你知道人工智能从业者主要来自哪些专业吗？

人工智能是目前非常受关注的领域，所以想要从事这个领域，首先需要对这个领域要有基本的了解，然后看自己是否真的感兴趣，再选择报考。

Part 1：人工智能是什么？

人工智能其实是一个非常泛的概念，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括图像识别、语言识别、专家系统、自然语言处理和机器人科学等。在人工智能诞生以来，技术和理论都在不断成熟，应用领域也在不断扩大，可以猜想，未来的人工智能带来的创新科技产品，将是人类智慧的容器。

Part 2：人工智能的专业选择

人工智能可以说是一门高尖端学科，属于社会科学和自然科学的交叉，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论。研究范畴包括自然语言处理、机器学习、神经网络、模式识别、智能搜索等。应用领域包括机器翻译、语言和图像理解、自动程序设计、专家系统等。

对于本科并没有专门、深入的AI、ML专业，因为毕竟这些方向属于高层次的知识，需要一定的基础。但由于现在AI热还有工业界对于这方面人才的强烈需求，所以已经有些大学专门开设了数据科学专业，更甚者是数据科学学院。所以如果有意向从事AI相关的工作，在本科专业上可以尝试以下选择：

1、如果是暂时没有太大倾向，既有可能做科学研究，也有可能做工程开发，可以选计算机方向，例如“计算机科学”（Computer Science），软件工程（Software Engineering），目前情况来看，最对口从事AI方向的的确是CS，AI具体的里面的子领域如Machine Learning，Computer Vision， Natural Language Processing，Data Mining等，在CS的高年级和研究生阶段都有对应的课程和研究方向。AI工作既需要非常扎实和广泛的数学基础同时也要求很高的实做能力，而CS正好在这两方面都有着重培养。如果要专门从事这个AI领域，本科选择CS是一个极佳的选择，当然智能科学方向只是CS这一个大专业的其中一个子领域，对于没有从事这方向的CS学生来说，之后转向此领域也是相对比较容易的，毕竟CS的基础是从事AI工作的必要条件，在当今各个领域全面智能化的今天，各个领域都需要AI人才和懂如何配合AI工作的其他领域的人才，而这两者的高端人才都将大量来源于CS专业。

2、如果是潜心做学术，搞理论研究，那么专业推荐选择“应用数学”。目前的机器学习机器学习本质上是微分方程、概率论、矩阵分析等等数学领域的一个应用场景。而近年来发展蓬勃的深度学习，正是机器学习的一个非常接近人工智能的分支。因此，人工智能方向的研究人员需要有扎实的数学基础才能做好AI的理论研究。这个专业主要是培养学生的数学基础，比如微分方程、线性代数、数理统计、信息论等，这些都是人工智能和机器学习的基础。除了这些基础的学科知识，还可以了解下传统机器学习的知识，多加锻炼编程能力和英语，但完成本科应用数学专业的学生，如果就读研究生，通常就转专到计算机方向或者经济类方向。

3、我国前几年还出了“智能科学与技术”专业，根据你的高考成绩，可以尝试选择北大，大连海事，西安电子科技，南开，北邮，首师，中南，厦大等数十家高校（排名不分先后）。但是大学教育还不强调很专业很深入的，在本科阶段需要学的广一些，把基础打好，提高GPA，广泛涉猎其他领域，找准自己真正的兴趣。修过“智能科学与技术”这个专业的人表示，其实学的东西基本上是介于Computer Science和Electrical Engineering专业之间的，虽然也有模式识别，但是都是比较表面，并没有深钻研，真正的有关智能的研究却是在研究生阶段，但是本科如果能有比较好的基础（不仅是在数学和英语，还有编程能力，比较简单的智能算法的仿真与应用），这对以后的学习与发展都是很有帮助的。

不排除现在的自动化、通信、机械 等专业在一定程度上都会往智能靠拢，无论是什么专业都可以在课外学习相关的知识，尤其是在这个优质学习资源随手可得，终身学习的时代，但在整体课程的安排上，这个专业还是会不同于其他的专业，而且这有个优点是在读研复试的时候会有些加分，缺点在于：如果不读研，那么就业平均情况是弱于其他专业的，毕竟这个专业在社会认可度较低，而且本科知识较浅，基本上对于职业化帮助不大。

但是无论选择什么专业，只要想要从事AI的工作，可以尝试去掌握以下技能：

1、Information Theory：开启新的视角，无论是理论还是应用都会用到
推荐教材：Elements of Information Theory 2nd Edition 

2、Linear Algebra：无论学什么，都是基础中的基础必须学会。
推荐教材: Gilbert Strang 的书和视频

Linear Algebra，Stephen H. Friedberg

3、Basic statistics & probability & stochastic process：

顺便说一下，一般的鄙视链是这样的：algebra > probability > statistics > statistical learning > computer vision > old-school AI。

概率学深了可以很深，但是对the application of machine learning (a.k.a. computer vision) 用处不大。
推荐教材：暂时没有

4、Signal Processing/Image Processing：对于computer vision很重要，但对有的领域比如NLP，或者大部分machine learning ，用处有限。
推荐教材：Image Processing, Analysis, and Machine Vision很老但是适合扫盲。

Richard Szeliski的Computer Vision: Algorithms and Applications 新但是略偏

graphics和multimedia，Computer Vision: A Modern Approach (2nd Edition) Amazon.com: Book是经典百科全书。

还可跳过细节看David Marr的 Vision: A Computational Investigation into the Human Representation and Processing of Visual Information

5、Statistical learning：哪怕deep learning再火，它也不可能解决所有问题，统计知识是必备的。所以统计学习的那一套基础知识
推荐教材：
The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition
和
Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning series)

Pattern Recognition and Machine Learning (Information Science and Statistics): Christopher Bishop

6、Optimization：绝大部分统计学习问题都会转化成优化问题，区别在于有的是严格的分析转化如SVM，有的只是走个优化的套路但真正理论基础还没有得到完善比如deep learning。
推荐教材：可以尝试 Convex Optimization : Stephen Boyd, Lieven Vandenberghe 。

Part 3：人工智能行业前景

第一、对于科技公司而言，人工智能，及其中的机器学习技术应用范围很广。从垃圾邮件过滤，到互联网广告的精准投放，以及未来的自动驾驶都能用得上它。以彭博社对 Google 产品的统计为例，用上人工智能的产品近年来几乎都在翻倍增长。

从 2012 年到2015 年，Google 涉及人工智能的产品数变化

但大部分的从业者经验还很有限。根据 LinkedIn 的统计，在美国，从业时间超过 10 年的人才比例也仅占 50%。

图：全球、美国、中国人工智能人才从业年限结构对比

因而对AI人才的争夺也成了大公司布局人工智能领域重中之重的事。

每年 12 月在加拿大举行的神经信息处理系统大会，曾是一个略显神秘的学术会议，如今成了人工智能领域的达沃斯论坛。去年这个会议的参会者数量已达 3800 人，对比 2010 年翻了三倍。这也是专业研究者和科技公司老板们接触的大好机会。

第二、对于大学研究院、人工智能研究所而言，他们非常希望招纳更多的人工智能人才来从事基础研究，招纳更多愿意公开分享知识的教学人员来培养更多的人工智能未来研究者。

有专家预测，从现在到2040年将会是狭义的人工智能快速发展、并且深入到各个行业以及消费者个人生活的阶段。从人工智能驱动的一些应用中，语音识别的产业化、商业化程度最高，自动驾驶汽车与智能顾问成为炒作最高点，自然语言处理或生成、虚拟个人助手和智能机器人仍处于爬坡期。

另外，自然语言处理或生成将会开启人机交互的新界面，也是其他许多的人工智能应用的基础，到了2025年的市场规模或达300亿美元。而具有相互学习、自我学习并与人密切协作的智能机器人到了2025年或将成为服务机器人的一种主要形式，在工业机器人的领域市场份额可达25%，有700亿美元的规模。

因此，人工智能有着非常不错的就业前景，我国目前处于产业升级阶段，人工智能和工业机器人方面都是较为强烈的热点，近两年我国出现了大量的人工智能创业公司或者是专注于人工智能研究的实验室。

以图像识别技术为代表的有图普科技，基于深度学习技术多维度解读图片和视频，为企业提供色情识别、暴恐识别、广告识别、人脸识别、场景识别和物体识别等数十种智能识别服务，目前已经和包括58同城、迅雷、秒拍、唱吧、花椒直播、Bilibili、糗事百科等数百家互联网企业和政企机构取得深入合作，致力于打造最大、最全面的图像识别云平台，为各行各业带来最有效的图像识别整体解决方案。

以语音识别为代表的有出门问问，致力于将人工智能技术落地到消费产品，定义下一代人机交互的方式，曾发布纯圆智能手表Ticwatch，搭载自主研发的Ticwear操作系统，是出门问问人工智能技术成功落地的一款可穿戴设备。在未来，出门问问进一步落地人工智能的软硬结合模式，打造更多更互联互通的AI原生态硬件，人们可以通过问问手表Ticwatch来控制智能家居、智能汽车、机器人等AI原生态设备。

除了这两种，还有其他类型的人工智能创业公司，例如致力于打造基于人工智能算法的芯片、系统和软硬件平台产品的地平线机器人，将云端的大规模深度神经网络算法实现在高性能低功耗的“大脑引擎”上，带来设备端上的智能，横跨图像、语音、自然语言理解和运动控制，应用在家居、汽车、安全等领域，打造一套完整开放的软硬件解决方案。

但即使目前我国人工智能公司求贤若渴，若想找一份自己满意同时公司满意自己的工作，难度肯定会较高。不仅需要学过诸如智能语音、智能图像、智能语义或生物特征识别等人工智能技术的相关领域、基础知识扎稳，同时还要有创新的思维能力、一定的工程实践能力，在未来，一定会有越来越多的企业、人才加入到人工智能产业中，各领风骚、兼容发展将是中国人工智能产业独特的风貌，同时AI的竞争也是中国实现弯道超车的一次绝佳机会。

注：部分数据来源好奇心日报、知乎

您也可以关注我们的官方微信公众号（ID：ctoutiao），给您更多好看的内容。