在五项重点发展方向中跨媒体智能发展能带来更大的想象空间。跨媒体智能将研究跨媒体，跨传感器间的各种感知学习、推理，并且把它和语言、文字的语义打通。这样研究者就可以对语言、视觉、图形、听觉，和各种各样传感器所传达出来的数据进行语义相通相融，从而能够使得智能安全、创新设计、计算机具有更好的创新能力。
具体来看，在大数据智能方向，它着重要解决从数据到知识，到智能中间可解释性的问题，可通用性的问题。为此，它要很好的解决CPH三元空间中知识表达的新体系和新方法。CPH就是信息空间、物理空间和人类社会空间，这三元空间之间会形成很多新的信息交互方式。因此需要把数据驱动的方式和知识引导的方式结合起来，形成人工智能新的更加有效的技术。从而在智能医疗、智能经济和社会治理方面有更大的应用。
第二个方向，群体智能。它将研究在互联网中，群体智能是怎么进行组织的，是怎么进行接力的，用什么方法鼓励大家一起来参与的。在参与过程中，彼此之间怎么进行协同，整个群体怎么演化为更加正确的方向和更加正确的行为。在这个过程中，群体中每一个个体之间怎么能互相学习，互相感知，这些都需要建立新的理论和新的技术。一旦建立了，将在科研、经济、商业和其它领域中有非常大的实用前途。它可以用于众创科研、分享交通、智慧医疗。
第三个方向，跨媒体智能。它将研究跨媒体，跨传感器的各种感知学习、推理，并且把它和语言、文字的语义打通。这样我们就可以对语言、视觉、图形、听觉，和各种各样传感器所传达出来的数据进行语义相通相融，从而能够使得智能安全、创新设计、计算机具有更好的创新能力，希望在人工智能2.0阶段解决计算机的创新能力。
第四个方向，人机混合增强智能。之所以希望人机混合形成强大的交互系统，形成增强智能。研究脑机协同的环境，它的交互方式，它的学习方式，动作控制方式，从而在脑控机器人和很多自主智能体之间协同。
第五个方向，自主智能系统。研究环境的感知，自身的感知，不同个体之间的协同，行为的规划，行为的决策和各种各样行为执行的理论模型和方法，用于无人车、无人机、服务机器人、空间机器人、海洋机器人、无人车间、智能工厂。不但要模拟人，而且要模拟整个系统如何进行运行。
文科生在人工智能时代可能更受欢迎？
此前，李开复老师说了一句话：“在人工智能时代，文科生终于熬到了扬眉吐气的时候了。”那么在人工智能时代，文科生有哪些优势会被放大呢？
《不会被机器替代的人》作者杰夫·科尔文预言：在未来，我们获取成功所必需的技能，不再是技术性的、通过课堂传授获得的左脑型技能，尽管在以往的经济发展中，工人的确需要掌握这些技能。相反，在强大的驱动力之下，我们彼此互助共同完成任务，人类的优势来自深层、根本的人类技能——同理心、创造力、社会敏感性、讲述故事、幽默、建立人际关系，以及比逻辑叙述更强有力地自我表达。这些恰巧是文科生的优势。
1、右脑胜过左脑
《不会被机器替代的人》作者杰夫·科尔文预言：在未来，我们获取成功所必需的技能，不再是技术性的、通过课堂传授获得的左脑型技能，尽管在以往的经济发展中，工人的确需要掌握这些技能。相反，在强大的驱动力之下，我们彼此互助共同完成任务，人类的优势来自深层、根本的人类技能——同理心、创造力、社会敏感性、讲述故事、幽默、建立人际关系，以及比逻辑叙述更强有力地自我表达。这些恰巧是文科生的优势。
2、人际交往技能比专业技能更重要
人有一种偏见，喜欢过高评价“人与人面对面交往”这个行为，而对抽象数据不怎么买账。这是可以理解的，人本质上是个社交动物。
这个偏见，在人工智能时代给人类留下了一个工作机会。人工智能再怎么发达，我们还是要求：
最重要的决定是由人做出的。如果某国要对其他国家宣战，我们要求这个命令是人下达的，在这个问题上我们不可能听从人工智能的指挥，我们不可能把核按钮交给人工智能。人说了算，不能让机器说了算。
我们的价值标准一直在变，喜欢什么想要什么，想法随时都在变，我们无法给人工智能一个清晰的目标，所以有些事儿还是让人自己解决比较好——因为我们有时候自己都不知道要“解决”的是什么。
也是最重要的一点，我们更愿意跟人打交道。因此，最好的办法就是表现出“人味儿”。
从这个角度想，“理工男”可就有危机了，未来也许是“文科生”的天下。美国有一些调研表明，从2000年开始，工程师们在日常工作中所需要消耗的实际脑力，就已经开始下降了。可能自动化程度越来越高，那么工程师的活就越来越简单——也就是越来越不值钱。
《不会被机器替代的人》中有个相当极端的例子。说美国西南航空公司花重金，从众多申请者中聘请了一位技术特别过硬的IT工程师。这人来了以后就把自己关在办公室里干活也不出来跟人聊天。结果主管就问他你怎么不聊天啊？这人说我爱钻研技术不爱聊天。主管说我们西南航空的企业文化就是聊天，然后把他解雇了。
可见，不爱社交的IT男不是好同事。
3、课外实践重于课堂学习
哈佛商学院让一年级的学生走出课堂，参加团队实践。每个团队选择新兴市场上的一个公司。例如，中国的联想公司或者越南资本银行，开展公司提出的一个真实项目，例如，开发一种新的金融服务，以吸引那些从没有开过银行账户的人，或者开辟一条新的家庭用户线。在校园里设计好方案后，团队于元月份进入市场，花费八天的时间进行市场研究，然后，向公司最高管理层报告他们的建议。
学生返校以后，他们的工作不仅强度增加了，而且更加个性化了。根据学校要求，每个团队在10周内，用学校提供的3000元启动金创办一个自己的公司。每年有150个团队，就会创办150个有限责任公司，产生150个商业构想，包括男士优质内衣、为语言辅导教师和世界各地的学生提供联系服务、印度莎丽租赁服务以及其他五花八门的构想。
对于商学院的学生而言，学习资本资产定价模型依然很重要，但是，继续呆在教室里学习模型，对他们已经没什么意义。因为，虽然他们在教室里相互间的物理距离很近，却几乎没有什么交往。
我们可以把商学院的经验总结为：如果独自工作效果更好，就不要和其他人一起耗费时间。如果你花时间和其他人在一起，就要最大限度地利用它。聚集在教室里学习公司财务知识，已经不再能实现个人时间效益的最大化。
4、感性优于理性
全球各地数十所医学院鼓励或要求学生阅读小说，因为它有助于培养学生的社会交往技能。
纽约大学医学院的医学人文学项目报告中有这样的陈述，阅读小说有助于“发展和培养观察、分析、同理心、自我反思等医疗保健业最基本的技能”。当然，受益的不仅是医学院的学生，研究表明，阅读文学小说能够普遍提高读者的同理心。阅读非小说则不会有这种功能。文学小说人物更复杂，其行为更易受内心驱动，阅读这类小说可以使读者更敏锐地察觉他人的所思所想，这是一种为数不多的通过独自活动提高人际技能的方法。
这类研究为人文学专业的学生提供了新的希望。虽然，我们知道薪酬最高的大学专业几乎全部是工程专业，然而，在新兴职业领域，人文学所培养的能力恰恰是经济体中越来越受重视的能力。这并不是因为，对人文学的理解能够帮助科学技术人员创造出更好、更便利、更吸引人的科技，虽然，从同理心角度来说的确应该如此。这是史蒂夫·乔布斯最喜爱的主题之一——他在俄勒冈州波特兰市知名文理学院里德学院接受的教育，这直接影响了苹果产品超凡的外观、质感以及体验。所以，乔布斯给儿子起名为里德。
文科生的机会：跨学科学习，你愿意吗？
清华大学的自动化系、计算机科学与技术系、电子工程系、软件学院都是研究人工智能的本科起点院系，而说起软件学院，不得不提刘云浩教授。
本科毕业后，他“觉得外交官酷”，就去学了同声传译，拿到文学硕士学位。硕士毕业后，他又选择了从政，不到30岁就成为当时国家邮电部最年轻的处长。而立之年，他却选择出国去美国密西根州立大学留学，仅三年多就拿下计算机硕士和博士，成为该系历史上毕业第二快的博士。博士毕业，他在香港科技大学当老师。最后，他回到清华任教，并成为软件学院院长。
这样一段传奇人生，恰好是跨学科学习的典范。理工、商业、文史、外语……各个领域都被刘教授刷了一遍，还是开了挂地刷。
而人工智能领域，却是最需要这种有跨学科学习能力，也愿意跨学科学习的人才的。“人工智能+”越来越重要，就比如AI+教育领域，如果你只懂AI，那你就做不出真正解决老师痛点的产品，如果你只懂教育，也不知道该用什么样的技术，解决学生学习过程中的困难。只有既懂AI又懂教育的复合型人才，才能真正推动这个领域的发展。
虽然你学的是人工智能专业，可是如果你不愿意跨学科学习，日后也无法走得长远，那还不如一开始就不要读这个专业。
此外，中文系不只是春花秋月，也有科学系统且偏向实践的门类研究——语言学。语言学是对人类语言本质的研究。既可以研究语言符号的形式结构和社会学意义，又可以研究其生物学本质和起源。以北京大学的计算语言专业的课程体系为例：
从语言、认知和计算三个方面对语言各个层面的计算进行研究。既有词法、句法、语义、篇章结构等层面的语言规律研究，又有技术实践和数据挖掘的实践课程。
此专业的研究生是摇身一变为人工智能大佬的最佳契机。语言是人类思维的表现形式。也是实现人与计算机之间有效通信的通用途径。于是用计算机来处理、理解以及运用人类语言就成了目前驾驭和实现人工智能的重中之重。
在这个领域缺少技能过硬的算法工程师，更缺少精通语言学的计算语言专家。这就要求“文”科班出身的同学，自我驱动，首先不要丢掉数学概率和统计算法，至少掌握一门编程语言同时学习机器学习的数据结构和算法。
如果有转行计算机领域的打算，可以在本科低年级进行相关专业课程的辅修。寒暑假可以申请其他海内外高校的交换项目;或者在线上线下参加相关的训练营课程培训。从0到1锻炼计算机的编程基础和运用能力。
此外据南京师范大学文学院语言学及应用语言学副教授李斌博士的博客介绍、目前国内有部分高校有开设计算语言学本科专业，如北大、鲁东大学和南京师范大学。
人工智能专业学什么，学校有哪些？
人工智能专业旨在培养中国人工智能产业的应用型人才，推动人工智能一级学科建设。2018年4月，研究设立人工智能专业，进一步完善中国高校人工智能学科体系。
1、人工智能专业课程
人工智能专业的主要领域是：机器学习人工智能导论（搜索法等）图像识别生物演化论自然语言处理语义网博弈论等。需要的前置课程主要有，信号处理，线性代数，微积分，还有编程（最好有数据结构基础）。
首先你需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析
其次需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如你要让机器人自己在位置环境导航和建图就需要研究SLAM；总之算法很多需要时间的积累；
然后，需要掌握至少一门编程语言，毕竟算法的实现还是要编程的；如果深入到硬件的话，一些电类基础课必不可少；
人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。
2、人工智能专业学校有哪些
中国32家开设人工智能相关专业
NO1:清华大学
清华大学计算机系智能技术与系统国家重点实验室是国内在人工智能人才培养和科学研究的重镇。除了严整的教学培养体系之外，本科同学有浓厚的科研氛围，从大一下学期开始就有学有余力的同学开始进入实验室或相关科研机构（如MSRA），跟随导师从事科研工作。取得的成绩也是不容小觑的：每年都有十余位本科同学在国际顶级会议和期刊上发表论文。当然，清华计算机系智能实验室距离国际顶尖AI研究机构（如MITCSAIL）还有一定距离。不过可以肯定的是，这里会是我国有着AI梦的同学们绝佳的圆梦起点。
NO2:北京大学
北京大学智能科学与技术专业由北京大学数学系、计算机系、电子学系等10个系（所）于1985年成立，主要从事机器感知、智能机器人、智能信息处理和机器学习等交叉学科的研究和教学。专业涉及机器人技术，以新一代网络计算为基础的智能系统，微机电系统（MEMS），与国民经济、工业生产及日常生活密切相关的各类智能技术与系统，新一代的人－机系统技术等。
NO3:浙江大学
浙江大学在人工智能方面有着肥沃的土壤，其计算机学院下设的人工智能研究所是中国设立最早的人工智能研究机构之一。早在上世纪80年代，浙江大学就建立了人工智能研究所，首任所长就是国内著名的计算机科学家、被人尊称为“中国人工智能研究开拓者”的何志均，之后两任所长潘云鹤和吴朝晖都算得上是他的得意门生，他们也先后担任了浙江大学的校长。从1981年至今，浙大人工智能研究所见证和参与了人工智能的一系列变化。到现在，人工智能进入大数据阶段，浙大在计算机视觉领域已经建立了相当大的优势。
NO4:上海交通大学
上海交通大学在人工智能领域已有数年的积累，计算机系俞凯教授团队的智能语音技术取得了多个国际评测冠军，达到了国际一流水平。团队在产业化上也实现了很大的突破，他所创立的苏州思必驰信息科技有限公司已经被苏州市确认为人工智能领军企业，作为苏州工业园区内的标杆，将在3-5年达到百亿市值，并作为千亿市值企业后备军。同时，交大在智能媒体、图像分析、脑机交互、机器人、人工智能芯片等领域还有一批一流团队及成果，具备良好的发展前景。
NO5:南京大学
南京大学的计算机科学研究起步于1958年，建立了计算技术、计算数学、数理逻辑等专业开始培养计算机相关领域专门人才，1978年在上述三个专业基础上成立了计算机科学系，1993年更名为计算机科学与技术系。南京大学计算机科学与技术系在建系前和建系初期就曾取得令人瞩目的成就：上个世纪60年代调试成功了当时国家高等教育部所属高校第一台计算机，实现了我国第一个高级语言编译程序；70年代分别主持了国产DJS-210中型计算机和XT-1操作系统等软件系统的研制；80年代研发了国内第一个分布式系统ZCZ，培养出中国大陆第一位计算机软件博士。建系以来，南京大学的计算机学科建设进入快速发展期，在队伍建设、人才培养、科学研究等方面一直位居国内先进行列。
NO6:复旦大学
复旦大学图像与智能实验室主要研究领域包括人工智能，图像处理，计算机视觉，信息安全等基于生物视觉的感知和认知结合的学习模型及其在脑型机器人上的应用，应用领域包括工业视觉、智能机器人、智能安防、生物医学影像识别。该校研发的视觉系统已经应用于国内外多家著名企业和创业公司，取得了良好的经济效益。毕业生去向包括（1）赴IBM研究院、谷歌、华为、腾讯、百度、阿里巴巴等公司就职；（2）前往哈佛、卡内基梅隆、普林斯顿、华盛顿、哥伦比亚等大学攻读博士学位和做博士后研究。
NO7:哈尔滨工业大学
在全国高校学科评估中，哈工大计算机科学与技术学科位列全国第4名，是国家重点一级学科，并进入ESI全球前1%的研究机构行列。计算机类专业隶属于计算机科学与技术学院，教师队伍由中国工程院院士方滨兴、中国科学院院士陈国良、美国国家工程院院士DanielP.Siewiorek领衔，包括了中组部“千人计划”入选者潘正祥、贾小华等国家和深圳市认定的高层次人才，承担并完成了国家重点科技攻关项目、国家自然科学（重点）基金项目、国家863项目等各类课题100余项，拥有国家发明专利、软件著作权等100余项。
NO8:中国科学技术大学
中国科学院自动化研究所自建所伊始，就在工业自动化、智能设备控制、模式识别、智能信息处理等领域享誉国内外，号称中国人工智能领域的黄埔军校，其培养的学生业已遍及全球顶尖的高校、学术研究机构和IT巨头。
NO9:华中科技大学
华中科技大学计算机科学与技术学院拥有信息存储系统教育部重点实验室、服务计算技术与系统教育部重点实验室、数据存储系统与技术教育部工程中心、网络存储技术湖北省工程研究中心、集群与网格计算湖北省重点实验室、湖北省数据库工程技术研究中心、下一代互联网接入系统国家重点实验室，拥有华中科技大学IBM技术中心、国家高性能计算中心（武汉）。另外，该学科是中国教育科研计算机网华中中心结点单位，是中国教育科研网格主结点、中国国家网格（武汉）结点单位，是武汉光电国家实验室（筹）的重要组成单位之一。
NO10:东南大学
东南大学计算机科学与工程学院起源于1960年建立的“解算装置及技术”专业，曾自主研制我国第一台数字积分机，填补了国内空白，并成功地应用于国防现代化和工业自动化领域，取得了开创性成果。近10年来，承担了各类科研项目共200多项，其中国家自然科学基金、国家973、国家863、国家科技攻关、教育部和江苏省等重要科研项目140多项，获得国际工业领先奖1项、国家科技进步奖8项、部省级奖20多项，在国内外著名的学术期刊和会议上发表论文1600多篇，其中SCI、EI、ISTP三大检索850多篇次。在ESI学科排名中，学院水平已进入全球前1%。
据走向智能论坛、高三网、站长之家等综合整理。返回搜狐，查看更多
神经网络与人工智能
首先要简单区别几个概念：人工智能，机器学习，深度学习，神经网络。这几个词应该是出现的最为频繁的，但是他们有什么区别呢？来一张图就比较清楚了，如下图：
人工智能：人类通过直觉可以解决的问题，如：自然语言理解，图像识别，语音识别等，计算机很难解决，而人工智能就是要解决这类问题。机器学习：如果一个任务可以在任务T上，随着经验E的增加，效果P也随之增加，那么就认为这个程序可以从经验中学习。深度学习：其核心就是自动将简单的特征组合成更加复杂的特征，并用这些特征解决问题。神经网络：最初是一个生物学的概念，一般是指大脑神经元，触点，细胞等组成的网络，用于产生意识，帮助生物思考和行动，后来人工智能受神经网络的启发，发展出了人工神经网络。
人工智能人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能有多重要国内外2018年GoogleI/O大会不同于以往的「多元化」呈现，AI成为了唯一的主角，皮查伊表示Google旗下的GoogleAssistant、AndroidP和Gmail等都已经融入了AI技术。AI是互联网下一幕，不只是Google，Facebook、Amazon和中国的BAT、TMD（今日头条、美团、滴滴）和华为小米诸多大小巨头都在战略布局，AI不只是可以提升现有业务价值（比如对Google来说可以提高广告转化率），也可以催生层出不穷的新业务。Google率先将AI带到互联网行业，特别是旗下的AlphaGo战胜人类棋手，更是让全世界第一次切身感知到了AI的威力。
李彦宏表示，人工智能将会在未来几十年对人类社会产生巨大的影响，带来不可逆转的改变，这已经成为国际社会的共识。如同伦理道德是人类文明数千年发展的重要稳定器，人工智能伦理将是未来智能社会的发展基石。未来人工智能的发展会深刻地改变每一个行业。在各行各业都有靠技术创新来大幅度降低使用门槛，提升生产效率的机会，这个机会或在未来10到15年就会来临。
人工智能学习阶段人工智能研究的领域主要有五层：1、最底层是基础设施建设，包含数据和计算能力两部分，数据越大，人工智能的能力越强。2、往上一层为算法，如卷积神经网络、LSTM序列学习、Q-Learning、深度学习等算法，都是机器学习的算法。3、第三层为重要的技术方向和问题，如计算机视觉，语音工程，自然语言处理等。还有另外的一些类似决策系统，像reinforcementlearning（编辑注：增强学习），或像一些大数据分析的统计系统，这些都能在机器学习算法上产生。4、第四层为具体的技术，如图像识别、语音识别、机器翻译等等。5、最顶端为行业的解决方案，如人工智能在金融、医疗、互联网、交通和游戏等上的应用，这是我们所关心它能带来的价值。
人工智能的应用场景主要有以下几个方面：在计算机视觉上，2000年左右，人们开始用机器学习，用人工特征来做比较好的计算机视觉系统。如车牌识别、安防、人脸等技术。而深度学习则逐渐运用机器代替人工来学习特征，扩大了其应用场景，如无人车、电商等领域。在语音技术上，2010年后，深度学习的广泛应用使语音识别的准确率大幅提升，像Siri、VoiceSearch和Echo等，可以实现不同语言间的交流，从语音中说一段话，随之将其翻译为另一种文字；再如智能助手，你可以对手机说一段话，它能帮助你完成一些任务。与图像相比，自然语言更难、更复杂，不仅需要认知，还需要理解。在自然语言处理上，目前一个比较重大的突破是机器翻译，这大大提高了原来的机器翻译水平，举个例子，Google的Translation系统，是人工智能的一个标杆性的事件。2010年左右，IBM的"Watson"系统在一档综艺节目上，和人类冠军进行自然语言的问答并获胜，代表了计算机能力的显著提高。在决策系统上，决策系统的发展是随着棋类问题的解决而不断提升，从80年代西洋跳棋开始，到90年代的国际象棋对弈，机器的胜利都标志了科技的进步，决策系统可以在自动化、量化投资等系统上广泛应用。在大数据应用上，可以通过你之前看到的文章，理解你所喜欢的内容而进行更精准的推荐；分析各个股票的行情，进行量化交易；分析所有的像客户的一些喜好而进行精准的营销等。机器通过一系列的数据进行判别，找出最适合的一些策略而反馈给我们。
人工神经网络人工神经网络(ArtificialNeuralNetwork，ANN)，通常简称为神经网络，是一种在生物神经网络的启示下建立的数据处理模型。神经网络由大量的人工神经元相互连接进行计算，根据外界的信息改变自身的结构，主要通过调整神经元之间的权值米对输入的数据进行建模，最终具备解决实际问题的能力。通常,人类自身就是一个极好的模式识别系统。人类大脑包含的神经元数量达到10^11数量级，其处理速度比当今最快的计算机还要快许多倍。如此庞大、复杂、非线性的计算系统时刻指挥着全身的获得。当视野中出现张熟悉的人脸时，只需数百毫秒的时间即可正确识别。尽管许多昆虫的神经系统并不发达，但仍表现出极强的识别能力。蝙蝠依靠其声纳系统搜集目标的位置、速度、目标大小等信息，最终实现声纳的回声定位以极高的成功率捕提目标。一般认为，生物神经并不是一开始就具备这样的识别能力的，而是在其成长过程中通过学习逐步获得的。人类出生后的几年间，大脑接收了大量的环境信息，随着经验的积累，神经元之间的相互关系不断变化，从而完成智能、思维、情绪等精神活动。
在人类刚刚出生时，其种经元存储的信息相当于一张白纸。在环境中各种输入信号的刺激下，神经元之间的连接关系逐渐发生了改变，最终对信号做出正确的反应。人工神经网络模型就是模仿生物神经网络建立起来的，但它是对生物神经网络的抽象，并没有也不可能完全反映大脑的功能和特点。事实上神经网络不可能也没有必要达到大脑的复杂度，因为生物大脑的训练过程是生物的整个生命周期，即使建立了与之复杂度相当的网络模型，训练所花费的成本也会令其输出的-切结果失去应有的价值。在人工神经网络中，最承要的概念莫过于神经元节点与权值。节点对应有向图中的节点，权值表示节点间相互连接的强度，人的神经网络的可塑性表现在，其连接权值都是可调整的，它将-系列仅具有简单处理能力的节点遥过权值相连，当权值调整至恰当值时，就能输出正确的结果。网络将知识存储在调整后的各权值中，这-点是神经网络的精髓。
学习神经网络软件推荐
MATLAB是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。
人工智能专业
一、专业定位本专业课程体系在人工智能主干课程基础上突出智能硬件与学科交叉特色课程。在专业培养模式上深入推进学科交叉，着眼行业发展前沿，融入产业创新生态，贯通人工智能人才培养与产业知识价值链条的联系通道，面向人工智能未来技术发展培养具有创新能力和国际视野的高层次拔尖人才。
该专业以国家新一代人工智能发展规划历史机遇和粤港澳大湾区社会经济发展需求为引领，培养具有高度社会责任感和良好职业道德的人工智能复合型高级领军技术人才。毕业生能够在工业界、学术界、教育界等成功地开展与专业职业相关的工作，成为智慧医疗、智慧教育、智慧生活、智慧城市、智慧交通等相关领域的创新技术引领者、重要工程管理者和专业市场开拓者，亦可继续攻读人工智能相关学科的硕士、博士学位。
二、培养目标专业以国家信息化发展历史机遇和粤港澳大湾区社会经济发展需求为引领，培养具有高度社会责任感和良好职业道德的复合型技术领军人才，主要制定了以下培养目标：
①具备人工智能领域的基础知识、基本技能和科学研究的基本素质；
②具有应用人工智能理论和方法以学科交叉方式解决行业关键性技术问题的综合能力；
③具有源头创新和引领行业技术发展的潜质，具有一定的国际视野和国际交往能力；
④能够在工业界、学术界、教育界等成功地开展与专业职业相关的工作；
⑤适应独立和团队工作环境，成为人工智能相关领域的创新技术引领者、重要工程管理者和专业市场开拓者。
三、培养规格人工智能专业学制是4年，授予工学学士学位。
学生毕业时需修满专业教学计划规定学分158.5个，其中公共基础课69个，专业基础课39.5个，选修课16个，实践教学环节34个，同时需要取得第二课堂3个人文素质教育学分和4个创新能力培养学分。
人工智能专业毕业要求对专业培养目标具有充分的支撑，在工程知识、问题分析、设计/开发解决方案、研究、使用现代工具、工程与社会等12个维度上有了明确的规定，主要如下：
1.工程知识：能够将数学、自然科学、工程基础和专业知识用于解决与人工智能领域相关的复杂工程问题。
2.问题分析：能够应用数学、自然科学、工程科学和信息科学的基本原理，识别、表达、并通过文献研究分析人工智能领域相关复杂工程问题，以获得有效结论。
3.设计/开发解决方案：能够设计针对复杂工程问题的解决方案，设计满足特定需求的模块或系统，够在设计环节中体现创新意识，并考虑社会、健康、安全、法律、文化以及环境等因素。
4.研究能力：能够基于科学原理并采用科学方法对人工智能领域相关的复杂工程问题进行研究，包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。
5.使用现代工具：能够针对人工智能领域相关的复杂工程问题，开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具，包括对复杂工程问题的预测与模拟，并能够理解其局限性。
6.工程与社会：能够基于人工智能工程相关背景知识进行合理分析，评价专业工程实践和复杂工程问题解决方案对社会、健康、安全、法律以及文化的影响，并理解应承担的责任。
7.环境和可持续发展：能够理解和评价针对复杂工程问题的人工智能工程实践对环境、社会可持续发展的影响。
8.职业规范：具有人文社会科学素养、社会责任感，能够在工程实践中理解并遵守工程职业道德和规范，履行责任。
9.个人和团队：能够在多学科背景下的团队中承担个体、团队成员以及负责人的角色。
10.沟通能力：能够就人工智能领域相关的复杂工程问题与业界同行及社会公众进行有效沟通和交流，包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令。并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。
11.项目管理：理解并掌握工程管理原理与经济决策方法，并能在多学科环境中应用。
12.终身学习：具有自主学习和终身学习的意识，有不断学习和适应发展的能力。
四、课程体系课程体系由主干基础课程、集中实践教学环节和第二课堂三个环节组成。主干基础课程包括公共基础课、专业基础课、选修课；集中实践教学环节注重学生实践能力的培养，包括各类课程实训；第二课堂由人文素质教育和创新能力培养两部分组成。
本专业课程体系注重数学基础（微积分、线性代数、数理统计等）和计算机基础（数据结构、程序设计基础等）；在此基础上开设专业课加深人工智能专业理论和技术学习（机器学习、深度学习等），并增加智能硬件与学科交叉特色课程（电路分析与电子线路、数字逻辑电路、智能硬件与交互设计、人工智能芯片设计等）。
1、主干基础课
公共基础课：包括中国近现代史纲要、思想道德与法治、马克思主义基本原理、毛泽东思想和中国特色社会主义理论体系概论、形势与政策、学术英语与科技交流、C++程序设计基础、军事理论、工程制图、微积分、线性代数与解析几何、概率论与数理统计、复变函数、大学物理、大学物理实验、人文科学领域、社会科学领域、科学技术领域等；
专业基础课：工程导论、人工智能导论、数据结构、Python语言程序设计、电路分析与电子线路基础实验、电路分析与电子线路基础、高级语言程序设计、信号与系统、信号与系统实验、机器学习、数字逻辑电路、数字逻辑电路实验、数字图像处理、数字信号处理、数字信号处理实验、深度学习与计算机视觉、数字系统设计、大数据及数据挖掘、人工智能系统综合设计；
选修课：智能计算课程模块（离散数学，随机过程，优化方法，统计学，矩阵分析与计算，强化学习，几何感知与智能，自然语言处理）、智能硬件课程模块（虚拟现实与增强现实，人工智能芯片设计，智能传感与穿戴计算，智能硬件与交互设计，Linux与嵌入式通信技术）、网络安全课程模块（网络空间体系结构，新一代移动通信，空天地海一体化信息网络，区块链，多媒体信息安全，智能搜索和推荐系统）、跨学科课程模块（认知心理学，神经科学，机器人学，生物启发智能感知，生物医学图像处理，IT商业模式与创业）。
2、集中实践教学环节
本专业注重实践环节和创新能力培养，突出理论课与实训课相结合的培养特色，强化工程训练，实现国际接轨，造就基础扎实、工程能力强、协作能力好的复合型大数据研究与工程人才。实践教学环节课程主要包括：军事技能、工程导论实践Ⅰ、工程创新训练Ⅰ、马克思主义理论与实践、高级语言程序设计实训、机器学习课程设计、深度学习与计算机视觉课程设计、大数据及数据挖掘课程实训、人工智能系统综合设计课程设计、毕业实习、毕业设计等。
3、第二课堂
人文素质教育基本要求：学生在取得专业教学计划规定学分的同时，还应结合自己的兴趣适当参加课外人文素质教育活动，参加活动的学分累计不少于3个学分。其中新增大学体育教学团队开设课外体育课程，高年级本科生必修，72学时，1学分，纳入第二课堂人文素质教育学分。
创新能力培养基本要求：学生在取得本专业教学计划规定学分的同时，还必须参加国家创新创业训练计划、广东省创新创业训练计划、SRP（学生研究计划）、百步梯攀登计划或一定时间的各类课外创新能力培养活动（如学科竞赛、学术讲座等），参加活动的学分累计不少于4个学分。
五、师资队伍学院面向全球引育一流科学家团队，涵盖全职师资、协同师资、海外师资、产业师资等产学研全链条队伍，包括国家级、省部级等一大批高层次人才，拥有纽约大学布法罗分校、伦敦大学玛丽女王学院、新加坡国立大学、香港大学等海内外知名学府教育科研背景。截至目前，本专业现有教师38人，其中教授19人,副教授19人。
六、教学条件1、硬软件设施
为满足学科发展、人才培养以及服务国家特别是粤港澳大湾区经济社会发展需求，学院主要围绕人工智能前沿技术和跨学科交叉领域，布局数字人与未来生活、数字基建与未来社会两个方向开展研究。
人工智能硬件实验室
是华南地区智能硬件开发设备最全面的实验室，配备服务机器人、智能飞行器、智能小车、交互机械臂、STM32及Arduino开发平台、AI光学动捕系统等。实验室为人工智能、数据科学与大数据技术专业学生提供软硬件设施完备的集教学、竞赛、科研及实训场所，满足基础的教学目标，课程包含Python基础实践、机器学习、深度算法学习、自然语言处理等基础教学实践和二次创新开发内容，培养学生的动手操作、自主创新及参加各类相关竞赛的能力。
混合现实与智能交互实验室
聚焦前沿混合现实与智能交互技术，配备多类型的VR、MR开发套件及交互装置。主要用于开展人工智能应用研究和人工智能相关课程实训，支撑智能穿戴与感知计算、虚拟现实与增强现实、神经网络与深度学习、机器人学等课程教学工作，探索人工智能在智慧教育、智慧健康、智能穿戴等场景的应用，重点开展感知与交互技术仿真等研究。
2、国际化资源
未来技术学院交叉学科海外名师讲堂
邀请国际顶级名校教师开展讲座。如微软前副总裁沈向洋院士、京东高级副总裁陶大程院士；牛津大学PatrickRebeschini副教授；麻省理工学院MarkVogelsberger教授；卡耐基梅隆大学ShlomoTa’asan教授；纽约大学Jean-ClaudeFranchitti副教授；哈佛大学PavlosProtopapas高级讲师;剑桥大学PietroLio教授等。
国（境）外联合培养项目
积极与各个国家世界一流大学开展在人工智能、大数据领域的本科生、研究生联合培养项目，同时积极推动海外交流基地建设。建立了与英国爱丁堡大学和英国伯明翰大学的本科双学位计划；与日本早稻田大学、英国伯明翰大学、法国巴黎综合理工学院、葡萄牙里斯本理工大学、法国巴黎电子信息学院等院校建立4+2本硕贯通制；推动建立与美国加州大学圣塔芭芭拉分校、比利时鲁汶大学、新加坡国立大学、法国南特大学、美国加州大学河滨分校的本硕/博衔接项目；与德国慕尼黑工业大学、韩国汉阳大学、韩国延世大学、日本大学、瑞典林雪平大学、丹麦南丹麦大学、韩国建国大力俄罗斯圣彼得堡国日本金泽大学、日本东京都立大学、学立信息技术机械与光学大学、俄罗斯乌拉尔联邦大学开展学期交换合作项目。积极参与意大利都灵理工学院在人工智能、大数据领域的本科生和研究生联合培养项目（包括4+2本硕贯通制），推动都灵-华工海外交流基地建设。