学人工智能专业后悔死了
大家都知道，最近50年我们国家的高等教育发展较快，无论是高等教育的规模还是大学生的人数，比过去都翻了好几倍!这两年大学应届毕业生人数比起去年又增加了不少，工作越来越难找。其实工作难找的主要原因，除了大学毕业生人数来越多以外，还因为不少大学生自身专业需求量较小，工作岗位少于毕业生人数，所以工作才会那么难找。所以选择一个热门的专业，毕业以后才会更加容易找工作。
人工智能很热门
最近，教育部等有关部门发出了最新的通知：加快人工智能研究生培养，为我国抢占世界科技前沿，实现引领性原创成果的突破，提供更加充分的人才支持!谁掌握了尖端科技，谁就掌握了全球的话语权，我们不难看出，未来人工智能相关专业肯定会很热门!就目前的情况来看，不少互联网巨头公司招聘时，对人工智能专业毕业生的需求量也在不断增多。
不少学生却后悔学习人工智能
人工智能相关专业毕业生确定会是未来就业市场的宠儿，但是目前很多就读人工智能专业的毕业生却说：选择人工智能专业，自己后悔死了!为什么这么有前途的专业，很多学生却后悔选择它呢?其实主要原因有2个!
太难
人工智能相关专业学习难度太大!像电子科技大学，西安电子科技大学的电子科学与技术，北京邮电大学的信息与通信工程，清华大学，哈尔滨工业大学，浙江大学的控制科学与工程等学科，都属于与人工智能相关的专业。学习的内容一般包括：大数据概论，语言编程，数据库原理与应用，数据结构，高等数学，线性代数，概率论，数理统计，大数据应用开发语言等，这些专业课程一个比一个难，任何一门放到普通专业，都是高挂科率的专业!不少学生说：难哭了，学到头秃!
不是所有大学，都适合开设人工智能专业
其实人工智能相关专业的现状，和十年前土木工程，经济学专业一样，当时土木和经济是热门的专业类别，毕业生就业工作很好找，高三学子也愿意报考，所以很多二本三本的专业都铺天盖地地开设了土木工程，国际经济与贸易等相关专业，师资力量根本跟不上，导致很多毕业生转行，大学四年的专业课等于白学了!希望所有的高校都能够有自知之明，不要盲目开设人工智能相关专业，毕业生能够顺利就业的专业才是好专业!你觉得呢?
所以结论就很清晰了，一方面人工智能就业好，薪资高，但同时门槛也不低，学习难度很大，另一方面开设人工智能的大学很多，但教学质量和资源有差距。大家是否要选择人工智能专业，还是需要根据自身的条件去判断，不要盲目。
免费分享一些我整理的人工智能学习资料给大家，包括一些AI常用框架实战视频、图像识别、OpenCV、NLQ、机器学习、pytorch、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文、行业报告等。
为了更好的系统学习AI，推荐大家收藏一份。
下面是部分截图，点击文末名片关注我的公众号【AI技术星球】发送暗号321领取（一定要发暗号321）一、人工智能课程及项目
二、国内外知名精华资源
三、人工智能论文合集
四、人工智能行业报告
学好人工智能，要多看书，多动手，多实践，要想提高自己的水平，一定要学会沉下心来慢慢的系统学习，最终才能有所收获。
点击下方名片，扫码关注公众号【AI技术星球】发送暗号321免费领取文中资料。人工智能专业：就业前景分析（附图表）
资料来源：允能智库、中商产业研究院整理
各城市人工智能发展实力
根据2018年《中国人工智能产业发展城市排行榜》，从企业规模、政策基础、学术技术、产业基础、和资本环境五个层面测评市场发展人工智能的实力和前景。北京、上海两地人工智能产业发展较为领先，深圳的各项指标表现优异，位居全国第三。在良好的发展环境下，深圳的人工智能产业发展已经初具规模，尤其是在技术落地，实现商业化方面具有先发优势。
数据来源：中商产业研究院整理
各城市人工智能人才需求
人工智能本身就是多技能的高度融合，不仅有传统技术与数据科学的融合，还有从数据采集，到数据存储、分析、应用、自动控制等过程的融合。随着人工智能落地应用的深化和进阶，技能的碰撞将不断增加，要求人工智能人才掌握多种技能、复杂维度解决问题不再是偶然。
BOSS直聘数据显示，2018年八成人工智能岗位集中在北京、上海、杭州、深圳和广州五大城市。北京以40.3%的占比遥遥领先，较其他城市有数量级优势；上海以14.5%位列第二；杭州以10.7%排名第三，略领先深圳的10.5%占比。广州占比4.1%，成都、南京分别占比2.7%和2.5%。
数据来源：BOSS直聘2018、中商产业研究院整理
人工智能行业市场广阔就业前景大好
近年来，我国在人工智能领域密集出台相关政策，更在2017、2018以及2019年连续三年的政府工作报告中提到人工智能，可以看出在世界主要大国纷纷在人工智能领域出台国家战略，抢占人工智能时代制高点的环境下，中国政府把人工智能上升到国家战略的决心。截至2018年11月，全国已有15个省市发布人工智能规划，其中12个制定了具体的产业规模发展目标。通过一系列政策与资金扶持，各省市不断强化当地人工智能的技术研发与应用，为人工智能产业提供了广阔发展前景。
资料来源：中商产业研究院整理
我国政府高度重视人工智能的技术进步与产业发展，人工智能已上升国家战略。《新一代人工智能发展规划》提出“到2030年，使中国成为世界主要人工智能创新中心”。人工智能市场前景巨大，随着人工智能技术的逐渐成熟，科技、制造业等业界巨头布局的深入，应用场景不断扩展。2018年中国人工智能市场规模约为238.2亿元，增长率达到56.6%。预计2019年，中国人工智能市场规模将超300亿元，到2020年这一规模将近500亿元。
数据来源：中商产业研究院整理
发展趋势
当前，我国人工智能产业发展的基础条件已经具备，未来十年内都将是人工智能技术加速普及的爆发期。人工智能专用芯片有望成为下一个爆发点，智能语音产业链逐渐成形，产业规模大幅提升。同时，人工智能具有显著的溢出效应，将带动其他相关技术的持续进步，助推传统产业转型升级和战略性新兴产业整体性突破。未来，人工智能将呈现四个主要发展趋势。
1、人工智能技术进入大规模商用阶段，人工智能产品全面进入消费级市场。
2、基于深度学习的人工智能的认知能力将达到人类专家顾问级别。
3、人工智能实用主义倾向显著，未来将成为一种可购买的智慧服务。
4、人工智能技术将严重冲击劳动密集型产业，改变全球经济生态。
更多请关注韦加教育官方网站返回搜狐，查看更多
现在读研学机器学习/人工智能，毕业后能找到好工作么
转载于知乎
点击原文链接，可进入原问题
原问题：
从今年校招来看，机器学习等算法岗位应届生超多，竞争激烈，未来3-5年机器学习相关就业会达到饱和吗？
原问题描述：多个互联网公司都说今年面算法岗的人太多了，研发等其他岗位人才紧缺，估计明年后年算法岗就业形势更加严峻，未来3-5年算法相关的岗位会饱和吗？
Cheeeen：
这也是我所担忧的，所以虽然现在找到了工作，每天还是在不断的学习，紧跟最前沿的研究（至少得知道自己相关的NLP领域，推荐算法领域每天发生了什么），也会看看工程方面的代码。
从我和身边朋友的经历来说，人工智能，机器学习泡沫很大，实际到岗后干活的多种多样，从业者的水平也层次不齐。
本人是自然语言处理方向的应届小硕一枚（日本某私立大学修士），毕业前花了三个月的时间准备，刷李航的蓝皮书，周志华的西瓜书，刷leetcode，最终拿到互联网公司的几个offer加两个SPoffer。
从面试求职的角度来说：在2017年或者2017年以前，你只要跟我上面说的一样，花上三个月左右的时间去准备，去刷书，刷题，面试走内推，一个应届硕士拿到大厂算法岗的offer概率非常大。我的一位实验室室友，7月底回的国，刷了一个月李航蓝皮书，再写了两个tensorflow教程下面的项目，8月底的时候已经轻松斩获好几个offer，加一个SPoffer。所以从求职的角度来说，稍微准备一下，找机器学习相关的工作真的不难，但你想稍微准备一个月，就找个大厂的开发岗位，我觉得难度还是蛮大的，这是我担忧泡沫的原因之一。
从入职工作的角度来说：拿到offer入职以后的工作五花八门，但是实际对公司贡献的力量我觉得不如现在的开发人员，有很多人工智能从业者，每天的事情就是看博客，看论文，然后复现别人的论文或者自己写论文，这个真的对公司有用吗？拿推荐排序算法来说，主流的排序算法就那么几种，现在转到深度学习排序了，然而举办的机器学习会议（NIPS，RecSys，KDD，ICML等等）上每年都会有很多论文，新的方法出现，这个时候你就算看了这么多论文，这么多方法，拿到实际运用层面来说，真的不一定用的上。
现在很多创业公司，尤其是图像方面的，每天里面的从业者的任务就是在发论文，在某个数据集上 提高小数点后面的数字，但是就算你把识别的准确率从97.90%提高到97.99%，或者98.00%了，放到现实中能有什么用？ 不能落地的项目对公司来说除了鼓吹一下，骗骗投资者的钱，实际的作用为0，公司的收益也为0。对公司来说，把小数点精度提高零点几的科研人员的价值真的不如能想出一个好的idea，把这个算法落地，落到公司应用层面，落到实际的项目中的人。
从薪资待遇的角度来说，现在算法岗的薪资是要高于开发人员的，甚至高很多，这也导致了算法岗的求职者趋之若鹜，但是这个现象合理吗？
综上，我认为现在机器学习，人工智能相关工作的泡沫很大，等投资者不想投资了，公司看开了，不需要白花钱养这么多AI从业者的时候，这个工作岗位就饱和了，三年的时间足够了。
（其实现在很多大公司招这么多AI人员，做机器学习部门，深度学习部门，说白了，都是噱头，因为大家都在AllinAI,我不紧跟就会被媒体，被同行嘲笑了，创业公司不吹点AI相关的东西都不好拿投资，但是成了AI部门之后做什么，AI能给公司带来什么收益，带来的收益和投资成正比吗？公司自己都没搞清楚这个问题）
但另一方面，不可否认的是，AI从业者的自学能力也是非常强的，好几次去西北旺上班的公交车上，看到AI工程师一手抓着公交的栏杆，一手握着论文读，打心里蛮佩服的。我觉得三五年之后，完善的算法岗校招制度会建立，那些只会背数学公式，背蓝皮书的人一定会被淘汰，但是打心里热爱这份工作，保有激情，不但会写算法代码，也会写工程代码的人是经得起时间打磨的。
建议求职算法工作的同学一定不能忘记锻炼自己的工程代码，正如评论区
胡志亮说的：“不管你是算法还是开发，首先得是个工程师”
Leetcode名企之路：
会的。
先交代下背景，我是做后端的，不是算法工程师，业务是广告，由于平时和算法同学配合比较紧密，自己好奇心也比较强，也会学一些ML相关的东西，比如CTR、召回优化、相关性计算什么的，因为log常常需要我们给他们统一。
今年找我内推的同学投的全部是算法岗位，注意，是全部！不论你是什么方向的程序员，工程师的职责是为了解决问题而存在的，当你解决不了问题的时候或者问题得不到快速解决的时候你对一个企业就会失去价值。一个职位的竞争关系和薪酬体系从来都是由供需关系决定的，而不是由你怎么怎么牛来决定的。我只从我了解的传统的推荐、搜索、广告传统互联网三驾马车来说，新的应用比如图像什么的我不太了解。本文的立论基础是说趋势、也就是说这个领域的中位数，单论技术来说，哪个领域的大牛都很强，比如阿里云数据库抗住双十一峰值这种难度是不亚于搞深度学习的，希望大家不要抬杠！
这个方向2017年大家都死命往里面扑，转行的、应届的...我们来看如果一个产品上线，那么涉及到前端会经常改版上线，改版的时候快速迭代肯定需要后端工程师功能的配合，还有大量的冗余代码为了支持进一步的快速迭代和上线需要搽屁股（背锅），也需要算法同学做相关性计算的模块来优化。整体来说，研发决定了你家这块互联网的地有多大，算法决定了在这块地上怎么产生更大的收益。但是和研发不一样的是，研发可能要不断的面对变化，而算法有时候model迭代几版之后AUC怎么都不见得提高，这就很尴尬，从这个角度来说研发的需求量会比算法大，企业会给没什么产出也给算法工程师年终奖发很高的系数？不会的。这也基本上符合现在各大公司的人员结构，研发的人数常常是算法团队的1~2倍；另一方面，算法的basemodel可以被工程化，比如你跑个FTRL、GBDT、LR有很多特征是每个位置通用的，比如用户画像，物料基本信息，这部分工程能力如果强的话，基本的反作弊上线，pipeline管控起来，上线配置一下basemodel这部分可以节省掉大量算法工程师原来需要各种数据清洗的工作，接下来才需要算法工程师进行优化。我想表达的意思是：互联网发展那么多年，本质上就是流量经济，而同一个流量需要的研发工程师比算法工程师多；另一方面，现在大家都一个劲的往里面扑，迟早会被杀成红海。
另外以一个后端程序员的视角怼一下，希望那些刷了一个公开课进入算法领域的工程师能居安思危。
代码能力太弱。很多算法工程师撸代码的能力和debug的能力真的很弱，这在一个公司是很致命的，这直接导致上线和迭代速度不够快，遇到不懂的时候顺藤摸瓜快速验证数据的能力差了很多,也谈不上什么代码的复用，而且经过很多封装之后算法工程师是剩下了：想特征的部分，这也是我对接的一个做算法同学比较焦虑的。广告的特征又比较稀疏，过拟合什么的据算法同学说广告这边不太容易过拟合。另：有很多东西是结合业务的痛点工程化出来的东西，比如前两天对搜索的召回比较有兴趣，撸了一下阿里搜索广告召回的论文，人家就是基于业务设计出来的。在工程领域有大量这种东西。
无知和弱小不是生存障碍，傲慢才是。做着一堆找特征的工作，每天对研发同学秀优越说我们搞的是人工智能，见效快的觉得low，见效慢的公司没办法等你，自己做了几年出去反而把自己最有优势的部分废掉，然后只能靠媒体的AI春药度日了。
业务sense太弱。我觉得一个优秀的工程师（不论是研发还是算法）是需要具备很强的数据sense、产品sense的。比如很多召回的优化，你对比一下竞品还有如果对业务足够熟悉，就容易相出优化的东西，一下子就知道哪部分做得不好导致线上效果不好，比你在那边死搞强太多。
LucasX：
看了这个问题下的回答，勉强来答一发吧。
机器学习/计算机视觉方向的小硕一枚。
学术方面，主要做CV方面的research；数据挖掘/NLP方向的话，接触过一些简单的应用，比如textclassification/sentimentanalysis等等。没系统地做这两个方向的research。
水了几篇paper，有的还在underreview。
知道难度很高，被打脸了也没关系，毕竟topconference不中的话，
看看reviewer的意见也是很有收获的~
工程方面，
在Java和Python环境下搭建过人工智能云平台，效仿其他AI公司一样，封装restfulAPI接口，供给其他人/机构调用。技术体系为：Java：
deeplearning4j+springMVC+spring+mybatis+MySQL+httpclient+bootstrap+HTML5。
Python：
OpenCV+tensorflow+pytorch+sklearn+numpy+scipy+pandas+MongoDB+Django。
今年研二，没参加校招，不知道是否真如题主所说的「今年机器学习方向出现了饱和」。但说句实话，AI方向的泡沫是真有点大。我听说「深度学习」这回事的时候，还是需要从业人员具备比较高深的算法基本功/C++功底的。有时候往往还需要去写GPU代码，手撕CUDA。
现在呢？
importtensorflowastfsess.run()importsklearnmodel.fit(X,y)甚至……很多拿着20-30W年薪的工程师，顶会paper复现不出来，咋办？直奔github，gitclone作者的开放源码。然后喂数据，无脑训练就行。
校招的话，刷刷李航蓝皮书、LeetCode，CS231n。去找个imageclassification/facerecognition相关的project做一做，
就差不多可以入行了。门槛真的是已经降低了太多太多。
我觉得现如今AI从业者的薪资高，很多时候都是由资本的热钱带来的。但这种情况显然不能持续太久。
因为薪资高低/职位热度仅仅取决于你能否为公司带来更大的利益，
与技术水平高低、Paper质量优劣并无直接正相关关系。
不出意外，3年之内，那些既没有盈利希望，产品又没有占领市场绝对地位的所谓AI公司。会一家家倒闭。留下几家大型公司提供行业解决方案、模型或API服务。
甚至很多靠堆tricks，performance提了0.X个百分点而发了顶会的人。
可以扪心自问一下，自己的产出真的可以匹配如此高的薪资待遇吗？
而且有部分PhD们在学术界待久了，喜欢刷榜，不爱去解决工业界的实际问题。
好几年前，移动开发/web前端也有一度供不应求的局面，
但随后「大多数中低端」市场从业者很快就饱和了。
当然，高端职位依然很稀缺。
AI行业也会一样，那个时候大多数「中低端」从业者就会比较惨了。
高级工程师/研究员依然还是很稀缺，只是可能没有现如今这么抢手了。
怎么办？好好学呗~哪里有欠缺就补哪里。
进了IT这一行，「终身学习」就是逃不掉的了。
祝大家炼丹愉快~
匿名用户：
在某大厂的应用算法团队混了多年，搞算法的招聘也有好多年，说说这几年的现状：
10年硕士毕业的时候，机器学习是冷门中的冷门，国内没几个老板做这个方向，担心找不到工作，我一直把自己往开发工程师上走，当时找工作的时候投了个Java工程师，半路上被二面面试官调给另外一个面试官，说那位搞算法面试官他坐了半天，没收到简历，看我沾点边，让我去那边，二面面试官看了下简历，发现新大陆似的问，你还发过KXX，我点点了点头，就这么过了，直通终面。等我入了职，我才发现，原来我可以算是专业的，大部分都是业余的，这就是当年的情形:大分司开始意识到算法的重要性，想招人但招不到人，高校搞机器学习数据挖掘的老板没几个，毕业生200人左右吧，哪果今天我来面试当年的我，估计是不会再通过了。当时算法工程与开发工程师，工资是一样的。
这种情况一直持续到14年，那段时间校招依然很难，沾点边的我们就面，觉得有潜力的招进来先培养，开算法课给他们讲，从基础开始讲起...说多了都是泪，这帮人有学习能力不错的，后来做得也不错，但大多数都转行了...
15年情况开始好转，那时候机器学习竞赛开始兴起，因为奖金高，不少功底好的同学开台刷奖，有好多这样的同学来面试，打比赛很有一套，各种模型都会用，动手能力超好，理论嘛也知道一点，不管了，就是他们了！从入职后的情况来，这批人还是很不错的，算法应用能力很强，动手很好，很多基础的算法平台他们都有贡献，相当的靠谱，算法效果刷刷的往上蹭，当然培训也在继续，课还得继续补。
16年情况好多了，算法岗的待遇提升了，简历雪花般地飞来，但是靠谱的不多，但比之前的要好不少，高校有点能跟上节奏了
17年深度学习火了，因为TF的发布，天池，kaggle等比赛的促进，算法的入门门槛低了很多，再加上算法岗的待遇爆发了，基本上，是个cser，都开始搞ml，应该是搞dl，一问dl，特别是cv的，说得头头是道，估计网上的面试题没少看，问下细节，交叉熵损失函数是啥？不知道！极大似然是啥，不知道，问个开放性的算法应用问题，比如怎么预测姓名的男女概率，80%的人都回答不上来....
所以，从我的经验来看，虽然转行搞机器学习算法的同学很多，但很多同学抱着的是投机心态，对算法的高工资眼热，对机器学习本身，并没有多大热情，而机器学习不是个编程问题，不是一年半载的编码训练就很学好的，机器学习本质上是个数学问题，而数学，够学一辈子的！现在进入行业的只会调算法包的算法工程师，3~5年会饱和，不仅会饱各，还会被淘汰，AutoML正在兴起，大部分人现在炒得火热的工智能公司都会破灭，人工智能不仅革别人的命，也革自己的命！而那些搞机器学习理论研究，擅于把算法应用于解决实际问题，并能把实际业务问题抽向为算法问题并建模解决的算法工程师，目前来看，永远都不会饱和，高端人才永远都是稀缺的！
兔子老大：
和很多答主的意见相反的是，我认为这个行业会回归理性，但不会没落到人才没人要的地步。
第一，CS这个行业的水其实很深，有人需要人研发人才，有人需要工程人才，有人需要调API的初级猴子，有人需要随便找几个”专家“来给公司充大头鬼，蹭一波热点，拿一波风投……所以基本什么水平的都能找到工作.....
第二，大部分人所谈的机器学习/算法岗其实只是狭义，现在很多吃瓜群众是把机器学习和深度学习等价了(托媒体的福)。有很多问题是没法直接找论文抄一个结构就直接部署上去……你还需要针对业务的理解来提取特征，对已有算法做出微调，以及根据实际绩效的反映来再进一步改进模型……即使是已经被深度学习席卷的图像类的算法，也不是抄个结构就直接上就行，end2end还是理想化了点，还是需要一部分人工干预，比如传统的图像处理算法来对模型的输出来进行修正或融合，有过一定工作经验的人自然懂，目前人工智能是真的只到达了人工阶段，这个行业还有足够的空间给这一代人发展。况且算法岗也不仅仅指机器学习，还有一些诸如地图规划，分布式处理这一类也能算为算法岗。即使是机器学习岗也不仅仅是书中最为流行分类和回归问题，比如一些规划类问题，资源调度问题，异常检测，大数据风控等背后都隐藏着对机器学习算法的需求，而且这不是学术界某些的目前还不落地的理论，而是工业界实实在在的需求。另外，也有用机器学习处理数据库索引和前端网页生成，设计师的绘图的研究，会不会因此对这些职位产生新的要求或者造成冲击还很难说。如果真的找不到工作，到底是因为自身实力问题还是行业饱和，还是地理位置问题，自己要想清楚。不要动不动就说行业饱和，也不要动不动被被人劝去一个自己不理解的领域谋发展。
第三，其他答主也提到了，目前机器学习应聘的人多并不代表着符合岗位要求的人多。大家都心知肚明那群突然多出来的人是为了什么，是哪里来的……按照这个趋势，目前CS除AI外有两样被很多大牛所看中，可能会是下一个bigthing，一个是区块链，一个是量子计算。量子计算我个人觉得还早了点，而区块链我已经看到有些培训班开课了（不过听那里的老师讲课的语气，好像自己都不相信自己说的东西），所以下一个3-5年，”人才“暴增的怕是区块链领域。
最后，追热点本身没错，你们称为象牙塔学术界里也有大把人在追热点，但正如有人在比特币里割了韭菜，有人当了韭菜，大家且追且珍惜。。。。。
还有，
年年的就业难度都是历史新高，
年年的考研人数都是历史新高，
年年的考公人数都是历史新高，
年年的天灾都是百年一遇，
街边的店铺年年都是清货减价，最后三个月。
emmmm……
现在火的方向，不一定三年之后还会火。
考研选择方向，是一件非常重要的事，同学们报名的时候一定要慎重。
你会选择机器学习/人工智能作为你的研究方向么？
人工智能专业主要学什么 毕业能从事什么工作
人工智能专业主要的学习内容有什么呢，毕业能做什么工作呢，下面小编为大家提供人工智能专业主要学习内容，仅供大家参考。
人工智能专业主要是学什么的
目前人工智能专业的学习内容有：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（较好有数据结构基础）
从上面的专业课程内容来看，需要掌握的人工智能相关的知识内容还是很多的，不过前置的课程在中专本科期间都有学习过，如信号处理，线性代数，微积分这些，如果你在学校期间，这部分的内容学习的不错，那么恭喜你了，你的基础不错。可以专心学习后面机器学习、深度学习相关的内容了。
人工智能专业毕业后的就业方向
人工智能虽然属于一门高精尖学科，但它的研究对象是以计算机为主，融合社会科学和自然科学的内容。它的研究方向主要分为两类：一类是以算法为主、另一类则偏向机械自动化方向。目前国内高校本科并没有设置人工智能专业，在研究生阶段才开设相应的研究方向。本科只要选择与之相关的计算机类、电子信息类、自动化类、应用数学类即可。研究人工智能方向，需要具备良好的数学功底、编程能力、英语水平。本科阶段选择这几类专业，与之学科相关度较高，研究生阶段转型更加容易。
目前研究生阶段开设人工智能方向的高校主要以C9院校和中科院研究所为代表。国外高校中，麻省理工、卡内基梅隆中专、斯坦福中专、加州中专伯克利分校四所高校，在美国计算机科学专业并列较好，也是人工智能研究方面做得较好的四所高校。
较近几年，人工智能研究方向的毕业生，毕业后都进入大型互联网公司工作。BAT、华为、网易、美国的微软、谷歌、facebook、亚马逊等公司也非常青睐人工智能方向的毕业生。
人工智能的就业前景
目前人工智能已经为人类创造出了非常可观的经济效益，人工智能可以代替人类做大量人类不想做、不能做的工作，而且机器犯错误的概率比人低，并且能够持续工作，大大的工作效率。节约了大量的成本，未来的人工智能可能还会代替人类工作，代替人类做家务，帮助人类学习，甚至可以照顾老人和小孩，实时监护人类的健康，生病了直接给人来治疗，延长人类的寿命，让人类的生活变得越来越美好。
人工智能时代需培养学生怎样能力
“未来人工智能环境下的课堂，可能是‘双师型’的课堂，人机交互、人机结合将成为主要形态。一堂课可能由一名教师和一个机器人共同来上，布置和批改作业、知识点训练、监督学习、学习情况的分析等工作可能由机器人来完成。”在日前召开的第四次全国数据驱动教育改进专题研讨会上，北京师范大学中国教育创新研究院院长刘坚这样描述人工智能时代的课堂。
人工智能不能代替学习
面对席卷而来、被称为人类“第二次零点革命”的人工智能浪潮，互联网时代的教育界，也不那么淡定了。“因为人工智能不是信息化的延续，技术对教育的影响，正在由‘革新’发展为‘革命’。”中关村学院学术委员会原负责人吕文清说，“高级阶段的人工智能具有类人脑的学习力和思考力，将来还能进化到自适应学习，在这个意义上，人工智能拓展了人的思维。人工智能改变的，不仅是教育的边界和方式，整个教育样态也将面临重塑。”
不过，科大讯飞教育研究院院长孙曙辉认为，人工智能不能代替人的思维，不能代替学习，技术也改变不了教育的本质。因此，在当前热炒人工智能概念的大背景下，一定要认清技术与教育的关系，搞清楚哪些是教育本身的问题，哪些是技术可以解决的问题。
高阶认知能力的重要性将更加凸显
在人工智能时代，学生应该具备怎样的能力，才能适应社会需求，在竞争中立于不败之地？
教育部副部长杜占元在去年12月召开的2017未来教育大会上提出，在机器能够思考的时代，教育应着重培养学生的5种能力，即自主学习能力、提出问题的能力、人际交往的能力、创新思维的能力及筹划未来的能力。
教育部科技发展中心原主任李志民说，今天我们说知识就是力量，讲的是如何学习、记忆和掌握更多的知识，讲究知识的系统性，而在人工智能时代，知识是开放的，随时随地可查找、可检索，因此，记忆知识以及知识的系统性不再像今天这样重要了，学生更需要学习如何从已有的知识中挖掘出新应用、新知识，通过已有知识学习新知识，与之对应的知识结构或学习过程就是思维的训练。
“低阶认知技能的重要性会下降，如记忆、复述、再现等初级信息加工任务将更多地被机器代替，而高阶认知能力的重要性会更加凸显，如识别问题、逻辑推理、意义建构、精致思考、自我指导能力等。”吕文清认为，人工智能时代应重点培养学生的终身学习素养、计算思维素养、设计思维素养和交互思维素养，培养学生5种能力——高阶认知能力、创新能力、联结能力、意义建构能力和元认知能力。终身学习素养，主要基于人工智能时代需要更强大和持续的学习力，强调学会学习和建构不断演进的知识框架；计算思维素养，主要基于学习和理解人工智能，强化思考的逻辑和精致。现在很火的编程课程，主要是培养计算思维；设计思维素养，主要基于人工智能时代学生执行困难任务，需要关注项目设计、任务设计和路径设计等高层次管理，重点引导学生学会选择、学会决策、学会判断；交互思维素养，主要基于人工智能时代学生交往方式的变化，需要高级信息素养、媒体素养、沟通交流和技术伦理，重点引导学生学会开源共享、参与协商、组建社区等，理解复杂的相互关系。高阶认知能力，强调独立思考、逻辑推理、信息加工等；创新能力，强调好奇心、想象力和创新思维、创新人格等；联结能力，强调学会统筹、组织资源、建立联系，特别是包括人工智能在内的多个空间的联结；意义建构能力，强调社会情感、责任意识和高感性、高概念等要素；元认知能力，强调学习自我认知、自我监控和自我指导。
“我认为，没有什么能力是贴有人工智能时代专属标签的。随着时代的发展，人类已有的知识和经验变得不重要，而培养学生的综合素质、高阶思维、创新能力等，这些要求无论在哪个时代都是需要的、共通的、不会过时的。”孙曙辉说。
未来的学习将更加个性化
未来的学习，在哪儿学、跟谁学、怎么学？原有的概念可能都会被颠覆。教育又该如何作出调整，以适应新的时代要求？吕文清认为，人工智能时代对学生的学习目标、学习内容、能力层级甚至心智模式，都提出了新的需求。在教学上，人工智能时代要以“思维教学”为主线，既强调基于认知能力的信息加工、分析综合、逻辑推理等高阶思维的培养，还要增加和突出计算思维、设计思维和交互思维的培养。具体落点上，要强调概念性知识、方法性知识和价值性知识的教学，要注重教原理、教统筹、教大观点、教元认知等不可替代的知识，也就是高阶认知和高阶学习。
人工智能对于当前的教育，不只是颠覆和冲击，也会带来促进和改良。李志民说，人工智能时代的教育管理，无论是宏观层面还是微观层面，都更容易做到精细化，对教师的评价会更加全面而科学；可以根据每个学生的智力程度和思维习惯以及学习方式进行教学，实现真正的个性化学习和因材施教。
据了解，目前许多中小学已开设编程、3D打印技术等与人工智能相关的课程，学生学习兴趣特别浓厚。一些学校还以社团和选修课的形式推进机器人、智能汽车、计算机编程等课程的开设与完善，提升学生信息化素养，促进学科知识融合。
人工智能时代，学生获得知识及能力、素养的提升途径无疑会更多元，其中互联网发挥的作用会更大。而人工智能的应用，会让教师从机械重复的工作中解放出来，去做更有价值的工作。孙曙辉认为，在中小学开设编程等人工智能相关课程，有助于训练学生的思维方式，但主要意义在于普及相关科学知识，并不能帮助学生“赢在起跑线”。目前，很多所谓人工智能的应用，包括一些针对职业人群的人工智能培训，都是炒作概念的“伪人工智能”，人工智能在短期内尚难发展到较为高级的阶段。当前市场上已经出现针对中小学生的打着“人工智能”旗号的相关培训班，家长完全没必要怕“掉队”，在现阶段，保持清醒的头脑，不盲目跟风至关重要。（本报记者汪瑞林）