这几年，Artificial Intelligence几乎成了大学专业里关注度很高的一个方向。
ChatGPT、自动驾驶、智能机器人、图像生成、语音识别……很多生活中已经出现的技术，都和人工智能有关。
但也正因为AI工具越来越普及，不少学生容易产生一个误解：
“我平时很会用AI，是不是就适合学人工智能？”
实际上，会使用AI产品和在大学学习人工智能，是两件完全不同的事情。
人工智能专业真正学什么？
人工智能并不是学习怎样使用各种AI软件。
它更关注这些技术背后的原理。
例如：
计算机为什么能够识别图片？
机器怎样从大量数据中寻找规律？
聊天机器人为什么能够理解和生成文字？
自动驾驶系统怎样判断周围环境？
为了理解这些问题，学生通常需要学习计算机、数学和数据相关知识。
常见课程可能包括：
编程；
算法与数据结构；
机器学习；
深度学习；
计算机视觉；
自然语言处理；
机器人技术；
概率与统计；
线性代数等。
因此，人工智能本质上仍然属于技术性比较强的方向。
数学重要吗？
比较重要。
机器学习背后涉及大量数学原理，概率统计、线性代数和微积分都会出现在相关学习中。
本科阶段申请人工智能或计算机相关课程时，部分英国大学也会对数学科目提出相应要求。
所以，如果学生喜欢AI产品，却非常排斥数学和编程，就需要认真看看课程内容是否符合自己的学习特点。
人工智能和计算机科学有什么区别？
Computer Science通常覆盖范围更加广泛。
除了人工智能，还可能学习：
软件开发；
操作系统；
数据库；
计算机网络；
算法；
计算机系统等。
Artificial Intelligence则会把更多课程集中在机器学习、智能系统、数据和算法等领域。
不少大学还会开设：
Computer Science with Artificial Intelligence
这种课程既保留计算机科学基础，也加入较多AI内容。
对于本科阶段还不希望过早限制方向的学生，这类课程也值得了解。
本科和硕士的选择有什么不同？
本科阶段的AI课程通常需要从计算机和数学基础开始学习。
硕士阶段则更加细分。
除了Artificial Intelligence，还可能出现：
Machine Learning；
Robotics；
Data Science and AI；
Artificial Intelligence for Business等不同方向。
部分硕士课程要求申请者本科具有计算机、数学、工程等相关背景，也有一些课程面向其他专业学生开设转换型项目。
具体能否申请，需要查看目标大学的课程要求。
AI毕业以后只能做程序员吗？
并不是。
人工智能涉及的岗位可能包括：
机器学习；
数据分析；
算法；
软件开发；
自然语言处理；
计算机视觉；
智能产品等。
同时，金融、医疗、教育、制造、传媒等行业也越来越多地使用AI技术。
因此，未来工作环境并不局限于传统互联网企业。
人工智能很热门，但选择专业时还是需要回到课程本身。
真正的AI学习，需要面对数学、代码、算法和大量技术问题。
如果学生不仅喜欢使用AI，还好奇：
“它为什么能够做到这些事情？”
并且愿意通过数学和编程寻找答案，那么人工智能才可能真正成为值得深入学习的方向。
微信扫一扫
