上个礼拜，北京航空航天大学主办了国内首届人工智能本科专业研讨会。会上清华大学、南京大学、西安交通大学等国内26所大学共同发布了《关于设置人工智能专业建议书》，呼吁尽快设置本科人工智能专业。
毫无疑问，这个高考季当中，人工智能已经成为了一个热门话题。伴随着知名高校的呼吁，我们还可以看到各个名牌大学的人工智能学院、人工智能研究院如雨后春笋一样成长起来。中国科学院、南京大学、清华大学，都已经在一年内成立了类似研究机构。
而政策层面，国家《新一代人工智能发展规划》中也明确提出要建设人工智能学科。人工智能要发展，需要人才和学术建设应该是毫无争议的问题。
但关于人工智能是不是要在今天就成为本科专业，却是个充满争议的话题。
在目前的学科规划中，人工智能的主体是计算机科学下的二级学科。一般要到研究生阶段才能选择攻读。与此同时，AI相关专业还散落在数学、信息科学，甚至社会学、心理学、生物学当中。
有人认为，这样的规划已经无法满足AI发展的真实需求；也有人认为AI刚刚发展起来，就要高校体系来给予配合，有点过于冒进了。
在大多数省份，现在还是填报志愿的阶段。咱们不妨来透视一下这场争议中的几个观点，如果身边有学子正在纠结于是否选择，或者如何选择AI相关专业，不妨思考这几个声音之后再来判断。
反方观点A：
AI不稳定，就业有风险
让我们先从反对观点说起。
众所周知，本科生不会都进入研究生阶段继续攻读，那么AI本科专业存在的意义，当然就是能为大量本科生提供就业技能与机遇。
但就今天的AI来说，是否能为四五年后，以至于长期投入社会的大量人才提供就业机会呢？这可能谁也说不好。
AI的发展足够快，需要人才足够多，这在今天是没有问题。但若干年后的AI会依旧能创造大量就业投入吗？甚至说若干年后的AI，是否还和现在我们看到的机器学习统摄下的AI需求一致？这些都是问号。
在很多人看来，加快人工智能进本科的进度，同时也意味着把这些大学生从对计算机科学的学习中隔离出来。那么假如学成后AI不那么火热了，就业机会减少；或者AI在此期间经历了快速的技术发展，学到的东西不足以致用，同时也不能让每个人都继续学术研究。最终岂不是把就业风险施加到了学生身上？
因为某个领域火爆，大学就争先恐后设立专业，结果学成出来发现满不是那么回事了。这种情况在中国并不算少见。那么这种情况下，把AI从计算机科学领域独立出来，似乎还不够稳妥。
毕竟不能让选专业这个很可能影响终生的大事，变成一场赌博。
反方观点B：泡沫可耻，跟风有害
AI发展过快，带起了大量泡沫，这应该是个不争的事实。那么高校过快迎合风口，设置AI本科专业，很可能会变成泡沫的催化剂。
另一种观点认为，AI设置本科专业在很大程度上是有道理的。但这个合理性仅仅限定在师资力量齐备，有广泛研究优势的部分高校中。一旦阀门打开，千奇百怪的学校跟风设置AI本科专业，很可能会贻害学生。
我们提起国内高校的AI大牛，似乎每个名字和他们所在的学校与研究机构都让人感觉熟悉。换句话说，大部分国内高校对于AI这东西是相当陌生的。现在的人工智能研究，目前仅仅是小部分学校与大牛的“专属”，而一旦各种地方院校，甚至资质不佳的合办院校要争取AI风口。那么很可能强行设置一批师资和科研项目，这对于整个AI学术是有害无益的。
归根结底一句话，头部学校准备好了开AI本科，但后面茫茫多的学校，真的有老师和研究力量去支撑本科的AI教学吗？
而AI这块滚热的蛋糕，随便想想就知道是不能放弃的。如果AI本科教育突然袭来，如何抵制跟风者扰乱AI教育，这个问题似乎还没有答案。
正方观点A：
人才缺口，真的已经很大很大了
以上两种反对观点，很大程度上是出于对AI未来的怀疑与不信任。但支持AI快速成为本科专业的声音，则更多着眼于AI的现在。
AI的今天，一个最基本的情况，就是缺的人真的太多太多太多了。
去年校招季，在北京招一个刚毕业没有任何成果的AI研究生，就需要年薪30万的代价。这当然有风口的加持，但AI岗位缺人的状况也可见一斑。
根据相关报告统计，到2017年年底，中国AI人才缺口已经超过了百万级，而在今年这个缺口开始进一步拉大。
事实上，AI人才的缺口不仅限于中国，即使是硅谷，也在每天经历着AI岗位需求的扩大。李开复曾经提出：“在硅谷，做深度学习的人工智能博士生，现在一毕业就能拿到年薪200万到300万美元的录用通知，三大公司（谷歌、脸书和微软）都在用不合理的价钱挖人。”同样在欧洲、印度，加快培养AI人才，尤其是中低端人才都是国家教育体系的重要任务之一。
在巨大的人才缺失之下，是限行AI人才培养效率有点慢。一般来说，一个学计算机的本科生，在大三大四时候才能在某些选修课中接触人工智能。而如果想要攻读人工智能方向要到研究生之后。再加上研究生学习中往往没有经历过算法应用的实践，毕业到企业后还需要经历一到两年的再培养。这也意味着，一个AI人才一般要到27岁之后才能上岗，这显然无法供给今天AI产业的发展速度。
事实上，AI产业是一个金字塔型架构。不仅需要高端的逻辑与算法人才，还需要完成大量应用型，甚至是数据型工作。这些工作很大一部分都可以给本科生作为实习机会，而且企业往往欢迎导师带队的本科生入驻实习。
这样一些简单的AI工作，入职者可以从27岁提前到20岁左右，这对于整个AI产业的劳动力供给是效能巨大的。
同时，高收入和高就业率也在吸引着学生的目光，让他们辛苦绕一圈才能进入AI，这好像也有点残忍。
正方观点B：产学研一体化，
强烈期待AI本科生
AI人才缺口可以看做一个行业基本面，而在这背后，是AI科研体系的独特性，正在催动着AI人才更早与企业接触。这也间接促使AI本科生这个群体到来。
大家都在说，AI是一个高度产学研一体化的领域。但到底是怎么一体化的呢？
首先我们可以看到，今天的大多数AI应用是基于神经网络与算法达成创造性的。而神经网络的特点是结构延展。换句话说，AI的技术世界不是非此即彼，而是堆叠和嵌入的。回到人才端，这就让很多企业中的AI任务与工作，可以分派出来让独立小组完成。这让象牙塔中的师生走入企业有了绝佳的机会。而一些数据清洗、数据标记类的机器学习基础工作，更是非常适合交给“懂基础的实习生”来完成。
另外，根据相关统计，常青藤高校的AI研究成果，有超过75%最终得到了商业转化。这个比例在各学科中名列前茅。AI的特性决定了高校中的研究和企业中的研究相似度非常高，而师生的创造有很大比率可以被快速转化。这个机会对于老师、学校、学生，以及整个产业，是一个多方共赢的局面。那么第一步，还是让学生尽快进入AI的世界。
还有一个问题值得注意，今天的AI研究是要基于大量数据和算力支撑的。但是这些东西往往不存在于研究室当中，而是只见于科技企业内部。这也就要求实验室必须要到企业中去，给企业提供更多价值。而本科生的劳动和创造力，事实上是这个置换关系之一。
由这些理由，企业和学校都在期待更多学生快速组成产学研一体化的基础，让企业与学校间的循环圈层扩大。
这个意义上来说，本科生是AI前进中的必要动力。
正方观点C ：
AI必须建立跨学科的独立体系
还有另一个更加学术层面的声音，认为今天AI学科的发展，主要阻碍之一在于附庸于计算机科学专业，已经十分不利于AI本身的学科发展。
比如我们知道，AI的顶会、数据测试都自有一套逻辑。假如某企业的研究成果，在某个顶级比赛上让人脸识别的效率提升到某某指数，那么当然是巨大的成果。但在高校学科体制中却不然，因为AI的算法比赛机制是独立的，不纳入计算机科学的考察范畴。这会很大程度上限制国内AI学者参与世界竞争的热情。
另一方面，AI虽然大体可以看做计算机科学的一个子集。但事实上AI是一个高度跨学科的领域，有大量问题是非计算机科学的，而是涉及信息科学、数学、社会学、心理学、生物学、认知科学，甚至法学、伦理学等等。
在国际范围内，基于AI成立跨学科研究体是大势所趋。但现有学科体制却限制了AI的融合式学科发展，影响了人才交流与信息互通。
这种条件下，把人工智能学科独立出来，从本科生开始培养专属人才就成为了热门议题。而从技术轨迹的长远发展看，一个独立跨学科的AI科研体系，也是开展国际化AI竞争的绝对必要条件。
给潜在AI本科生的一点建议
人工智能到底要不要成为本科专业，不是一个绝对如此或者如彼的问题，更多情况下见仁见智，其成败在于整个教育体系和社会结构的共同把持。但根据上面这些看法，不妨给想要把AI作为专业的童鞋一点建议：
首先，综合来看今天AI的应用前景和就业基本面没有问题。但未来有不确定性，技术也在随时变化，一定要理性考虑谨慎选择。而且读了AI专业绝不意味着预定了高薪高职位。快速变化的AI可能把任何人摔下自己的马车。
其次，一定要警惕不靠谱的人工智能专业。AI的师资目前在国内是绝对的师资资源，如果你报考的学校本来在AI领域不强，也没有引进知名专家，却突然办起了AI专业，那么一定要小心为上――说不定老师还没有你懂得多。
而国外的AI本科生教育比国内稍早一些，与国内的区别主要集中在所教授领域相对更集中，更注重学院本身的优势教育和研究。一般美国的AI本科教育，是强调主修方向，其他选修，而国内的AI本科教育还是强调AI领域的通识。哪种更好也没有定论。
值得注意的是，国外AI本科教育中，明显比国内更加强调AI的人文与伦理教育。这些内容其实是必修课，有志于AI的童鞋应该想办法自己补强。
而假如真的很喜欢AI，却没有找到合适的专业也不用急。有一些迂回策略可以考虑，如果有志于高阶的AI研究与创造，应用数学和认知神经科学是两个最好的选择。假如想要快速进入AI行业，那么数据科学是最接近应用的AI相关领域。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
