作者 | 風辭遠
本文經授權轉自腦極體（ID：unity007）
上個禮拜，北京航空航天大學主辦了國內首屆人工智能本科專業研討會。會上清華大學、南京大學、西安交通大學等國內26所大學共同發佈了《關於設置人工智能專業建議書》，呼籲儘快設置本科人工智能專業。
毫無疑問，這個高考季當中，人工智能已經成為了一個熱門話題。伴隨著知名高校的呼籲，我們還可以看到各個名牌大學的人工智能學院、人工智能研究院如雨後春筍一樣成長起來。中國科學院、南京大學、清華大學，都已經在一年內成立了類似研究機構。
而政策層面，國家《新一代人工智能發展規劃》中也明確提出要建設人工智能學科。人工智能要發展，需要人才和學術建設應該是毫無爭議的問題。
但關於人工智能是不是要在今天就成為本科專業，卻是個充滿爭議的話題。
在目前的學科規劃中，人工智能的主體是計算機科學下的二級學科。一般要到研究生階段才能選擇攻讀。與此同時，AI相關專業還散落在數學、信息科學，甚至社會學、心理學、生物學當中。
有人認為，這樣的規劃，已經無法滿足AI發展的真實需求；也有人認為AI剛剛發展起來，就要高校體系來給予配合，有點過於冒進了。
在大多數省份，現在還是填報志願的階段。咱們不妨來透視一下這場爭議中的幾個觀點，如果身邊有學子正在糾結於是否選擇，或者如何選擇AI相關專業，不妨思考這幾個聲音之後再來判斷。
反方觀點A：AI不穩定，就業有風險
讓我們先從反對觀點說起。
眾所周知，本科生不會都進入研究生階段繼續攻讀，那麼AI本科專業存在的意義，當然就是能為大量本科生，提供就業技能與機遇。
但就今天的AI來說，是否能為四五年後，以至於長期投入社會的大量人才提供就業機會呢？這可能誰也說不好。
AI的發展足夠快，需要人才足夠多，這在今天是沒有問題。但若干年後的AI會依舊能創造大量就業投入嗎？
甚至說若干年後的AI，是否還和現在我們看到的機器學習統攝下的AI需求一致？這些都是問號。
在很多人看來，加快人工智能進本科的進度，同時也意味著把這些大學生從對計算機科學的學習中隔離出來。
那麼假如學成後AI不那麼火熱了，就業機會減少；或者AI在此期間經歷了快速的技術發展，學到的東西不足以致用，同時也不能讓每個人都繼續學術研究。最終豈不是把就業風險施加到了學生身上？
因為某個領域火爆，大學就爭先恐後設立專業，結果學成出來發現早不是那麼回事了，這種情況在中國並不算少見。那麼這種情況下，把AI從計算機科學領域獨立出來，似乎還不夠穩妥。
畢竟不能讓選專業這個很可能影響終生的大事，變成一場賭博。
反方觀點B：泡沫可恥，跟風有害
AI發展過快，帶起了大量泡沫，這應該是個不爭的事實。那麼高校過快迎合風口，設置AI本科專業，很可能會變成泡沫的催化劑。
另一種觀點認為，AI設置本科專業在很大程度上是有道理的。但這個合理性僅僅限定在師資力量齊備，有廣泛研究優勢的部分高校中。一旦閥門打開，千奇百怪的學校跟風設置AI本科專業，很可能會貽害學生。
我們提起國內高校的AI大牛，似乎每個名字和他們所在的學校與研究機構都讓人感覺熟悉。換句話說，大部分國內高校對於AI這東西，是相當陌生的。
現在的人工智能研究，目前僅僅是小部分學校與大牛的“專屬”，而一旦各種地方院校，甚至資質不佳的合辦院校要爭取AI風口。
那麼很可能強行設置一批師資和科研項目，這對於整個AI學術是有害無益的。
歸根結底一句話，頭部學校準備好了開AI本科，但後面茫茫多的學校，真的有老師和研究力量去支撐本科的AI教學嗎？
而AI這塊滾熱的蛋糕，隨便想想就知道是不能放棄的。如果AI本科教育突然襲來，如何抵制跟風者擾亂AI教育，這個問題似乎還沒有答案。
正方觀點A：人才缺口，真的已經很大很大了
以上兩種反對觀點，很大程度上是出於對AI未來的懷疑與不信任。但支持AI快速成為本科專業的聲音，則更多著眼於AI的現在。
AI的今天，一個最基本的情況，就是缺的人真的太多太多太多了。
去年校招季，在北京招一個剛畢業沒有任何成果的AI研究生，就需要年薪30萬的代價。這當然有風口的加持，但AI崗位缺人的狀況也可見一斑。
根據相關報告統計，到2017年年底，中國AI人才缺口已經超過了百萬級，而在今年這個缺口開始進一步拉大。
事實上，AI人才的缺口不僅限於中國，即使是硅谷，也在每天經歷著AI崗位需求的擴大。李開復曾經提出：“在硅谷，做深度學習的人工智能博士生，現在一畢業就能拿到年薪200萬到300萬美元的錄用通知，三大公司(谷歌、臉書和微軟)都在用不合理的價錢挖人。”
同樣在歐洲、印度，加快培養AI人才，尤其是中低端人才都是國家教育體系的重要任務之一。
在巨大的人才缺失之下，是現行AI人才的培養效率有點慢。一般來說，一個學計算機的本科生，在大三大四時候才能在某些選修課中接觸人工智能。
而如果想要攻讀人工智能方向要到研究生之後。再加上研究生學習中往往沒有經歷過算法應用的實踐，畢業到企業後還需要經歷一到兩年的再培養。
這也意味著，一個AI人才一般要到27歲之後才能上崗，這顯然無法供給今天AI產業的發展速度。
事實上，AI產業是一個金字塔型架構。不僅需要高端的邏輯與算法人才，還需要完成大量應用型，甚至是數據型工作。這些工作很大一部分都可以給本科生作為實習機會，而且企業往往歡迎導師帶隊的本科生入駐實習。
這樣一些簡單的AI工作，入職者可以從27歲提前到20歲左右，這對於整個AI產業的勞動力供給是效能巨大的。
同時，高收入和高就業率也在吸引著學生的目光，讓他們辛苦繞一圈才能進入AI，這好像也有點殘忍。
正方觀點B：產學研一體化，強烈期待AI本科生
AI人才缺口可以看做一個行業基本面，而在這背後，是AI科研體系的獨特性，正在催動著AI人才更早與企業接觸。這也間接促使AI本科生這個群體到來。
大家都在說，AI是一個高度產學研一體化的領域。但到底是怎麼一體化的呢？
首先我們可以看到，今天的大多數AI應用，是基於神經網絡與算法達成創造性的。而神經網絡的特點是結構延展。換句話說，AI的技術世界不是非此即彼，而是堆疊和嵌入的。
回到人才端，這就讓很多企業中的AI任務與工作，可以分派出來讓獨立小組完成。這讓象牙塔中的師生走入企業有了絕佳的機會。
而一些數據清洗、數據標記類的機器學習基礎工作，更是非常適合交給“懂基礎的實習生”來完成。
另外，根據相關統計，常青藤高校的AI研究成果，有超過75%最終得到了商業轉化。這個比例在各學科中名列前茅。
AI的特性決定了高校中的研究和企業中的研究相似度非常高，而師生的創造有很大比率可以被快速轉化。
這個機會對於老師、學校、學生，以及整個產業，是一個多方共贏的局面。那麼第一步，還是讓學生儘快進入AI的世界。
還有一個問題值得注意，今天的AI研究是要基於大量數據和算力支撐的。但是這些東西往往不存在於研究室當中，而是隻見於科技企業內部。
這也就要求實驗室必須要到企業中去，給企業提供更多價值。而本科生的勞動和創造力，事實上是這個置換關係之一。
由這些理由，企業和學校都在期待更多學生快速組成產學研一體化的基礎，讓企業與學校間的循環圈層擴大。
這個意義上來說，本科生是AI前進中的必要動力。
正方觀點C ：AI必須建立跨學科的獨立體系
還有另一個更加學術層面的聲音，認為今天AI學科的發展，主要阻礙之一在於附庸於計算機科學專業，已經十分不利於AI本身的學科發展。
比如我們知道，AI的頂會、數據測試都自有一套邏輯。假如某企業的研究成果，在某個頂級比賽上，讓人臉識別的效率，提升到某某指數，那麼當然是巨大的成果。
但在高校學科體制中卻不然，因為AI的算法比賽機制是獨立的，不納入計算機科學的考察範疇。這會在很大程度上，限制國內AI學者，參與世界競爭的熱情。
另一方面，AI雖然大體可以看做計算機科學的一個子集。但事實上AI是一個高度跨學科的領域，有大量問題是非計算機科學的，而是涉及信息科學、數學、社會學、心理學、生物學、認知科學，甚至法學、倫理學等等。
在國際範圍內，基於AI成立跨學科研究體是大勢所趨。但現有學科體制卻限制了AI的融合式學科發展，影響了人才交流與信息互通。
這種條件下，把人工智能學科獨立出來，從本科生開始培養專屬人才就成為了熱門議題。而從技術軌跡的長遠發展看，一個獨立跨學科的AI科研體系，也是開展國際化AI競爭的絕對必要條件。
給潛在AI本科生的一點建議
人工智能到底要不要成為本科專業，不是一個絕對如此或者如彼的問題，更多情況下見仁見智，其成敗在於整個教育體系和社會結構的共同把持。但根據上面這些看法，不妨給想要把AI作為專業的童鞋一點建議：
首先，綜合來看今天AI的應用前景和就業基本面沒有問題。但未來有不確定性，技術也在隨時變化，一定要理性考慮謹慎選擇。
而且讀了AI專業絕不意味著預定了高薪高職位。快速變化的AI可能把任何人摔下自己的馬車。
其次，一定要警惕不靠譜的人工智能專業。AI的師資目前在國內是絕對的師資資源，如果你報考的學校本來在AI領域不強，也沒有引進知名專家，卻突然辦起了AI專業，那麼一定要小心為上——說不定老師還沒有你懂得多。
而國外的AI本科生教育比國內稍早一些，與國內的區別，主要集中在所教授領域相對更集中，更注重學院本身的優勢教育和研究。
一般美國的AI本科教育，是強調主修方向，其他選修，而國內的AI本科教育還是強調AI領域的通識。哪種更好也沒有定論。
值得注意的是，國外AI本科教育中，明顯比國內更加強調AI的人文與倫理教育。這些內容其實是必修課，有志於AI的童鞋應該想辦法自己補強。
而假如真的很喜歡AI，卻沒有找到合適的專業也不用急。有一些迂迴策略可以考慮，如果有志於高階的AI研究與創造，應用數學和認知神經科學是兩個最好的選擇。假如想要快速進入AI行業，那麼數據科學是最接近應用的AI相關領域。
“徵稿啦”
CSDN 公眾號秉持著「與千萬技術人共成長」理念，不僅以「極客頭條」、「暢言」欄目在第一時間以技術人的獨特視角描述技術人關心的行業焦點事件，更有「技術頭條」專欄，深度解讀行業內的熱門技術與場景應用，讓所有的開發者緊跟技術潮流，保持警醒的技術嗅覺，對行業趨勢、技術有更為全面的認知。
如果你有優質的文章，或是行業熱點事件、技術趨勢的真知灼見，或是深度的應用實踐、場景方案等的新見解，歡迎聯繫 CSDN 投稿，聯繫方式：微信（guorui_1118，請備註投稿+姓名+公司職位），郵箱（[email protected]）。
閱讀更多 CSDN 的文章
