人工智慧這個行業大體可以分為技術型和業務應用型兩類，技術型多為研究人工智慧演算法，基本上都是數學和計算機專業畢業的，而業務應用類主要工作是解決如何把人工智慧技術（或產品）融合到業務需求場景中，做做這項工作不一定是計算機專業，但是個人認為懂一些計算機知識會更容易做這項工作。

機器學習是我的主要研究方向，目前也在帶相關方向的研究生，所以我來回答一下這個問題。

首先，人工智慧領域是一個典型的交叉學科，不僅計算機專業的畢業生可以向人工智慧領域發展，數學、物理、自動化、機械類等專業的畢業生也可以從事人工智慧領域的研發工作，隨著人工智慧行業的生態不斷健全和發展，未來更多專業的畢業生都可以向人工智慧領域發展。

如果要從事人工智慧領域的研發工作，需要具備以下幾個方面的知識基礎：

第一：數學知識。人工智慧領域的研發分為六大方向，分別是機器學習、計算機視覺、自然語言處理、自動推理、知識表示和機器人學，這六大方向的研究都需要研發人員具備紮實的數學基礎，包括高數、線性代數和機率論知識。當然，研發人員還需要學習大量的演算法知識，演算法設計、演算法實現和演算法訓練往往是人工智慧領域研發的核心環節。

第二：計算機基礎。人工智慧的研發需要具備一定的計算機基礎知識，包括作業系統、計算機網路、資料庫和程式語言知識，其中程式語言是演算法實現的主要方式，目前Python語言在人工智慧領域的應用比較多，而且Python語言學起來也比較簡單，所以對於計算機基礎比較薄弱的初學者來說，可以從Python語言開始學起。

第三：人工智慧基礎。不論往人工智慧領域的哪個方向發展，從業者都需要具備一定的人工智慧基礎知識，這些人工智慧的基礎知識是從事人工智慧領域研發的重要基礎。從目前的人工智慧技術體系來看，人工智慧領域的基礎知識包括人工智慧的概念、問題求解、搜尋、博弈、約束滿足問題、推理與規劃、機器學習等內容。

最後，機器學習的內容具有較高的難度，需要學習者有一個系統的學習過程，透過讀研的方式來入行人工智慧領域是個不錯的選擇。

傳統計算機科學的數學基礎是離散數學（數理邏輯），而現在談論的人工智慧被狹義化了，特指深度學習這個分支，而深度學習是基於神經網路的技術，其數學基礎是機率論和統計學，因此一些非計算機專業如通訊與電子、訊號與資訊處理、醫學電子等，或者其它以機率論和統計學為基礎的專業，轉深度學習很容易。計算機院系搞人工智慧，也從傳統的計算機科學向這個方向轉。