热度背后，人工智能类专业究竟前景如何
总的来说，近年来火爆的人工智能专业实际上仍与计算机科学与技术专业没有本质的区别；而智能相关的工科专业则依然徘徊在相关传统专业的基础之上，距离成为真正的交叉学科尚有一段距离。人工智能专业的热度连年上涨，已连续三年位于百度专业大数据热榜首位。各院校开设人工智能专业，以及在此基础上的“智能+工科”专业的新闻也从未中断，吸引了大量高中生与家长的目光。
近几年百度专业热搜数据总结
那么，在网络上的热度背后，这些智能类专业究竟是什么，其本质是蓬勃发展的新行业，还是又一次在风口上的”蹭热度“行为？相信在读完这篇文章之后，你也不难得出一个自己的答案。
目录
1.人工智能专业是学什么的？
2.国内院校、专业现状
3.关于人工智能专业的一些建议
4.智慧/智能+专业是怎么回事？
5.关于智慧/智能+专业的一些建议
1.人工智能专业是学什么的？
专业简介
近五年来，从业界焦点到高校专业设置，热门领域经历了从移动互联网到大数据再到人工智能的快速转变。提到人工智能，大家可能都会有很强的好奇心与崇拜感，因为能够让一台机器做到类似人类的各种行为（包括但不限于对话、决策等等）属实是令人兴奋的一件事情。
2016年3月9日，谷歌AlphaGo人工智能与围棋顶尖高手李世石进行里程碑式的人机围棋大战，首局以AlphaGo的完胜惊爆全球，在随后的几天里，最终比分锁定在了4:1，人工智能取得了大胜的成绩，而这场旷古烁今的人机大战彻底让人工智能出圈，从学术圈/科技圈众多研究方向中的一个不甚确定的方向变成一个全球民众都在谈论的舆论焦点。
实际上人工智能领域一直是计算机科学的主要方向之一，从论文与引用数量上不难看出这一点
仅仅两年后的2018年，教育部普通高等学校本科新专业设立审批正式通过人工智能专业，专业代码080717T。事实上，人工智能并不是像大家想象的多么无所不能，也没有多么高深莫测，了解了人工智能的方向，也就自然能够认识到这个专业的核心与关键所在。
人工智能，顾名思义，就是通过人工构建的方式在人类生命体以外实现智能化行为的专业，涉及到智能相关的理论、方法、技术和应用等等。
人工智能的发展基础是计算机科学，长期以来，人工智能都是属于计算机学科的一个分支研究方向，直到近年来人工智能专业迅速发展，国家为推动国内人工智能专业发展，将这一专业提升到一级学科，因此，人工智能专业的基础与计算机科学的知识是密不可分的。
人工智能专业下的细分方向
人工智能专业涉及到的子领域十分广泛，按照研究领域划分，主要包括机器学习、数据挖掘、计算机视觉、自然语言处理、语音识别等等，除去这些主流方向，一切与智能相关的研究方向都可以成为人工智能或其他智能类专业的研究范畴。
机器学习是发展历史最悠久、最全面的人工智能研究方向，其发展历史十分悠久。最早期的机器学习主要以实现逻辑推理为主，相对较为简单；进入上世纪70年代，机器学习进入了知识期，人们开始尝试“教授”机器去学习新知识。
早期机器学习的思想以“连接主义”为主，即通过神经元连接（类似人类神经的基本结构）的方式构建机器学习模型，如感知机；后来“符号主义”兴起，基于符号逻辑与运算来实现机器学习，如决策树；上世纪90年代，统计学习迅速发展，产生基于概率统计基础的机器学习模型，如支持向量机。
随着神经网络的发展，“连接主义”卷土重来，连接层的深度发展形成了深度学习，产生了BP神经网络、卷积神经网络、循环神经网络、图神经网络等很多变种，而后在这些基础上又诞生了embedding、注意力机制、transformer、informer等前沿方法模型；近几年，强化学习异军突起，通过无监督的自主学习实现对于优化策略的探索，在游戏博弈领域大放异彩。机器学习的基础也是后续大部分人工智能研究的重要工具。
数据挖掘领域也是近年来的一大研究热点，其主要研究内容为分析大数据内容，探索从数据中挖掘信息的理论、方法、技术和应用等，子领域包括数据预处理、距离与相似度、聚类分析、数据分类、数据流挖掘、文本数据挖掘、时间序列数据挖掘、离散序列挖掘、空间数据挖掘、图数据挖掘、网络数据挖掘、社交网络分析和隐私保护数据挖掘等等，数据挖掘的强实用性价值使之在近年来得到了广泛的应用。
计算机视觉是研究如何让机器“看”的方向，及通过计算机对图像进行处理和学习，其专业基础是计算机图形学，相关研究方向包括图像处理、模式识别、图像理解、图像生成等等，近年来火热的人脸识别、AI抠图就是计算机视觉领域应用的成功范例。
自然语言处理主要研究的是计算机对人类自然语言的处理、学习、理解、生成等内容，除了计算机以外还涉及到语言学、逻辑学等跨领域内容，常见应用包括机器翻译、人机对话、文本分类等等；语音识别作为一个与自然语言处理紧密相关的子领域，在相关研究的基础上，还引入了声音识别的独特研究内容。
对于人工智能专业研究的多个领域，尽管它们的侧重点多有不同，但它们也有许多共性。当前的人工智能的研究主要是数据驱动的，即需要大量的数据集作为人工智能模型的训练基础。因此，如何获取充足有效的数据也成为了相关研究开展的重要基础。
人工智能适用于大规模数据处理的问题。对这类问题，传统优化计算的理论方法精确度高但计算效率低，往往需要天量的时间和空间进行计算分析，而人工智能方法在这方面具有显著优势，可以在短时间内得到相对理想的结果。
当前人工智能发展的理论基础薄弱，大量的人工智能模型创新都是领先于理论进步的，相关技术模型的可解释性差、计算过程等同于“黑箱”，结果准确性和对数据变化的稳定性低，在实际应用上还存在一些困难。
2.国内院校、专业现状
有多少学校开设了人工智能专业？
自2018年教育部设立本科人工智能专业后，各大高校紧跟发展形势，纷纷设立人工智能专业。截至2022年初，已有440所本科院校设立人工智能专业，其中2018年35所、2019年180所、2020年130所、2021年95所。
2018年首批设立该专业的高校中，即有上海交通大学、同济大学等重点高校；清华大学、北京大学更是于2020年和2021年分别设立了人工智能专业。
根据最新统计数据显示，截至2022年5月31日，全国（不含港澳台）已有本科院校1270所。换句话讲，在这短短3、4年的时间里，就已经有35%的院校设立了人工智能专业，可见人工智能专业在各大学间的发展速度。
人工智能专业在教什么？
人工智能专业到底在教授本科生什么内容？其培养方案又与计算机专业有什么区别？
对这些问题，本文参考最先试水的重点工科高校上海交通大学的专业发展现状，来剖析人工智能专业的发展前沿。
上海交通大学自2019年起开始人工智能专业招生，依托于电子信息与电气工程学院的计算机科学与技术、控制科学与工程、信息与通信工程三个学科创办人工智能专业，这对应了人工智能的三大专业基础——计算机科学、控制论和信息论。
专业设立重视产学研结合与“AI+X”的复合专业培养模式：“产”方面包括与商汤科技等AI科技公司的紧密合作，“学”方面包括学生培养（本科特色班：国智班（与上海人工智能实验室和商汤科技联合培养），博士特色班：吴文俊人工智能荣誉博士班），“研”方面包括人工智能教育部重点实验室、上海交大人工智能研究院等，“AI+X”包括本科跨专业通识教育培养等。
具体到培养方案的设置，按照人工智能方向的发展变革，参考2022年上海交通大学的情况，我们主要对照人工智能专业和计算机科学与技术专业的培养方案设置异同，探究人工智能专业的培养发展方向。
在基础必修课方面，人工智能专业少了大学化学、工程创新类课程、理论力学、计算机组成等基础学科和计算机基础课程，多了数字电路、线性优化与凸优化等逻辑、数学优化课程。
在专业必修课方面，人工智能专业少了计算机科学中的数学基础，但大量增加了人工智能思维与伦理、人工智能问题求解与实践、信号与系统、算法设计与分析、随机过程、数字信号与图像处理、机器学习、深度学习及应用、计算机视觉、自然语言处理、强化学习和数据挖掘等课程作为必修课程，并设置了计算机网络、数据库原理等限选课程，这些人工智能专业的必修课程在计算机专业中也有很多的设置，但大部分作为选修课设定。
在二者的选修课设置方面，人工智能专业主要分为智能感知认知方向、机器人与无人系统、智能芯片与系统三个模块；这区别于计算机专业的密码学与信息安全基础、计算机网络、计算机图形学、计算理论、人工智能的五个模块。
总而言之，人工智能专业的培养方案设置特点是，精简专业基础课程，强制必修人工智能领域中的关键专业课程，选修模块侧重领域前沿——智能感知、智能机器人、智能芯片，突出了专而精的特点。
总体来看，高校的人工智能专业设置基础主要依托于计算机科学与技术专业，同时结合控制科学与工程和信息与通信工程的内容，除课程体系结构调整外，主要专业课程在计算机专业中大部分都有开设，专业差别不大。
换句话讲，如果你想学人工智能专业的话，先选择计算机科学与技术专业，然后在专业内分方向时选择人工智能方向，实际上也没什么差别。
3.关于人工智能专业的一些建议
由于人工智能专业的设置主要依托于计算机专业，其专业水准和人才培养的水平情况与学校在计算机等相关专业的培养水平上息息相关。因此在人工智能专业的择校方面，学生可重点参考计算机科学与技术专业的高校专业排名情况。
而与计算机专业不同的是，人工智能这个专业的设置更加偏重研究而非应用，真正和人工智能有关的课程也往往相当前沿。因此各高校人工智能专业的教学水平和科研实力直接挂钩，相对普通的学校里，很多专业课程都开不起来。
虽然说人工智能专业都还比较新，暂时没有成体系的就业数据可供参考，但相对弱基础轻前沿的培养方式也决定了，人工智能专业的出路比起计算机科学与技术专业会更偏向科研。再结合35%的本科院校都开设了人工智能专业的现状……
说句实话，全国一千多所本科院校里，多少院校的师资力量和科研水平可以支持它们做一些不是假把式的科研，多少院校招到的学生水平能按科研的流程把毕业论文以一个稍微像点样的方式水过去，都是大家心照不宣的事情。而这35%的院校开办的人工智能专业里，有多少值得报考？同样的道理。
即便人工智能专业这几年相当火热，但其归根结底还是基于计算机专业细分下的一个科研方向建立的。对有志于人工智能研究的高中生来说，选择计算机强校的人工智能专业能为你省下在硬件、基础课程上花费的时间。但大部分情况下，选择计算机专业后分流进人工智能方向与其区别并不大，而从人工智能专业进入计算机专业则需要补上一堆基础课，相比之下并不划算。
而如果你成绩一般，只是因为人工智能专业热门而产生兴趣，直接选择计算机专业会好得多。因为人工智能专业的热门更多是宣传上的热门，在就业上相比于计算机专业不会有什么本质的优势；相反，考虑到这专业偏重前沿的培养模式，人工智能专业在就业上的性价比反倒很可能低于计算机/软件工程专业。
4.智慧/智能+专业是怎么回事？
随着人工智能专业的迅猛发展，其对于问题解决的普适性使得人工智能被广泛交叉运用于各类其他专业，相应的，各类智慧/智能+其他领域的专业也纷纷设立。
根据普通高等学校本科专业目录（2020年）和2020/2021年度普通高等学校本科专业备案和审批结果，截至2022年共有35个智慧/智能+专业被设立。其总结如下图
普通高等学校本科智慧/智能+专业目录
在这35个专业中，近三年设立的专业高达24个，近五年设立的专业高达30个。在这些专业中，高达29个专业为工学门类的相关专业，领域几乎覆盖各个工科专业；同时，也有农学、医学、教育学等门类开设了智慧/智能+专业，显示了人工智能在跨学科门类的应用价值，以目前学术界对于人工智能的跨界运用研究现状，相信在不久的将来，还会有更多的门类专业开设智慧/智能+专业。
本文根据专业基础和普适性分析需求，重点针对机械类的智能制造工程和智能车辆工程以及土木类的智能建造专业进行探索与分析，为大家解释智慧/智能+专业在国内高校中的现状。
机械类的智能专业
关于智能制造工程专业，我们以2017年首批设立该专业的同济大学的情况为例。
在该专业的培养方案中，除传统机械类课程外，主要增设了工业大数据与云计算、人工智能、智能制造导论、智能技术数学基础、智能制造工艺、生产系统智能化技术、精密传动与智能设计、智能制造装备和相关智能实践类课程。
作为本科生课程，此类前沿制造课程以认知了解和探索实践为主，相对“偏文科”，并不涉及太多计算机、人工智能方向的专业基础课、核心课。因此，智能制造工程专业相比于传统制造专业，新增学习内容尚不能构成关键性的培养计划调整转变。
关于智能车辆工程专业，我们以2018年首批设立该专业的哈尔滨工业大学的情况为例。
当代汽车正在经历动力电气化、驾驶智能化、交通网联化的快速变革，智能车辆工程与新能源、人工智能、信息通讯、大数据、互联网等新技术和新产业跨界相连，构建起了新的汽车技术和产业生态。
智能车辆工程专业主要培养从事车辆先进智能技术（含环境感知、智能决策、控制执行、电机、电控、动力电池）、信息交互技术（专用通信与网络技术、大数据、信息安全）、基础支撑技术（高精度地图与高精度定位、标准法规、测试评价）等领域的各类人才，融合了车辆工程、人工智能、信息通讯、大数据、计算机、电气、电子等多个交叉学科。
本专业主要研究方向有：无人驾驶汽车、高级辅助驾驶、智能网联汽车、特种无人车、电驱动技术、电池管理技术等，本科智能类创新课程包括智能网联汽车技术、智能车规划与决策、智能车感知技术、智能车辆控制技术等。
与前文提到的智能制造工程专业不同，智能车辆工程这个专业并非“蹭热点”，而是一个实打实的交叉学科。其主要的教学、研究方向与业界发展联系紧密，本科生课程横跨计算机、电子信息、人工智能、电气工程等多个专业的相关基础、核心课程。
总而言之，智能车辆工程这个专业新颖性高，相比于传统专业变化大，适合有志于智能车辆行业的学生报考。虽然目前尚无可供参考的就业数据，但从其关注业界需求与热点的培养模式推测，学生毕业后的业界待遇与传统的车辆工程专业相比，理应有一个可观的提升。
土木类的智能专业
关于智能建造专业，我们以2018年第二批设立该专业的北方工业大学的情况为例。
根据官网相关介绍，智能建造即数字化设计、工厂化生产、装配化施工、信息化管理、智能化应用，主要相关创新课程包括BIM数字化建模技术、智能测绘、装配式建筑相关课程、建造机器人、绿色建筑等等。
这些课程以土木工程专业前沿发展为主，与实际人工智能领域的联系相对薄弱。可见其本质上依然是土木工程专业。但新加入的这些课程也会有助于对土木前沿领域的学习和升学深造。
关于智慧/智能+专业的一些建议
根据对上述三个主要智能类专业的分析，我们可以发现，智慧/智能+专业的主要特点是，专业增设了相关专业的前沿领域和智能相关领域的介绍课程，本科生阶段以认知了解为主，对于学生来讲有助于研究生阶段在相关领域进一步探索或转向人工智能相关专业，但整体上与传统专业的区别不是很大。
因此，在“智能”程度上，不宜对这类专业抱有多高的期待；相反，从某种方面上来讲，此类专业开设的智能类课程可能会加重学生学业负担，分散学生精力，削弱部分自主学习管理能力弱的学生在本专业上的基础。
整体上来讲，智慧/智能+专业本科阶段还是以本专业为主，以智慧/智能为辅，在选专业时需要认清这一定位。
在就业上，智能类专业设立较晚，大部分专业是在2018年之后首次设立（实际开始招生的时间比表1中晚一年，这是由于教育部是在次年2月批复公示上一年度的新专业设立申请，而后于次年9月开始招生），目前尚未有学生就业/升学的相关数据。
若从专业培养计划本身来分析，相关智能类课程普遍偏重前沿，本科生能够掌握的程度有限，高端岗位被研究生占据，对于本科就业来讲，“专业是否智能”对于就业帮助不大。
在升学中，智能类专业的前沿课程学习和实践可能对学生在考研/保研面试和联系导师中会有一定的帮助，但还是看个人情况，整体提升不大。
总体来看，智能相关专业的本科就业/升学前景还是可以主要参考相关传统专业的数据，从在专业名头前贴上智能/智慧的标签，到完成一套成体系的交叉学科建设，还有很长的路要走。
学人工智能以后从事什么工作这6大就业方向前景广阔
学AI以后从事什么工作？近些年来，科技的快速发展，使人工智能方面的人才炙手可热。根据此前UiPath发布的数据显示：我国AI岗位空缺数量最多，有12113个相关职位因为招聘不到人才而发生空缺。
我国对于AI人才的渴求已经超过了人工智能大国美国。因此，我国人工智能专业的毕业生，他们未来的就业前景将会非常广阔。
学人工智能以后从事什么工作？这6大就业方向前景广阔
智能金融
近些年，手机支付成了很多人日常生活中主要的支付方式，取代了现金在生活中的地位。而手机支付也是智能金融的一部分，人工智能在这方面起到了极大地推动作用。
很多金融机构对于人工智能技术十分青睐，并且依靠人工智能技术实现了降低金融诈骗的风险。
人工智能专业的毕业生可以进入智能金融的领域，将人工智能和金融知识相结合。这也是人工智能专业毕业生目前非常火热的就业发展方向之一。
计算机视觉
计算机视觉岗位这也是人工智能领域非常火热的就业方向之一。
拍照的时候，相机可以自动地将人脸的画面进行识别和检测;P图的时候，可以针对人脸进行相应的美化处理(眼睛变大、涂腮红)等等。
当冷冰冰的机器能够感知到具体的影像，并且对此进行识别时，人工智能相当于为机器安上了一双眼睛，这种“神奇”的技术手段在岗位需求中自然会占有先机。
数据服务
大数据时代，人们在网络上获取信息变得更加丰富多元。但是因为数据量过大，人们搜索的结果可能不够准确。有人工智能进行干预，大数据的推算会更加符合搜索者的心意，搜索的结果也会更加准确。
数据服务还包括数据商为网络提供更加海量的数据支持，也为先进的人工智能算法提供了搭建模型的基础。
数据服务的就业前景十分广阔，也是人工智能毕业生比较青睐的就业方向之一。
智能教育
线上教育蓬勃发展，人们学习的方式变得更加多元。除了线下具体的实物教育之外，智能教育将教育的方式推向了一个新的高度。
智能教育通过在教育方式上加入人工智能的手段让人们获得知识的方式更加便捷。
学生在网络搜题的时候变得更加简单，甚至还可以获得相关知识点的推送。而且人工智还能帮助老师批改作业，不仅确保了准确率，同时也极大地降低了老师的工作量。
随着人工智能的逐步发展，智能教育将会变得更加先进，比如说为每个学生制定有针对性的学习方案，更加能够实现真正意义上的因材施教。
机器学习
机器学习是一种较为复杂的就业方向，其目的是让机器在大量的数据训练后学习如何更好地完成任务。这也是人工智能中最复杂、最核心的内容。
机器学习所要求的技术人才水平更高。目前，全世界的人工智能水平仍然处于弱智能阶段，想要帮助机器建立人脑的神经网络确实存在一定的难度。
B站就有很多免费的课程，这里推荐一个大家可以看看：
【冒死整理】小白也能听懂的人工智能课程，AI入门+项目实战，这不比追剧有意思？python-深度学习-机器学习-决策树_哔哩哔哩_bilibili
智能医疗
机器可以进行海量的数据分析，不断地学习医学专业知识，帮助医生分析医学影像，医生可以通过机器所提供的帮助为患者诊断病情。
智能医疗的应用可以让医疗资源得到极大的丰富，降低了医疗成本，人工智能在医疗方面的应用是功德无量的。
人工智能专业的毕业生也可以从事智能医疗相关的工作，智能医疗行业的发展潜力非常巨大，如果可以凭借自身拥有的人工智能知识促进我国的医疗事业发展，是一件非常有意义的事。
人工智能的产业链相较于其他行业，已经发展得较为清晰，主要包括基础支撑、关键技术以及行业应用。毕业生可以根据所学专业的侧重点以及自身的兴趣爱好进行相关就业方向的选择。
免费分享一些我整理的人工智能学习资料给大家，整理了很久，非常全面。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、人工智能必读书籍
二、人工智能免费视频课程和项目
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