人工智能的发展前景如何？

首先是基础数学部分：

人工智能的发展现状处于成长期，由于相关人才的数量比较少，人工智能的人才市场处于空缺，出现了供不应求的状况。加之发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展

高等院校人工智能实施方案_人工智能试点学校实施方案

高等院校人工智能实施方案_人工智能试点学校实施方案

[昱言]第三期人工智能第三部分：人工智能的发展前景

人工智能（Artificial Ince），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能的发展迎来了转折点:如今开始大力发展人工智能行业,人工智能行业在的海量的数据,更高的计算能力、深度学习模型的建立等因素的推动下,使得人工智能算法领域有了重大突破。人工智能未来发展的前景是,将分析深度学习应用于可用数据,改善决策的过程,产生更高度的智能,从而获得更便捷的服务。

人工智能发展前景很好，但是有点过火了

人工智能会在每个行业开启自动化浪潮，所有信息化后的行业 都进入自动化

这就是人工智能的用处

那么相关工作会非常吃香，

人工智能将来会越来越应用到人们的生1.认知与神经科学课程群活中，人们将来可能会离不开这项技术，所以我看好人工智能的发展前景。

目前，人工智能是一个快速发展的领域，对人才的需求很大。和其他技术岗位相比，竞争低，工资相对高。所以现在是进入人工智能领域的好时机。研究还表明，三项技能以上的人才对企业更有吸引力，而且趋势越来越明显。所以IT技术人员需要在掌握一门技术的同时掌握更多的技能！人工智能人才目前处于明显短缺状态，这种状况还存在扩大的趋势。当前技术环境下，需要兼顾扎实的专业技术和复合型背景的人才。在互联网企业中，人工智能的薪酬排在第三位，其中薪酬的是声音识别方向的从业者。

后信息化时代，人类离不开人工智能和大数据~

如果想学习人工智能这方面的工作，还是很有前景的。现在的深度学习就很热。

人工智能原理及应用

具体课程：《先进机器人控制》、《认知机器人》、,《机器人规划与学习》、《仿生机器人》

《人工智能原理与应用》既详细介绍了大量的基本概念、思想和算法，也描述了各研究方向最前沿的进展，并对在人工智能领域的贡献给出了一个概要性的介绍。前6章都附有习题，用于指导学生自学及加深对基本概念和技术的理解及掌握。一章属于拓展阅读部分，旨在让读者能够较快地了解人工智能在教育教学领域中的应用。全书讲述力求由浅入深，通俗易懂，理论上具有完整性和系统性，强调基本原理和基本技术配以大量的实例、图表，易于教学，便于自学。《孙茂松指出，人工智能目前基于大数据的深层神经网络方法（也叫深度学习方法，见后）有可能为某些 人文领域带来研究范式的改变。虽然清华人工智能研究院目前刚刚开始进行外汇兑换率预测的研究，但他认为人工智能与金融、经济的深度融合可望带来极具震撼力的成果，一旦深度学习方法被创造性地、系统性地应用到这个领域，甚至“这几年上能出一个诺贝尔经济学奖”。人工智能原理与应用》可作为信息领域与相关领域的高等院校本科生和研究生的教科书或教学辅导书目，也可以作为相关领域的科研与工程技术人员的参考书。

2022人工智能专业就业方向及前景怎么样？哪些大学有人工智能专业？

2、掌握经典机器学习理论和算法

人工智能专业就业方向非常广阔，就业前景很好，可以从事教育行业，软件开发等；工业大学，理工大学，上海交通大学，吉林大学，南京航空航天大学。

人工智能专业现在的就业前景还是非常好的。想要报考人工专业，可以选择科技大学，航天航零基础自学人工智能系列（3）：机器学习的知识准备（数学篇详解）空大学，哈尔滨理工大学，东学等。

我觉得目前这个行业还是比较吃香的，就业方向也是非常不错的。工业大学，交通大学，航空大学等多个大学都有这个专业。

人工智能学什么？

这些基础课程学会了，可能就算是跨入了半个门槛，当然面试的时候还欠缺实战经验，于是你可以去kaggle或者天池参加一些比赛，有了这些比赛经验，上也算是多了一块实战经验，增加了你的面试。，不要参加什么培训机构区培训，既花钱又学不到什么东西，毕业还会给你造，得不偿失，我给你的这些课程比市面上99.99%的培训机构课程靠谱！

作为一名计算机专业的教育工作者，我来回答一下这个问题。

孙茂松认为，目前人工智能同 科学和人文科学的结合有两个主要的桥梁，一个是狭义的数据，比如说金融市场上的数据，可根据数据来预测市场行为；另一个就是语言文字形成的文本，比如、消息、用户在社交网络上反映观点和情绪的各种“短信息”等等。

首先，人工智能专业属于计算机大类专业之一，虽然是新兴专业，但是由于当前人工智能领域的发展前景比较广阔，同时一系列人工智能技术也进入到了落地应用的阶段，所以当前人工智能专业也是热点专业之一。

人工智能专业有三个特点，其一是多学科交叉，涉及到计算机、数学、控制学、经济学、神经学、语言学等诸多学科，因此整体的知识量还是比较大的，其二是学习难度较大，人工智能本身的知识体系尚处在完善当中，很多领域还有待突破，其三是实践场景要求高。

基于这三个特点，要想在本科阶段有较好的学习效果，要有针对性的解决方案。针对于多学科交叉的情况，在大一期间一定要多做加法，尤其要重视编程语言的学习，基于编程语言来打开计算机技术大门，进而学习机器学习，而机器学习则被称为是打开人工智能技术大门的钥匙。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以私信我！

很荣幸曾经参加过一次江苏省人工智能，上认真聆听了行业大佬周志华的报告，受益匪浅，首先呢，如果你是在校大学生，想要以后从事人工智能专业相关工作，我这里给你分享下 人工智能学院周志华 曾经在上分享的人工智能专业本科生教育培养大纲的相关课程。

数学分析、高等数学、高等代数、概率论与数理统计、化方法、数理逻辑。

其次是学科基础课程：

人工智能导引、数据结构与算法分析、程序设计基础、人工智能程序设计、机器学习导论、知识表示与处理、模式识别与计算机视觉、自然语言处理、数字系统设计基础、作系统。

专业方向课程：

泛函分析、数字信号处理、高级机器学习、计算方法、控制理论方法、机器人学导论、多智能体系统、分布式与并行计算。

专业选修课课程：

数学建模、矩阵计算、随机过程、组合数学。博弈论及其应用、时间序列分析、编译原理、随机算法、数据库概论。

这是人工智能学院本科生四年的课程安排，看起来课程非常多，但这是一个培养体系，现在国内只有针对人工智能专业开设了如此系统的培养方案，专业涉及人工智能的各个领域方向。学生可以根据自己的兴趣爱好，选择想要学习的领域方向。

如果你已经毕业，想要转行从事人工智能行业，那么下面这套课程可能比较适合你：

1.莫烦python教程（百度可搜）： 莫烦python有很多专栏，可以学习到python基础、以及人工智能相关的软件框架教程，包括相关人工智能相关的一些实战小项目。

2.吴恩达机器学习（云课堂）： 人工智能机器学习理论部分，非常适合零基础的小白学习

3.吴恩达卷积神经网络（云课堂）： 人工智能深度学习理论部分，非常适合零基础的小白学习

4.李飞飞CS231n（云课堂）： 人工智能深度学习和机器学习理论，适合有一定基础的学习者。

5.吴恩达cs229（blibli）： 人工智能深度学习和机器学习理论，适合有一定基础的学习者。

接下来文章会侧重在以下几方面

1、零基础如何进行人工智能的自学（以找工作为目的），包括路径规划，怎么学等等。

2、我的个人感悟，关于转行、工作、创业、希望能给大家一些启发。

3、好的学习资源分享

刚毕业年时，迷茫，不知道做什么。

阶段：边工作边自学爬虫，失败

毕业一年后，觉得编程可能是自己想要的，所以开始自学编程。

最开始学的是爬虫，python语言。每天学6个小时，一周五到六天。学了4个月后，去面了五六家企业，没有成功。原因是爬虫的知识够，可是计算机的基础太薄弱。什么算法、计算机网络这些，统统没学。因为我当时是完全自学，没有人带，导致我也不知道要学这些。阶段，失败，说实话，有点气馁，那可是每天没日没夜的学习啊，却换来一场空。可是生活还得继续，怨天尤人有什么用。

第二阶段：边工作边自学人工智能，成功

面试失败后，考虑了要把编程基础学一下再去面试，还是学点别的。我的决定是学人工智能，当时对这个比较感兴趣。好了，又是学了半年多，每天学6个小时，一周6天。从机器学习学到深度学习再学回机器学习。面试，成功地去公司从事机器学习深度学习方面的基础工作。不过实力肯定没有那些编程出身，数学、统计出身的人强，所以很多时候也是边学边做，打打杂。

其实我说的很简单很轻松的样子，但其中的艰辛只有自己是最清楚。所以我很希望通过我未来经验学习的分享，帮助大家少走一些弯路。

第三阶段：自己干

现在，已从公司辞职，自己开发网站，做社群，开网店。就是觉得，其实编程也只是我的一个工具，这个人就是比较喜欢自己做点事情，编程挺累的，哈哈哈。如果大家有什么合作的好点子，也欢迎随时来找我哦。

十问十答：

1、零基础转行学编程可以吗？可以，要做好吃苦的准备。学习是个漫长的过程，你上班的话，能否保证一定时间的学习呢，这个是你要问自己的。我也是边工作边学习，不同的是，我工作很清闲，所以我基本可以在上班时间学习。如果你还在上学，恭喜你这是你的机会了。

2、该自学还是去培训班？我觉得自学就够了，培训班真是又贵又水。这是我进过培训班的朋友告诉我的。其实你工作之后会发现，很多东西都是要自学的。如果你连自学都没办法自学的话，你又怎么能工作。而且，自学的效率会更高，当然前提是路径不能错。

3、转行编程，就业率怎么样？说实话，如果你不是编程出身的，要转行编程其实是比较难的，毕竟人家4年的正统学习不是白学的。但这不意味着就没办法。找准目标，规划好路径，学习最必要的知识，这样就有机会。但是，请做好学完仍找不到工作的心理准备。

4、最理想的自学环境是怎么样的？清晰的学习路径+自学+交流讨论的环境+有人指导

5、人工智能零基础可以学吗？可以，但是比一般转行编程的要难，因为要自学的东西更多，要求的门槛也会更高。这个后续会着重讲到。

6、学人工智能需要数学吗？不要因为数学而望而切步，数学是需要的，但没有要求的高不可攀，通过必要的学习，是可以达到入门水准的。

7、以前没接触过编程，怎么办？可以学习python，这真的是一门对零基础的人来说很友好的语言了，其他的我不懂。

8、一般转行编程的周期要多久？按我跟我周边朋友的经验来看。一周5-6天，一天6小时学习时间，4-7个月，这应该是比较正常的。

9、我是怎么坚持下来的？期间有很多次想要放弃，有的时候是真的看不懂，也没人教，纯自学，安装个工具有什么时候就要安装半天，不多说，都是泪啊。你的欲望有多强烈，就能有多坚持。

10、现在学编程还来得及吗？永远都来得及，学编程不一定是为了好工作，它更是一个全新的世界，你会发现很多对自己有帮助的东西。就算以后你不做这个，我相信这个学习的过程也会有所收获。

这是我之后会写的文章的大概目录，大家可以参考一下。

以下系列是暂定的，一篇文章可能会写成好几篇。这个系列不仅仅以学习为目的，目的是为了达到机器学习的工作入门标准。并不简单，但努力就有可能。网上的教程我看了很多，路径大部分都没有错。只是我觉得，太贵，明明网上有很多免费的更好的资源。第二，练习的量远远不够达到能去找工作的标准。

目录：

零基础自学人工智能系列（1）：机器学习的学习路径规划（亲身经验）

零基础自学人工智能系列（2）：机器学习的知识准备（数学与python，附学习资源）

零基础自学人工智能系列（4）：机器学习的知识准备（python篇详解）

零基础自学人工智能系列（5）：机器学习的理论学习规划（附资源）

零基础自学人工智能系列（6）：深度学习的理论学习规划（附资源）

零基础自学人工智能系列（7）：机器学习的实战作（附资源和代码）

零基础自学人工智能系列（8）：深度学习的实战作（附资源和代码）

零基础自学人工智能系列（9）：找工作篇，需加强的部分（类似数据结构与算法）

，我希望我能给大家树立一些信心。不管你现在处于什么水平，只要肯努力，什么都有可能的。

首先我们需要一定的数学基础，如：高数、线性代数、概率论、统计学等等。很多人可能要问，我学习人工智能为什么要有数学基础呢？二者看似毫不相干，实则不然。线性代数能让我们了解如何将研究对象形象化，概率论能让我们懂得如何描述统计规律，此外还有许多其他数学科目，这些数学基础能让我们在学习人工智能的时候事半功倍。

1、学习并掌握一些数学知识

高等数学是基础中的基础，一切理工科都需要这个打底，数据挖掘、人工智能、模式识别此类跟数据打交道的又尤其需要多元微积分运算基础

概率论、数理统计、随机过程更是少不了，涉及数据的问题，不确定性几乎是不可避免的，引入随机变量顺理成章，相关理论、方法、模型非常丰富。很多机器学习的算法都是建立在概率论和统计学的基础上的，比如贝叶斯分类器、高斯隐马尔可夫链。

再就是优化理论与算法，除非你的问题是像二元一次方程求根那样有现成的公式，否则你将不得不面对各种看起来无解但是要解的问题，优化将是你的GPS为你指路

有以上这些知识打底，就可以开拔了，针对具体应用再补充相关的知识与理论，比如说一些我觉得有帮助的是数值计算、图论、拓扑，更理论一点的还有实/复分析、测度论，偏工程类一点的还有信号处理、数据结构。

如果有时间可以为自己建立一个机器学习的知识图谱，并争取掌握每一个经典的机器学习理论和算法，我简单地总结如下：

1) 回归算法：常见的回归算法包括最小二乘法（OrdinaryLeast Square），逻辑回归（Logistic Regression），逐步式回归（Stepwise Regression），多元自适应回归样条（MultivariateAdaptive Regression Splines）以及本地散点平滑估计（Locally Estimated Scatterplot Smoothing）；

2) 基于实例的算法：常见的算法包括 k-Nearest Neighbor(KNN), 学习矢量量化（Learning Vector Quantization， LVQ），以及自组织映射算法（Self-Organizing Map ， SOM）；

3) 基于正则化方法：常见的算法包括：Ridge Regression， Least Absolute Shrinkage and Selection Operator（LASSO），以及弹性网络（Elastic Net）；

4) 决策树学习：常见的算法包括：分类及回归树（ClassificationAnd Regression Tree， CART）， ID3 (Iterative Dichotomiser 3)， C4.5， Chi-squared Automatic Interaction Detection(CHAID), Decision Stump, 随机森林（Random Forest）， 多元自适应回归样条（MARS）以及梯度推进机（Gradient Boosting Machine， GBM）；

5) 基于贝叶斯方法：常见算法包括：朴素贝叶斯算法，平均单依赖估计（AveragedOne-Dependence Estimators， AODE），以及Bayesian Belief Network（BBN）；

6) 基于核的算法：常见的算法包括支持向量机（SupportVector Machine， SVM）， 径向基函数（Radial Basis Function ，RBF)， 以及线性判别分析（Linear Discriminate Analysis ，LDA)等；

7) 聚类算法：常见的聚类算法包括 k-Means算法以及期望化算法（Expectation Maximization， EM）；

8) 基于关联规则学习：常见算法包括 Apriori算法和Eclat算法等；

9) 人工神经网络：重要的人工神经网络算法包括：感知器神经网络（PerceptronNeural Network）, 反向传递（Back Propagation）， Hopfield网络，自组织映射（Self-OrganizingMap, SOM）。学习矢量量化（Learning Vector Quantization， LVQ）；

10) 深度学习：常见的深度学习算法包括：受限波尔兹曼机（RestrictedBoltzmann Machine， RBN）， Deep Belief Networks（DBN），卷积网络（Convolutional Network）, 堆栈式自动编码器（Stacked Auto-encoders）；

11) 降低维度的算法：常见的算法包括主成份分析（PrincipleComponent Analysis， PCA），偏最小二乘回归（Partial Least Square Regression，PLS）， Sammon映射，尺度（Multi-Dimensional Scaling, MDS）, 投影（ProjectionPursuit）等；

12) 集成算法：常见的算法包括：Boosting， Bootstrapped Aggregation（Bagging），AdaBoost，堆叠泛化（Stacked Generalization， Blending），梯度推进机（GradientBoosting Machine, GBM），随机森林（Random Forest）。

3、掌握一种编程工具，比如Python

一方面Python是脚本语言，简便，拿个记事本就能写，写完拿控制台就能跑；另外，Python非常高效，效率比ja、r、matlab高。matlab虽然包也多，但是效率是这四个里面的。

4、了解行业动态和研究成果，比如各大牛的经典论文、博客、读书笔记、微博微信等媒体资讯。

5、买一个GPU，找一个开源框架，自己多动手训练深度神经网络，多动手写写代码，多做一些与人工智能相关的项目。

6、选择自己感兴趣或者工作相关的一个领域深入下去

人工智能有很多方向，比如NLP、语音识别、计算机视觉等等，生命有限，必须得选一个方向深入的专研下去，这样才能成为人工智能领域的大牛，有所成就。

再回答第二个问题，人工智能到底是不是一项技术？

根据百度百科给的定义，人工智能（Artificial Ince），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的还能的理论、方法、技术及应用系统的一门新的技术科学。

百度百科关于人工智能的定义详解中说道：人工智能是计算机的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个的分支，无论在理论和实践上都已自成一个系统。

综上，从定义上讲，人工智能是一项技术。

希望能帮到你。

人工智能需要学习的主要内容包括：数学基础课学科基础课，包括程序设计基础、数据结构、人工智能导论、计算机原理、 数字电路 、系统控制等；专业选修课，比如 神经网络 、深度学习以及认知科学、神经科学、计算金融、计算生物学、计算语言学等交叉课程。

具体课程：认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程

2.人工智能课程群

具体课程：《人工智能、 与人文》、《人工智能哲学基础与》

3.科学和工程课程群

新一代人工智能的发展需要脑科学、神经科学、认知心理学、信息科学等相关学科的实验科学家和理论科学家的共同努力，寻找人工智能的突破点，同时必须要以严谨的态度进行科学研究，让人工智能学科走在正确、 健康 的发展道路上。

4.先进机器人学课程群

5.人工智能平台与工具课程群

具体课程：《群体智能与自主系统》《无人驾驶技术与系统实现》《 游戏 设计与开发》《计算机图形学》《虚拟现实与增强现实》。

具体课程：《人工智能的现代方法I》《问题表达与求解》、《人工智能的现代方法II》《机器学习、自然语言处理、计算机视觉等》。

二、人工智能专业培养目标及要求

以培养掌握人工智能理论与工程技术的专门人才为目标，学习机器学习的理论和方法、深度学习框架、工具与实践平台、自然语言处理技术、语音处理与识别技术、视觉智能处理技术、人工智能专业领域最前沿的理论方法，培养人工智能专业技能和素养，构建解决科研和实际工程问题的专业思维、专业方法和专业嗅觉。

三、人工智能专业

人工智能专业是高校人设立的专业，旨在培养人工智能产业的应用型人才，推动人工智能一级学科建设。2018年4月，在研究制定《高等学校人工智能创新行动》，并研究设立人工智能专业，进一步完善高校人工智能学科体系。2019年3月，印发了《关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，根据通知，全国共有35所高校获首批「人工智能」新专业建设资格。

2020年3月3日，公布2019年度普通高等学校本科专业备案和审批结果，“人工智能”专业成为热门。

人工智能是一个综合学科，其本身涉及很多方面，比如神经网络、机器识别、机器视觉、机器人等，因此，我们想要学好整个人工智能是很不容易的。

首先我们需要一定的数学基础，如：高数、线性代数、概率论、统计学等等。很多人可能要问，我学习人工智能为什么要有数学基础呢？二者看似毫不相干，实则不然。线性代数能让我们了解如何将研究对象形象化，概率论能让我们懂得如何描述统计规律，此外还有许多其他数学科目，这些数学基础能让我们在学习人工智能的时候事半功倍。

然后我们需要的就是对算法的累积，比如人工神经网络、遗传算法等。人工智能的本身还是通过算法对生活中的事物进行计算模拟，做出相应作的一种智能化工具，算法在其中扮演的角色非常重要，可以说是不可或缺的一部分。

需要掌握和学习的就是编程语言，毕竟算法的实现还是需要编程的，学习的有Ja以及Python。如果以后想往大数据方向发展，就学习Ja，而Python可以说是学习人工智能所必须要掌握的一门编程语言。当然，只掌握一门编程语言是不够的，因为大多数机器人的仿真都是采用的混合编程模式，即采用多种编程软件及语言组合使用，在人工智能方面一般使用的较多的有汇编和C++，此外还有MATLAB、VC++等，总之一句话，编程是必不可少的一项技能，需要我们花费大量时间和精力去掌握。

人工智能现在发展得越来越快速，这得益于计算机科学的飞速发展。可以预料到，在未来，我们的生活中将随处可见人工智能的产品，而这些产品能为我们的生活带来很大的便利，而人工智能行业的未来发展前景也是十分光明的。所以，选择人工智能行业不会错，但正如文章开头所说，想入行，需要我们下足功夫，全面掌握这个行业所需要的技能才行。

，首先呢，如果你是在校大学生，想要以后从事人工智能专业相关工作，我这里给你分享下 人工智能学院周志华 曾经在上分享的人工智能专业本科生教育培养大纲的相关课程。

人工智能亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。通过医学、神经科学、机器人学及统计学等的进步，有些预测则认为人类的无数职业也逐渐被人工智能取代。

引仕AI人工智能对教育有哪些作用？

其三是要重视为自己营造一个较好的交流和实践场景，这对于学习效果有较大的影响，建议在大一、大二期间积极参加人工智能相关的课题组。在选择课题组的时候，要考虑到自己的兴趣爱好、课题周期、实践资源等因素，从这个角度来看，学校的科研资源对于人工智能专业的同学有较大的影响。

很可能是个噱头

现在人工智能在很多明确的问题上效果超越人探索 实践适合高等人工智能人才培养的教学内容和教学方法，培养人工智能产业的应用型人才。类，但没有体现出智能。 而教育问题有时比一般的算力问题更复杂两个层次

教育是启发智慧的问题， 智慧是什么还不清楚，教育就更难实现表示了

如果只是在批改试卷上提高效率，这不能算智能，顶多算解放人劳动，让老师多腾出时间

人工智能专业主要是学什么？就业方向有哪些？

无论如何 人工智能教育都有问题，因为教育应该个性化而不是现在这种依赖大众知识

学什么：1.认知与神经科学课程群 具体课程：认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程2.人工智能课程群 具体课程：《人工智能、与人文》、《人工智能哲学基础与》就业方向：1. 科学研究。2. 工程开发。3. 计算机方向。4. 软件工程。5. 应用数学。

人工智能专业主要学习数学基础，算法基础等课程。它的就业方向是算法工程师，程序开发工程师，人工智能运维工程师，智能机器人研发工程师，以及AI硬件专家等。

应该是学习包括人工智能和相关领域的全面的知识内容。软件程序开发、AI智能研发、软件工程师等等。

主要学:①认知心理学②神经科学基础③人类的记忆与学习④语言与思维⑤计算神经工程。

正如人类会综合利用视觉、听觉、触觉、语言等信息，让人工智能（AI）从多角度、多模态、多学科学习自然语言也是清华大学人工智能研究院的目标与任务。就业方向:①科研机构②软硬件开发人③高校讲师等。

2023年天津轻工职业技术学院公开专业技术人员实施方案？

6.人工智能一、人工智能专业学什么核心课程群

根据天津市委组织部、天津市人力资源和保障局《天津市事业单位公开人员实施办法(试行)》(津人社局发〔2011〕10号)和《市委组织部 市人力社保局关于进一步完善事业单位公开工作的通知》(津人社局发〔2017〕37号)等文件精神，为了加强人才队伍建设、拓宽选人用人渠道，保证公开工作顺利开展，制定2023年(第二批)公开专业技术人员工作方案。

对话清华大学孙茂松：第三代人工智能要处理“可解释性”问题

先说一下个人背景，一本，经济学毕业，上学时从未学过编程。我这里指的零基础指的是，没有编程基础、没有数学基础（数学需要一些基本的，如果没有，后续也会帮助大家的）。

2019年7月1日，清华大学人工智能研究院第八个研究中心：自然语言处理与 人文计算研究中心（以下简称中心）在校本部FIT楼举行线性代数很重要，一般来说线性模型是你要考虑的模型，加上很可能要处理数据，你需要用线性代数来简洁清晰的描述问题，为分析求解奠定基础成立仪式。中心主任由清华大学人工智能研究院常务副、重点基础研究发展（973）项目首席科学家孙茂松担任。

7月3日，澎湃（

AI诗人、人工智能辅助法官与未来的诺贝尔经济学奖获得者

语言是人类智能的重要标志，在人类文明中的地位与作用毋庸置疑，自然语言处理，通俗地解释就是“让计算机学习人类语言”。清华大学新设立的中心旨在通过加强人工智能的基础研究及其与人文社科学科的交叉合作，建立更强大的机器用知识库，进而提升人工智能对语言的学习和处理的能力。

基于人类语言文字这一桥梁，自2015年底起，他指导一个最初以两位本科生为主体的课题小组，通过深度神经网络的方法，让机器对全部古代诗歌进行“阅读”并“理解”，在此基础上，推出了会作诗的AI——“九歌”，使人工智能“跨界”到了文学创作领域。由于公众的关注与参与，到目前为止“九歌”已经产生了不多400万首诗，“从古流传至今的诗歌总量估计达不到400万首，如果这么想，效果也还不错。”小组目前正在研究现代诗的生成，以期满足大众越来越多样的“作诗要求”。

人文学科是一个很宽广的概念。除了文学外，今年以来人工智能研究院正在与清华大学法学院合作，在原有的法学基础上更多地加入计算与人工智能的成分。法学院越来越认识到，“计算法学”是未来法学研究的一个发展趋势。孙茂松也提到，近年来的案卷卷宗数字化、公开化是计算法学发展的一个重要基础。

当澎湃（”

针对金融、经济系统的高度复杂性，孙茂松认为，当把各类相关信息都涵盖进来，并且有高超的手段对这些信息进行“大一统”式的有效处理时，这个复杂系统的可预测性便会显著上升。他举了个例子，“蚂蚁王国有自己的一套运作规律，但这个规律有时会变得非常脆弱，因为可能突然来一个人，地来一脚，便给这个王国带来了灭顶之灾。仅仅从蚂蚁的世界来看，这个突发是不可预测的。但如果把人的因素包含进来，细致了解这个人的秉性，比如他是否是一个有爱心的人、是否是一名徒等等，他的行为的可预测性就会大大提高，蚂蚁王国的不可预测性也会随之大大降低”。

在孙茂松看来，经典金融学或经济学的研究范式主要是依靠人的理性思辨和求解方程（无论是线性还是非线性方程）。但复杂且庞大的金融和经济系统里充满了不确定性，很多现象难以用方程显式地刻画。但深度学习方法具有高度的非线性性质，在大数据的驱动下，理论上它能隐式地模拟任何复杂的方程，更加有效地处理系统的不确定性。这就使得一种全新的金融学或经济学研究范式的产生成为可能。

把“黑盒子”变成“灰盒子”

“当代人工智能教父”、2018年图灵奖得主约书亚·本吉奥（Yoshua Bengio）认为，人工智能领域在近些年出现巨大变革要归功于 “深度学习”（deep learning）的出现。他在一篇名为《深度学习：人工智能的复兴》的署名文章中说，“近年来，深度学习已经成为了驱动人工智能领域发展的最主要力量，各大信息技术公司在这方面共掷下了数十亿美元的资金。”

本吉奥此前接受澎湃（

尽管意义巨大，但目前的深层神经网络系统存在着一个重大不足：给定一个输入，系统给出相应结果的深刻原因对人来说是不透明的，从这个意义上来说，它基本上是一个“黑盒子”。这就导致系统的稳健性会变大打折扣，系统的适用范围也会缩窄。当我们深究机器为什么犯错时（如机器翻译系统为什么把一句话翻成这样、而不翻成那样），机器却无法给出解释，“反正我就翻成这样，你看着用吧。”

此外，深度学习最擅长处理的是关联性：当输入“公鸡打鸣”这个词语时，它会自动联想到“太阳升起来了”这句话。这体现了一种关联性，但显然前者不是导致后者的原因。深度学习现在基本上没有因果推理能力。孙茂松说，深度学习只是在统计意义上“觉得”某两个东西是相关的，但两者之间到底有没有逻辑关系，它却浑然不知。

孙茂松进一步阐释，自然语言处理研究面临着同样的难题，实际上，“可解释性”是整个人工智能领域目前面临的困境，也是目前的学术研究前沿。研究者们正在努力让这个人工智能“黑盒子”至少变成一个“灰盒子”。孙茂松认为，在自然语言处理方面，知识库的构建或许是一个解决方法。以古诗词写作举例：“灞桥”后接“折柳”，深度学习应该能从诗库中捕捉到这个知识关联，但其它众多知识关联是否都能学到，就不好说了。但如果我们自觉地把跟“灞桥”相关的东西全预先列出来，如“灞水、驿站、销魂、断肠、长安、关中八景、李白、李商隐、孟浩然…”，建立起一个知识图谱，那么，机器就可以根据这个知识图谱比较自觉地去写诗，针对性更强，写诗过程也便具有了一定的可解释性。

根据人工智能研究院张钹院士的说法，人工智能在其发展史上已经先后经历了理性主义和经验主义两代。第三代人工智能应该是这两者的完美结合。解决可解释性问题，是其核心研究任务之一。

因为知识天然地具有一定解释性，知识库就带有一种可解释性。

“通专虽应兼顾，而重心所寄, 应在通而不在专”

以人工智能和大数据为标志的第四次工业革命到来之际，国内多所高校开始布局人工智能教育。2017年5月，科学院大学成立人工智能技术学院，成为我国人工智能技术领域全面开展教学和科研工作的新型学院；2018年，上海交通大学与先后建立了人工智能研究院与人工智能学院，还招收了首批人工智能专业本科学生。

而作为的高等学府，清华大学对人才培养一贯高度重视。2005年设立的计算机科学实验班（因其创始人、“图灵奖”华人获奖者姚期智而得名“姚班”）是全国乃至全球领先的计算机人才培养的摇篮。的高等教育有助力计算机科学和人工智能达至下一个令人鼓舞的高度，更应该能够给这个时代带来性的影响。

那么，人工智能本科专业的设置是否必要？人工智能要不要在本科阶段就成系？

“清华主要的还是要稳，没有特殊的需求不要变，一变反而变乱了，两拨人可能无序竞争了。” 整体稳定、积极 探索 是清华大学在人工智能本科教育上的方针。

今年，清华大学在“姚班”之外新设立了“智班”，全称为“清华学堂人工智能班”，在计算机教育结构大体不变的前提下，这个规模不大的实验班将对人工智能人才、特别是人才本科阶段的培养进行深度 探索 。而人工智能研究院的工作主要定位在研究生阶段，特别是博士生阶段的培养。

在本中心之前，清华大学陆续成立了人工智能研究院基础理论研究中心、智能机器人研究中心等七个研究机构。

孙茂松说，这八个中心的核心力量主要对应着人工智能研究的“初心”，也就是研究人的感知和认知。感知最重要的通道是视觉和听觉，所以设立了视觉智能和听觉智能中心；而认知体现人的语言、推理、逻辑、学习的能力，所以设立了基础理论中心、知识智能中心和自然语言处理中心等。再向外 探索 就是智能人机交互与智能多模态信息交互乃至机器人的相关研究，中心和中心之间是紧密联系、相互合作的。

刚满一周岁的清华人工智能研究院已基本实现了“整合力量、统筹安排”的目标。孙茂松表示，接下来的两个中心会分别以“社交网络大数据”和“人工智能芯片”为。