世界上最遙遠的距離，不是你高考沒發揮好，而是沒有選對志愿！

近幾日，各地高分數陸續出爐，一心向往人工智能的考生們在激動之余，又迎來了另一個難以抉擇的問題：AI專業哪家強？

人工智能專業很難選嗎？

就在高考前70天，教育部印發通知，公布了2018年度普通高等學校本科專業備案和審批結果。

最近大熱的人工智能專業被列入新增審批本科專業名單，全國共有35所高校獲首批建設資格。

今年上半年，就陸續有高校成立人工智能學院的消息放出，例如西安交通大學、人民大學、北京師范大學等等。

那么問題來了，想要就讀人工智能專業的學生到底該如何抉擇呢？新智元便整理了一份人工智能學院報考指南以及部分高校計算機課程攻略，希望對你有所幫助！

你真的了解人工智能嗎？

在報考之前，有必要了解一下人工智能是什么以及人工智能學什么，我們整理了清華大學計算機系自然語言處理實驗室副教授劉知遠的知乎問答，先來聽聽他介紹人工智能吧。

人工智能是什么？

劉知遠：人工智能（Artificial Intelligence，AI）是一門年輕的學科，從1956年達特茅斯會議正式提出AI名稱至今不過65年；從阿蘭圖靈1950年提出判斷機器是否能夠思考的圖靈測試至今也不過70年時間。AI的70年發展史匯集了來自數學、計算機科學、邏輯學、哲學、神經科學、語言學等不同領域學者的努力，是典型的交叉學科。同時，從整體來看AI仍然是計算機科學技術的主要分支。

人工智能是什么？簡言之，人工智能學科是利用計算機實現人類智能。人類智能并沒有公認的定義與界限，實際上也隨著AI的發展而有所變化。某項人類技能被計算機所掌握后，人們往往不再認為它代表人類"真正"的智能。例如，1997年IBM深藍戰勝人類國際象棋冠軍卡斯帕羅夫后，就有評論說IBM計算機只是在暴力搜索，不是真正的智能，that's not thinking！這種現象又被稱為"AI Effect"。

所以，人工智能總是聚焦在那些尚未被計算機破解的人類智能能力上。比較簡單的人類智能已經被解決了，例如計數能力有了計算器，數據記憶和查詢有了數據庫，下棋能力有了下棋軟件，剩下的是那些困難的高級智能。簡單而言，如果我們把大腦看做一個黑盒，它能夠接受外部世界的刺激信號，大腦處理這些信號產生輸出反饋，人類智能正體現在這些"刺激-反饋"的對應中。針對不同刺激信號和反饋處理的復雜性，AI下面有很多專門的領域開展相關研究和探索。目前，公認的AI核心課題包括：機器學習、計算機視覺、自然語言處理、語音識別、知識表示與計算、推理與規劃，等等，并在此基礎上支持著許多重要應用場景如無人駕駛（無人車）、機器人等。

機器學習：旨在讓計算機具備自動學習的能力，能夠解決分類、聚類、回歸、關聯分析等任務。目前主流是從大規模數據中自動學習和總結規律，從而能夠對新的數據進行預測，也被稱為統計機器學習。簡單地講，機器學習是從大量"刺激-反饋"數據中自動總結規律的技術。

計算機視覺：旨在讓計算機理解和處理圖像數據（包括圖片、視頻等），使計算機掌握"看"的能力。圖像是典型的無結構數據，由像素組成，如何從一幅圖像中自動識別不同層次的對象（如輪廓、人臉、場景等）及其復雜關聯，是計算機視覺面臨的挑戰問題。

語音識別：旨在讓計算機理解和處理語音數據，使計算機掌握"聽"的能力。語音也是一種典型的無結構序列數據，目前在深度學習技術的支持下，普通場景的語音轉文本的效果已經得到廣泛應用。而在多人、方言、噪音、遠場等極端挑戰場景下，語音識別效果還需要進一步提升。

自然語言處理：旨在讓計算機理解和處理人類語言。與C++、Java等人工設計的編程語言不同，人類語言是大自然的產物，因此被稱為"自然語言"。人類語言也是典型的無結構數據，由字詞組合而成，如何理解一句話、一篇文章甚至一本書的意思，也是人工智能面臨的挑戰問題。由于語言是人類特有的傳遞豐富信息和知識、表達復雜思想和情緒的載體，甚至被認為是人類思考的重要工具，因此自然語言處理問題更接近人類高級認知智能，有很多重要的開放問題。

知識表示與計算：人類對世界的認識積累形成了知識，知識是人類理解外部信息、實現各種智能能力的基礎。近年來隨著知識圖譜的廣泛應用，成為研究界和工業界關注的重點問題。

由于上述這些課題都關涉人類智能，所以互相密切關聯、不分彼此，例如計算機視覺、語音識別和自然語言處理都是機器學習算法的重要應用場景，知識表示與計算也成為計算機視覺和自然語言處理方向的重要話題，等等。正因為年輕，這些方向都充滿著活力，一方面最新技術日益深遠地影響著人類社會生活的方方面面，同時學科體系和技術框架也在日新月異、推陳出新，現在去翻十年前的教材很多內容都顯得過時了。

從學科設置來看，國內大學遵照教育部《學位授予和人才培養學科目錄》來頒發學位。最初的計算機一級學科是"計算機科學與技術"，下設"計算機系統結構"、"計算機軟件與理論"、"計算機應用技術"三個二級學科，其中"計算機系統結構"對應高性能計算（超算）和計算機網絡體系架構（互聯網），后來單獨成立出"網絡空間安全"一級學科；"計算機軟件與理論"對應軟件工程和計算機理論科學等，后來單獨成立出"軟件工程"一級學科；而"計算機應用技術"則對應計算機的各類應用技術，很大程度上正沿著從信息化到自動化再到智能化的路線前進，可以想見，如果現在這波AI浪潮還能持續幾年，單獨成立"人工智能"一級學科也指日可待。

從研究配置來看，AI研究隊伍主要分布在計算機、自動化、電子工程等信息科學相關院系中，這與AI起源有密切關系，計算機的奠基人圖靈、馮諾依曼，自動化的主要理論基礎"控制論"的奠基人維納，以及電子工程和信號處理的主要組成"信息論"的奠基人香農，均為AI的創立貢獻了思想。所以，計算機系主要從計算理論和計算機應用的角度研究AI，自動化系從自動控制的角度理解AI，電子工程系則從信號處理（將AI關心的視覺、文本、聽覺等模態理解問題看做信號處理）的角度解讀AI。

當然，在哲學、腦神經等其他領域也有從事人工智能探索的學者。不過總體而言，由于人工智能核心目標是探索如何將人類智能轉化為可計算問題，因此它主要還是落在計算機領域。

如果希望對AI發展有比較通俗全面的了解，可以參考以下兩本書：《人工智能狂潮》雖然標題名略顯中2，內容比較扎實，淺顯全面并及時涵蓋到最近的深度學習浪潮；《人工智能簡史》是華人尼克的大作，作者搜集的史料全面扎實，夾敘夾議有很多干貨，讀起來很過癮，不過很多地方點到即止，如果沒有相關背景知識很難看懂作者所指。

人工智能怎么學？

劉知遠：清華大學***明確提出"價值塑造、能力培養、知識傳授"三位一體的育人模式，我認為這是高水平AI人才養成方式的最佳描述。

知識傳授這層不必多說，師者傳道受業解惑，在大學里通過課程講授和課下實踐，研習精通計算機和人工智能理論與技術，每位同學通過一門門課程成績反映出的，正是專業知識掌握的水平。我想，絕大部分同學都能明白課程學習的重要性。然而，大學之道不僅于此，不然大學就不過是個專業技校。

在知識傳授之上就要構筑能力培養，這對CS/AI專業而言尤其重要。計算機和人工智能是非常年輕的學科，正處在飛速發展的朝陽時期，學科知識更新換代很快，大部分最新知識根本無法在短時間內及時沉淀到教科書中。而進入教科書的那些知識，與實際應用場景往往已有較大距離。很多CS/AI高科技公司自身就站在學科最前沿，亟需有快速學習和獨立解決開放問題能力的人才。

這樣，一方面要求同學有意識建立終身學習的理念，有較強的獨立學習的能力；另一方面則要求同學注意通過實驗室研究等方式鍛煉科研創新能力。CS/AI同學們需要主動參與科研工作的全過程，樹立專業志趣，培養獨立學習的能力、自我學習的習慣、提出問題的意識、以及獨立解決開放問題的能力，這是大學培養CS/AI高水平人才的必由之路。因此，大學教師在CS/AI開展高水平原創研究的能力，也一定程度上決定了他們對學生進行能力培養的水平。

最后一層價值塑造也許是最玄乎的，但更加重要。一個人在知識和能力確定的情況下，Ta的努力方向和堅持程度最終決定其成長的高度。找到在術業上的堅持方向，就是價值塑造的過程。這個過程絕不是簡單粗暴的灌輸和宣講就能實現的，要有高水平的教師一起教學相長，有志存高遠的同學共同努力拼搏，有各界奮斗的學長作為示范榜樣，有校外海外的實踐平臺廣開視野。實踐出真知，只有自己多聽多看多想，才能找到自己喜歡的、努力的方向，也才更有后勁堅持不懈。

所以，不管是人工智能、計算機專業還是其他什么專業，只要想把自己培養成為該領域的可堪大用之才，就需要從知識、能力和價值這三個層面來努力提升自己。

院校那么多，人工智能到底該去哪學？

在了解完“什么是人工智能”以及“人工智能怎么學”之后，最重要的問題來了——該去哪兒學？

不同高校的人工智能專業從師資水平、課程設置等各個方面都有所區別，這就需要有一個量化的指標來對其進行評價。

本文將繼續采用劉知遠老師推薦、UMass教授Emery Berger維護的高校計算機科學領域排名CSRankings。

CSRankings采用DBLP數據庫中大學CS/AI教授在不同方向頂級會議上發表的論文數量進行排名，有客觀確切數據支持，例如美國號稱CS四大名校的Stanford、MIT、UCB和CMU就排在美國前四位。同時CSRankings工程和數據全部開源在GitHub上，可以非常方便地進行檢查、復現和擴展。

CSRankings將CS劃分為AI、Systems、Theory、Interdisciplinary Areas四個一級方向，每個方向有有若干子領域，例如AI就又下分General AI （AI總方向）、Computer Vision (計算機視覺)、Machine Learning & Data Mining（機器學習與數據挖掘）、Natural Language Processing（自然語言處理）、The Web & Information Retrieval（互聯網與信息檢索）。

每個子領域只收錄2-3個頂級會議，這主要是因為計算機科學技術由于發展比較快，所以學者們更重視通過國際會議論文發表最新成果進行學術交流，而不像其他領域那樣主要是通過期刊發表最新研究成果。

新智元查詢了2018-2019年CSRankings排名Top 20，中國高校已用紅色框標出，按照排名順序分別是：

清華大學、北京大學、中國科學院、上海交通大學、浙江大學、***大學和香港科技大學。

除此之外，劉知遠老師在知乎中還提供了國內學術網站AMiner所做的一個改進版，除了提供中國高校單列名單外，還額外提供根據論文引用數量的排名。按照2009-2019十年間論文發表統計，劉老師簡單統計了國內AI/CS排名較高的高校（不含香港***高校、不考慮中科院）如下：

這個排序大致能夠反映各大高校CS/AI專業的國際學術前沿整體水平，而且通過AI領域和CS整體的排名反差，可以觀察到該高校AI方向的強勢程度，例如***的AI排名高于其CS排名2位，哈工大AI排名高于CS排名3位等等，說明這兩所大學的AI方向相對比較強勢。

而且，還可以看出，國內高校AI領域的世界排名整體明顯超過CS整體的世界排名，說明國內高校在AI方面更接近世界前沿水平。

需要注意：

這個統計結果只能反映師資力量的一個側面，而很多國內高校如北航、國防科大等在國家信息科學重大需求方面做出的巨大貢獻如天河等，并無法客觀反映到這個統計中。

由于CSRankings作者Emery Berger堅持只收錄能招收博士的CS教授，因此那些在電子工程或自動化系等其他非CS系的教授沒有被收錄進來，從而導致該清單并不能完全反映各大高校的AI等領域的師資水平，但也正因為其只收錄CS教授，也許對于我們評判這些高校的CS專業師資力量更有幫助。

此外，部分高校可能存在教授列表不全等問題，而CSRankings接受修改申請，建議國內高校相關院系如果有遺漏CS教師的可以去申請更新。

接下來，新智元將對CSRankings排名較高的幾所高校進行介紹。

清華大學——“姚班”、“智班”

清華大學 計算機科學實驗班（姚班）

“清華學堂計算機科學實驗班”（姚班）由世界著名計算機科學家姚期智院士于 2005 年創辦，致力于培養與美國麻省理工學院、普林斯頓大學等世界一流高校本科生具有同等、甚至更高競爭力的領跑國際拔尖創新計算機科學人才，重點著眼于計算機科學與物理學、數學、生命科學、經濟學等相關學科的學科交叉培養。憑借多年美國名校執教經驗，施行“因材施教”和“深耕精耕”相結合的特色人才培養模式。

在姚期智院士親力親為的不懈努力下，姚班的辦學理念和辦學成果得到了國家領導人及教育部的充分肯定和大力支持，并先后榮獲北京市教學成果獎特等獎和國家級教學成果獎一等獎。歷經十余載辦學，今日姚班已有三百多位優秀校友遍布全球，在國際一流高校與知名企業嶄露頭角，并在全球信息技術革命浪潮中引領創新。姚班“最優秀的本科生和最優秀的本科教育”的辦學理念和辦學成果為國內拔尖創新人才培養模式的探索樹立了突出典范。

姚期智院士躬親教學第一線

憑借多年美國名校執教經驗 ，親自制定培養方案和教學計劃

注重學科基礎教育，設計 25 門全英文課程，覆蓋計算機科學的前沿領域

最優秀的本科生和最優秀的本科教育

選拔自優秀清華新生

國際一流專家走進姚班課堂第一線

姚期智院士領銜的國際化師資團隊

1+1 導師責任制，從學生入學起至畢業配備責任導師

實施階梯式培養模式

前兩年實施計算機科學基礎知識強化訓練

后兩年實施理論、安全、系統、計算經濟、計算生物、機器智能、網絡科學、量子信息等方向的專業教育

多方位的國際學術交流平臺

建立長效海外高校聯合培養機制：大三年級學生 100% 赴海外一流高校交換學習一學期

每年選送部分大四優秀學生前往美國 Harvard、Princeton、MIT、Upenn、Michigan 等知名大學以及 MSRA、Google、百度等知名研究機構進行研究實踐

選拔具有特殊潛力的優秀學生，加入 " 預研班 " 進行個性化培養，并派至歐美、澳洲、日本等一流高校短期交流訪問

三年級全體學生赴香港、澳洲、新加坡參加學術冬令營

資助學生參加 SODA、FOCS、STOC、COLT、SOSP、ICALP、CVPR、AAAI 等領域內頂級國際會議

量身定制的預研計劃

擇優選拔具有特殊潛力的優秀學生進行個性化培養

直接參與院科研項目，導師一對一指導

優秀預研生免試攻讀交叉信息院研究生

構建高端科研實踐體系

大三、大四兩年通過專題訓練實踐、計算機科學研究實踐、綜合論文訓練等實踐課程和海外研修環節，聯合構建高端科研實踐體系

院一線骨干教師以及海外高校名師聯合指導，全面支持學生前往 MIT, Harvard, CMU, Cornell, UC Berkeley 等國際頂尖高校進行科研實踐

清華大學 人工智能學堂班（智班）

培養理念

“清華學堂人工智能班”（智班）由世界著名計算機科學家姚期智院士于 2019 年創辦，成立智班是清華大學在人工智能整體學科布局上的重要舉措，既是對清華乃至國家在人工智能領域優化科技創新體系和學科體系布局的積極響應，也將進一步拓展清華拔尖創新人才培養的學科格局。圖靈獎得主、清華大學交叉信息院院長姚期智院士將擔綱智班首席教授。

智班的目標是培養人工智能領域領跑國際的拔尖科研創新人才；同時，通過智班廣基礎重交叉的培養模式，打造學科間的深層交叉合作平臺，進一步促進不同學科之間的交叉結合；并在助力不同學科發展的同時，深化對人工智能前沿的理解并進一步推進人工智能發展。

創班特色

清華在人工智能領域具備強大實力，包括信息科學技術學院下的計算機科學與技術系、軟件學院、自動化系、電子工程系，以及生命科學學院、醫學院等院系都在科學技術及人工智能研發上有突出的成果。智班將和這些院系都保持緊密合作。智班的創立，更充分依托了清華交叉信息院在人工智能師資力量與學科建設上的積累。過去十年，交叉信息院組建了一流的師資團隊，基于人工智能核心算法和系統，在健康醫療、互聯網經濟、安全、網絡、電力市場、機器人與智能制造等主要研究方向取得了豐碩的成果，奠定了堅實的學科基礎。

師資團隊

智班的師資將依托清華大學交叉信息研究院教師團隊。自 2011 年成立以來，交叉信息研究院在姚期智院士的帶領下，成功建立起一支國際一流水平的師資團隊，具有堅實的人工智能人才儲備，并在人工智能多個領域打下堅實的前沿科研基礎。

同時，交叉信息研究院新近從國際頂尖高校引進多位人工智能領域的優秀青年人才，涵蓋人工智能理論研究、人工智能芯片制造、自然語言處理、自動駕駛等前沿熱門領域，其中還包括三位交叉信息研究院培養的畢業生。這些青年導師將極大支持智班的人才培養體系。

培養方案

智班的培養的特點為“廣基礎、重交叉”。在本科低年級，智班將通過數學、計算機與人工智能的核心課程，為學生打下扎實寬廣的基礎。在此基礎上，智班在本科高年級將通過交叉聯合 AI+X課程項目的方式，使學生有機會將人工智能與其他學科前沿相結合，在以人工智能促進不同學科發展的同時，深化對人工智能的理解，推動人工智能前沿的發展。

同時，智班同學將獲得與相關產業的聯合實習機會，深入了解實際產業中的前沿基礎科學問題，并通過人工智能知識與技術，加強人工智能在不同產業中的推廣與應用。在應用中對人工智能技術進行進一步推廣與發展，并為產業發展提供堅實技術基礎。

本文來自新智元微信號，本文作為轉載分享。