先擺出我的觀點：對於每一個即將選專業的高考生，務必不要道聽途說，一定要親自深入瞭解有了清楚的概念後，再慎重決策。

題主的問題是：想知道這些具體是做什麼的 看來，題主現在最迫切需要的，是對人工智慧這個學科領域的瞭解，人工智慧是目前非常火的領域，但題主你確定自己是真的熱愛這個學科嗎？

在對一個事物完全不瞭解的情況下，任何的“強烈好感”都是扯談。“自己現在流的汗和血，都是當初選專業時腦子進的水”這句話不是說著玩的。

以前人工智慧還能說是計算機學科下的學科，但是現在只能說數學，神經學，計算機，甚至哲學社會學都屬於人工智慧的範疇了，很大的一個科學。

建議先好好了解下，然後再選具體的學科，別看人工智慧很牛逼，就想選，但這或許是一生也不能有所建術的學科。

在本科，其實人工智慧並沒有一個獨立的專業設定，也沒有深度的機器學習、深度學習的專業，畢竟相關的知識是屬於比較高階的知識層次。但就目前的人工智慧的火熱程度，不少的大學也專門開設了有關的專業。以下給出淺顯的分析，畢竟選擇專業這種大事，一定要考慮清楚（嗯，沒錯，小編在甩鍋）。

1.學霸型小朋友：如果你沉溺於學業，醉心於學術研究，你可以選擇“應用數學”啥的，做人工智慧一定是要有過硬的數學基礎的哈，這是基礎學科。

主要學習數學和應用數學的基礎理論、基本方法，受到數學模型、計算機和數學軟體方面的基本訓練。比如微分方程、線性代數、數理統計、資訊理論等，這些都是人工智慧和機器學習的基礎。當然，僅僅學習數學還不夠，相關的機器學習的知識也需要涉及，計算機的內容，當然也必不可少，它們都屬於是基礎的理論知識。本科可以選擇一方面，研究生在加強這部分知識的同時，可以選擇另一方面加強，從多方入手。求學之路漫漫。

2.如果你還在猶豫，不知道將來的方向具體是選擇哪一方面，可以先選擇計算機方面的專業，這方面的選擇就比較廣泛了，比如，計算機科學、軟體工程。

計算機專業涵蓋軟體工程專業，主要培養具有良好的科學素養，系統地、較好地掌握計算機科學與技術包括計算機硬體、軟體與應用的基本理論、基本知識和基本技能與方法，能在科研部門、教育單位、企業、事業、技術和行政管理部門等單位從事計算機教學、科學研究和應用的計算機科學與技術學科的高階科學技術人才。該專業學生主要學習計算機科學與技術方面的基本理論和基本知識，接受從事研究與應用計算機的基本訓練，具有研究和開發計算機系統的基本能力。

3.智慧科學與技術專業是智慧科學系在2003年提出成立的，智慧科學系的前身是北京大學資訊科學中心，由北京大學數學系、計算機系、電子學系等10個系（所）於1985年成立，主要從事機器感知、智慧機器人、智慧資訊處理和機器學習等交叉學科的研究和教學。智慧科學與技術是面向前沿高新技術的基礎性本科專業，覆蓋面很廣。專業涉及機器人技術，以新一代網路計算為基礎的智慧系統，微機電系統（MEMS），與國民經濟、工業生產及日常生活密切相關的各類智慧技術與系統，新一代的人－機系統技術等。

當然，這裡我們還是要強調，本科所學的東西比較基礎，如果處於職業的考慮，更多的確實應該進一步深造，讀研。修過“智慧科學與技術”這個專業的人表示，其實學的東西基本上是介於Computer Science和Electrical Engineering專業之間的，所以，真正的技能鑽研，需要較好的基礎和進一步深入發展。

南方都市報和烏鎮智庫於去年聯合推出了 2017 中國高校 AI TOP 60。該排行榜主要是基於高校 AI 的學術實力、影響力、跟 AI 相關度高的學科、學校綜合實力這四方面綜合而來。

其中，AI 學術實力包括學校人工智慧領域發表論文數量、單論文質量、論文被引用數三個指標；AI 影響力包括人工智慧領域傑出校友數，維基百科人工智慧方向被引用數兩個指標。

瞭解了相關的學校之後，我們再來看看相關的專業有哪些選擇。

漫漫之路，引導者也是一個重要的角色，以下是動脈網整理的高校學者的研究領域及具體情況。

為什麼是人工智慧專業？近些年來，隨著學習科學，神經科學以及計算科學的不斷髮展，人工智慧它的應用研發出現了爆發式的增長。其實，近些年來，我們的生活已經越來越多的應用到了人工智慧相關的技術，比如說在醫療領域，語言文字領域，通訊領域等等。從目前行業界的分佈來看，人工智慧行業及其相關的產業主要分佈在北京，上海，廣州這些一線城市。那在這些一線城線城市中人工智慧相關崗位的工程師的工資平均月薪通常都是在三萬左右，在廣州，深圳這些大城市呢，有些甚至年薪高達80萬以上。從國家的政策導向來看，政策指導已經將人工智慧上升到了國家戰略的這種宏觀層面，對於人工智相關產業以及相關技術的發展，國家面積非常大的政策上的支援。尤其是我們近年來正在實行工業轉型升級，在這個大好的時代背景下學習人工智慧專業，可以說是當前高考學生能夠選擇的緊握時代脈搏的這種熱門專業。隨著目前產業轉型升級的不斷加快，社會對於人工智慧的高階專門人才的需求正在與日俱增。目前，985大學有一批高校將開設人工智慧的相關專業，這也給人工智慧技術提供了非常好的一個人才培養的支撐，可以程度上緩解企業界對於人工智慧開發人才的緊缺的需求。從未來的就業來看，人工智慧專業，因為人才培養的數量非常少，而我們目前企業界對於人才，人工智慧這方面的人才的需求非常巨大。這種高層次，專業性的人才的匱乏，肯定會抬高人工智慧專業畢業生的身價，畢業生的工資肯定會在所有理工科的專業內，位居最高的那一個層次。

華人工智慧已經以雷霆萬鈞之勢衝進了我們的生活。除了智慧機器人，還有智慧家居、無人駕駛汽車、“刷臉”支付……人工智慧的爆發式發展離不開國家政策的支援。

虛擬試衣間

服務機器人

人臉識別支付

智慧家居

2017年7月，國務院印發《新一代人工智慧發展規劃》，相關部委開始抓緊推進規劃的實施工作； 2017年10月，十九大將人工智慧正式寫進報告，在政策層面為國內AI產業發展提供了一項長期保障； 2017年11月，《新一代人工智慧發展規劃》啟動會上，首批4家國家創新平臺確立；2017年12月，工信部印發《促進新一代人工智慧產業發展三年行動計劃(2018-2020年)》，相當於“行動書”出臺。

人才缺口超過500萬 根據高盛釋出的《全球人工智慧產業分佈》報告統計，2017年全球新興人工智慧專案中，中國佔據51%。但全球人工智慧人才儲備，中國卻只有5%左右。中國人工智慧的人才缺口超過500萬人。

平均薪資25800元/月 到2017年，人工智慧崗位平均招聘薪資已達2.58萬元，遠高於一般技術類崗位。五成職位招聘薪資突破3萬元，而標註的月薪還只是薪酬福利的一部分。（騰訊研究院《2017全球人工智慧人才白皮書》）

就業範圍廣 學習人工智慧後可從事人工智慧開發工程師、演算法工程師、爬蟲工程師、資料探勘/分析工程師、機器學習工程師、Web前/後端開發等職業。

人工智慧（Artificial Intelligence，縮寫AI）屬於計算機科學中的一類，它專門研究和開發將人類的思維模式以及行動方式匯聚到機器上面，從而實現人工智慧；我們常見的人工智慧並不是指人的智力能力，而是說一個匯聚了人工智慧的東西能夠像人一樣去思考，甚至還有可能超過人類的智慧，它們的工作方式是能做出與人類相似的反應，甚至可以用於工業製造，以及家庭生活。

現在比較火的就是機器人相關行業

影響較大的行業包含：製造、家居、金融、零售、交通、安防、醫療、教育、物流等

專業所需要具備的知識結構

“高水平人工智慧人才需要數學基礎好、計算/軟體程式功底紮實、人工智慧專業知識全面”

——周志華（南大人工智慧學院院長）

一、數學是基礎，AI專業中的抽象建模、模型演算法分析設計等都需要設計到數學工具使用，在任務實現的各種問題中，對於演算法分析、程式設計、計算系統方面都要求要具備紮實的基礎；

二、因為AI專業是一門跨學科非常多的專業，在解決現實的人工智慧應用任務時，往往同時涉及多種學科的專業知識，必須要有效進行融合發揮。因此，AI要解決的都是充滿不確定性的複雜任務。

一句話，需要你的數學紮實，擅長處理複雜任務。

本科要學習的知識點

從人工智慧自身的專業知識說起。

核心基礎層：機器學習（學習期的核心）、知識表示與處理（推力期與知識期核心的融合）；

支撐技術層：模式識別與計算機視覺、自然語言處理、自動規劃、多智慧體系統、啟發式搜尋、計算智慧、語言資訊處理等；

平臺系統層：機器學習系統平臺（如Tensorflow等）、人工智慧程式設計（如LISP、Python等）、智慧系統、機器人等；

交叉應用層：垮學科應用

這樣是不是很直觀

大學四年，你要學習包括數學和統計核心課程、計算機科學核心課程、人工智慧核心課程、道德、AI細分方向、人類學和藝術、一般科學和工程學等大類的至少30門課程

除了數學、計算機和人工智慧的基礎課程之外，還需要學到的課程，還要學習多達7門的人類學和藝術課程。知識面非常廣闊，內容多學科交叉，旨在極大鍛鍊學生的思維。

一句話：真正的AI人才是文理雙休，不僅要懂技術，還要懂藝術，更要專研AI的倫理與道德！

記住四件事：

1、選擇重要的選題；

2、要想著真正做出點東西；

3、選擇適合自己或研究組的；

4、鑽研新穎的方向，不要重複去做前人的工作。

最重要的一點，理論聯絡實際。一定要多動手，死讀書，不像動手實踐，不去鍛鍊自己解決問題的能力，不僅是這個專業不適合，所有專業都不適合。

專業培養的具體方向和課程

AI方向：

課程學習包括人工智慧、計算機視覺、自然語言處理、資料科學的機器學習等

系統方向：

課程學習包括計算機構架、嵌入式可擴充套件平臺、計算機系統基礎、高階程式設計、資料庫簡介、計算機網路、作業系統、程式語言（Java描述語言）、程式語言（Python）等

理論方向：

資料科學演算法、演算法幾何透鏡、演算法分析、密碼學簡介、高階密碼學、高階邏輯設計、計算複雜性簡介等

跨學科領域：

計算機圖形學、計算基因組學、人形機器人、影象模型、人機互動簡介等等

可以瞭解一下以下課程，大概就知道人工智慧需要學習什麼了。僅作參考。

專業課程 80.5 學分

(1)專業必修課程 27

學分課程號 課程名稱 學分 周學時 建議學年學期

00000000計算機科學的數學基礎** 4.0 4.0-0.0 一(春夏)

061B9090 機率論與數理統計 2.5 2.0-1.0 二(秋冬)

211C0020 資料結構基礎** 2.5 2.0-1.0 二(秋冬)

00000000 人工智慧基礎** 4.0 3.5-1.0 二(秋冬)

00000000 人工智慧表達與問題求解** 4.0 3.5-1.0 二(春夏) 注：包括了最佳化內容

00000000 機器學習基礎** 4.0 3.0-2.0 二(春夏)

00000000 自然語言處理 3.0 2.5-1.0 二(春夏)

00000000 計算機視覺 3.0 2.5-1.0 三(秋冬)

(2)專業模組課程 37.5 學分 要求完成某一模組的全部必修課程及部分選修課程共15學分；同時從計算機科學、計算機系統、計算機軟體技術這三個模組的每個模組的必修課中選修至少5 學分。同一課程在不同模組不重複計算。

1)智慧決策與機器人

A.必修課程號 課程名稱 學分 周學時 建議學年學期

21120491 高階資料結構與演算法分析** 4.0 3.0-2.0 二(春夏)

21120520 計算理論** 2.0 2.0-0.0 三(秋冬)

00000000 機器人導論** 4.0 3.0-2.0 三(春夏)

B.選修課程課程號 課程名稱 學分 周學時 建議學年學期

21190640 數值分析 3.0 2.5-1.0 二(秋冬)

21121150 應用運籌學基礎 3.5 3.0-1.0 三(秋冬)

00000000 智慧決策和推理 2.0 2.0-0.0 三(秋冬)

00000000 人工智慧思想史 2.0 2.0-0.0 三(春夏)

00000000 強化學習 3.5 3.0-1.0 三(春夏)

00000000 機器人應用 2.0 2.0-0.0 三(夏)

2)統計機器學習

A.必修課程課程號 課程名稱 學分 周學時 建議學年學期

00000000 最佳化理論與演算法設計** 4.0 3.0-2.0 二(春夏)

00000000 機器學習演算法與設計** 4.0 3.0-2.0 三(秋冬)

00000000 統計學習理論** 2.0 2.0-0.0 三(春夏)

B.選修課程課程號 課程名稱 學分 周學時 建議學年學期

00000000 隨機最佳化 3.0 2.5-1.0 二(秋冬)

00000000 深度學習 3.5 3.0-1.0 三(秋冬)

00000000 人工智慧思想史 2.0 2.0-0.0 三(春夏)

00000000 強化學習 3.5 3.0-1.0 三(春夏)

00000000 機器人導論4.0 3.0-2.0 三(春夏)

21191441 資料探勘導論 2.0 2.0-0.0 三(夏)

3)智慧感知與語言

A. 必修課程課程號 課程名稱 學分 周學時 建議學年學期

21120491 高階資料結構與演算法分析** 4.0 3.0-2.0 二(春夏)

00000000 計算感知理論與方法** 4.0 3.0-2.0 三(秋冬)

00000000 搜尋引擎** 4.0 3.0-2.0 三(春夏)

B. 選修課程課程號 課程名稱 學分 周學時 建議學年學期

00000000 隨機最佳化 3.0 2.5-1.0 二(秋冬)

00000000 深度學習 3.5 3.0-1.0 三(秋冬)

00000000 人工智慧思想史 2.0 2.0-0.0 三(春夏)

00000000 視覺感測器 2.0 2.0-0.0 三(春夏)

00000000 語音處理 2.0 2.0-0.0 三(春夏)

21191441 資料探勘導論 2.0 2.0-0.0 三(夏)

4)可視互動與設計

A. 必修課程課程號 課程名稱 學分 周學時 建議學年學期

21120491 高階資料結構與演算法分析** 4.0 3.0-2.0 二(春夏)

00000000 可視互動與設計** 4.0 3.0-2.0 三(秋冬)

00000000 人工智慧倫理與安全 2.0 2.0-0.0 三(春)

B. 選修課程課程號 課程名稱 學分 周學時 建議學年學期

21190640 數值分析 3.0 2.5-1.0 二(秋冬)

21121280 資訊視覺化 2.0 2.0-0.0 三(冬)

00000000 深度學習 3.5 3.0-1.0 三(秋冬)

00000000 類人學習方法 2.0 2.0-0.0 三(秋冬)

00000000 智慧設計 2.0 2.0-0.0 三(春)

00000000 人工智慧思想史 2.0 2.0-0.0 三(春夏)

21191441 資料探勘導論 2.0 2.0-0.0 三(夏)

00000000 人機混合智慧系統 2.0 2.0-0.0 三(春夏)

(3)實踐教學環節 8 學分

課程號 課程名稱 學分 周學時 建議學年學期

21188141 課程綜合實踐Ⅰ 2.5 +2.5 一(短)

21188142 課程綜合實踐Ⅱ 2.5 +2.5 二(短)

21120721 工程實踐 3.0 +3 三(短)

個性課程11學分

課程號 課程名稱 學分 周學時 建議學年學期

21120970 專題研討 2.0 2.0-0.0 三(秋冬)

00000000 智慧醫療 2.0 2.0-0.0 三(冬)

00000000 智慧城市 2.0 2.0-0.0 三(冬)

00000000 創意智慧 2.0 2.0-0.0 三(冬)

00000000 智慧產品設計 2.0 2.0-0.0 三(春)

00000000 認知建模 2.0 2.0-0.0 三(春)

00000000 認知心理學 2.0 2.0-0.0 三(春)

00000000 人類資訊處理與人工智慧 2.0 2.0-0.0 三(春)

21120860 科研實踐 I 2.0 2.0-0.0 四(秋冬)

21120870 科研實踐 II 4.0 4.0-0.0 四(秋冬)

21190700 計算機前沿技術講座 1.0 1.0-0.0 四(秋冬)