上个礼拜，北京航空航天大学主办了国内首届人工智能本科专业研讨会。会上清华大学、南京大学、西安交通大学等国内26所大学共同发布了《关于设置人工智能专业建议书》，呼吁尽快设置本科人工智能专业。
毫无疑问，这个高考季当中，人工智能已经成为了一个热门话题。伴随着知名高校的呼吁，我们还可以看到各个名牌大学的人工智能学院、人工智能研究院如雨后春笋一样成长起来。中国科学院、南京大学、清华大学，都已经在一年内成立了类似研究机构。
而政策层面，国家《新一代人工智能发展规划》中也明确提出要建设人工智能学科。人工智能要发展，需要人才和学术建设应该是毫无争议的问题。
但关于人工智能是不是要在今天就成为本科专业，却是个充满争议的话题。
在目前的学科规划中，人工智能的主体是计算机科学下的二级学科。一般要到研究生阶段才能选择攻读。与此同时，AI相关专业还散落在数学、信息科学，甚至社会学、心理学、生物学当中。
有人认为，这样的规划已经无法满足AI发展的真实需求；也有人认为AI刚刚发展起来，就要高校体系来给予配合，有点过于冒进了。
在大多数省份，现在还是填报志愿的阶段。咱们不妨来透视一下这场争议中的几个观点，如果身边有学子正在纠结于是否选择，或者如何选择AI相关专业，不妨思考这几个声音之后再来判断。
反方观点A：AI不稳定，就业有风险
让我们先从反对观点说起。
众所周知，本科生不会都进入研究生阶段继续攻读，那么AI本科专业存在的意义，当然就是能为大量本科生提供就业技能与机遇。
但就今天的AI来说，是否能为四五年后，以至于长期投入社会的大量人才提供就业机会呢？这可能谁也说不好。
AI的发展足够快，需要人才足够多，这在今天是没有问题。但若干年后的AI会依旧能创造大量就业投入吗？甚至说若干年后的AI，是否还和现在我们看到的机器学习统摄下的AI需求一致？这些都是问号。
在很多人看来，加快人工智能进本科的进度，同时也意味着把这些大学生从对计算机科学的学习中隔离出来。那么假如学成后AI不那么火热了，就业机会减少；或者AI在此期间经历了快速的技术发展，学到的东西不足以致用，同时也不能让每个人都继续学术研究。最终岂不是把就业风险施加到了学生身上？
因为某个领域火爆，大学就争先恐后设立专业，结果学成出来发现满不是那么回事了。这种情况在中国并不算少见。那么这种情况下，把AI从计算机科学领域独立出来，似乎还不够稳妥。
毕竟不能让选专业这个很可能影响终生的大事，变成一场赌博。
反方观点B：泡沫可耻，跟风有害
AI发展过快，带起了大量泡沫，这应该是个不争的事实。那么高校过快迎合风口，设置AI本科专业，很可能会变成泡沫的催化剂。
另一种观点认为，AI设置本科专业在很大程度上是有道理的。但这个合理性仅仅限定在师资力量齐备，有广泛研究优势的部分高校中。一旦阀门打开，千奇百怪的学校跟风设置AI本科专业，很可能会贻害学生。
我们提起国内高校的AI大牛，似乎每个名字和他们所在的学校与研究机构都让人感觉熟悉。换句话说，大部分国内高校对于AI这东西是相当陌生的。现在的人工智能研究，目前仅仅是小部分学校与大牛的“专属”，而一旦各种地方院校，甚至资质不佳的合办院校要争取AI风口。那么很可能强行设置一批师资和科研项目，这对于整个AI学术是有害无益的。
归根结底一句话，头部学校准备好了开AI本科，但后面茫茫多的学校，真的有老师和研究力量去支撑本科的AI教学吗？
而AI这块滚热的蛋糕，随便想想就知道是不能放弃的。如果AI本科教育突然袭来，如何抵制跟风者扰乱AI教育，这个问题似乎还没有答案。
正方观点A：人才缺口，真的已经很大很大了
以上两种反对观点，很大程度上是出于对AI未来的怀疑与不信任。但支持AI快速成为本科专业的声音，则更多着眼于AI的现在。
AI的今天，一个最基本的情况，就是缺的人真的太多太多太多了。
去年校招季，在北京招一个刚毕业没有任何成果的AI研究生，就需要年薪30万的代价。这当然有风口的加持，但AI岗位缺人的状况也可见一斑。
根据相关报告统计，到2017年年底，中国AI人才缺口已经超过了百万级，而在今年这个缺口开始进一步拉大。
事实上，AI人才的缺口不仅限于中国，即使是硅谷，也在每天经历着AI岗位需求的扩大。李开复曾经提出：“在硅谷，做 学习的人工智能博士生，现在一毕业就能拿到年薪200万到300万美元的录用通知，三大公司(谷歌、脸书和微软)都在用不合理的价钱挖人。”同样在欧洲、印度，加快培养AI人才，尤其是中低端人才都是国家教育体系的重要任务之一。
在巨大的人才缺失之下，是限行AI人才培养效率有点慢。一般来说，一个学计算机的本科生，在大三大四时候才能在某些选修课中接触人工智能。而如果想要攻读人工智能方向要到研究生之后。再加上研究生学习中往往没有经历过算法应用的实践，毕业到企业后还需要经历一到两年的再培养。这也意味着，一个AI人才一般要到27岁之后才能上岗，这显然无法供给今天AI产业的发展速度。
事实上，AI产业是一个金字塔型架构。不仅需要高端的逻辑与算法人才，还需要完成大量应用型，甚至是数据型工作。这些工作很大一部分都可以给本科生作为实习机会，而且企业往往欢迎导师带队的本科生入驻实习。
这样一些简单的AI工作，入职者可以从27岁提前到20岁左右，这对于整个AI产业的劳动力供给是效能巨大的。
同时，高收入和高就业率也在吸引着学生的目光，让他们辛苦绕一圈才能进入AI，这好像也有点残忍。
正方观点B：产学研一体化，强烈期待AI本科生
AI人才缺口可以看做一个行业基本面，而在这背后，是AI科研体系的独特性，正在催动着AI人才更早与企业接触。这也间接促使AI本科生这个群体到来。
大家都在说，AI是一个高度产学研一体化的领域。但到底是怎么一体化的呢？
首先我们可以看到，今天的大多数AI应用是基于神经网络与算法达成创造性的。而神经网络的特点是结构延展。换句话说，AI的技术世界不是非此即彼，而是堆叠和嵌入的。回到人才端，这就让很多企业中的AI任务与工作，可以分派出来让独立小组完成。这让象牙塔中的师生走入企业有了绝佳的机会。而一些数据清洗、数据标记类的机器学习基础工作，更是非常适合交给“懂基础的实习生”来完成。
另外，根据相关统计，常青藤高校的AI研究成果，有超过75%最终得到了商业转化。这个比例在各学科中名列前茅。AI的特性决定了高校中的研究和企业中的研究相似度非常高，而师生的创造有很大比率可以被快速转化。这个机会对于老师、学校、学生，以及整个产业，是一个多方共赢的局面。那么第一步，还是让学生尽快进入AI的世界。
还有一个问题值得注意，今天的AI研究是要基于大量数据和算力支撑的。但是这些东西往往不存在于研究室当中，而是只见于科技企业内部。这也就要求实验室必须要到企业中去，给企业提供更多价值。而本科生的劳动和创造力，事实上是这个置换关系之一。
由这些理由，企业和学校都在期待更多学生快速组成产学研一体化的基础，让企业与学校间的循环圈层扩大。
这个意义上来说，本科生是AI前进中的必要动力。
正方观点C ：AI必须建立跨学科的独立体系
还有另一个更加学术层面的声音，认为今天AI学科的发展，主要阻碍之一在于附庸于计算机科学专业，已经十分不利于AI本身的学科发展。
比如我们知道，AI的顶会、数据测试都自有一套逻辑。假如某企业的研究成果，在某个顶级比赛上让人脸识别的效率提升到某某指数，那么当然是巨大的成果。但在高校学科体制中却不然，因为AI的算法比赛机制是独立的，不纳入计算机科学的考察范畴。这会很大程度上限制国内AI学者参与世界竞争的热情。
另一方面，AI虽然大体可以看做计算机科学的一个子集。但事实上AI是一个高度跨学科的领域，有大量问题是非计算机科学的，而是涉及信息科学、数学、社会学、心理学、生物学、认知科学，甚至法学、伦理学等等。
在国际范围内，基于AI成立跨学科研究体是大势所趋。但现有学科体制却限制了AI的融合式学科发展，影响了人才交流与信息互通。
这种条件下，把人工智能学科独立出来，从本科生开始培养专属人才就成为了热门议题。而从技术轨迹的长远发展看，一个独立跨学科的AI科研体系，也是开展国际化AI竞争的绝对必要条件。
给潜在AI本科生的一点建议
人工智能到底要不要成为本科专业，不是一个绝对如此或者如彼的问题，更多情况下见仁见智，其成败在于整个教育体系和社会结构的共同把持。但根据上面这些看法，不妨给想要把AI作为专业的童鞋一点建议：
首先，综合来看今天AI的应用前景和就业基本面没有问题。但未来有不确定性，技术也在随时变化，一定要理性考虑谨慎选择。而且读了AI专业绝不意味着预定了高薪高职位。快速变化的AI可能把任何人摔下自己的马车。
其次，一定要警惕不靠谱的人工智能专业。AI的师资目前在国内是绝对的师资资源，如果你报考的学校本来在AI领域不强，也没有引进知名专家，却突然办起了AI专业，那么一定要小心为上——说不定老师还没有你懂得多。
而国外的AI本科生教育比国内稍早一些，与国内的区别主要集中在所教授领域相对更集中，更注重学院本身的优势教育和研究。一般美国的AI本科教育，是强调主修方向，其他选修，而国内的AI本科教育还是强调AI领域的通识。哪种更好也没有定论。
值得注意的是，国外AI本科教育中，明显比国内更加强调AI的人文与伦理教育。这些内容其实是必修课，有志于AI的童鞋应该想办法自己补强。
而假如真的很喜欢AI，却没有找到合适的专业也不用急。有一些迂回策略可以考虑，如果有志于高阶的AI研究与创造，应用数学和认知神经科学是两个最好的选择。假如想要快速进入AI行业，那么数据科学是最接近应用的AI相关领域。
接下来，关于AI要不要进本科的争论应该还会继续。而与此同时，关于AI要不要进高中的讨论，也已经开始进入公众视野……
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
