编辑：机器之心、Datawhale
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
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：
- 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。
- 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。
- 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。
人工智能本科专业高校名单大全（440所）
