请选择 进入手机版 | 继续访问电脑版

搜索爱好者

 找回密码
 注册会员

QQ登录

只需一步,快速开始

查看: 2439|回复: 1

高中生未来想研究人工智能,应该去哪所大学哪个专业?

[复制链接]
发表于 2018-3-3 01:14:23 | 显示全部楼层 |阅读模式

刘知远

自然语言处理、深度学习(Deep Learning)、机器学习 话题的优秀回答者


敝帚自珍,推荐清华。清华大学计算机系智能技术与系统国家重点实验室是国内在人工智能人才培养和科学研究的重镇。

多说一点清华计算机系的培养特色,除了严整的教学培养体系之外,本科同学有浓厚的科研氛围,从大一下学期开始就有学有余力的同学开始进入实验室或相关科研机构(如MSRA),跟随导师从事科研工作,在大三、大四开花结果,每年都有十余位本科同学在国际顶级会议和期刊上发表论文(例如2012-2013的本科生发表论文列表 清华大学计算机科学与技术系,最近几年逐年上升)。

当然,清华计算机系智能实验室距离国际顶尖AI研究机构(如MIT CSAIL)还有一定距离。不过可以肯定的是,这里会是我国有着AI梦的同学们绝佳的圆梦起点。
 楼主| 发表于 2018-3-3 01:15:52 | 显示全部楼层
李麟
图普科技(http://www.tuputech.com)市场负责人
收录于编辑推荐 · 159 人赞同了该回答
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,可以尝试选择清华大学,北京大学,上海交通大学,浙江大学,复旦大学,南京大学,东南大学,哈尔滨工业大学,西安交通大学,华中科技大学,北京理工大学,中山大学,大连理工大学,重庆大学,湖南大学,电子科技大学,西安电子科技大学,华南理工大学等数十家高校(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: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

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 。

另外,还有来自Derin Cag 推荐的与人工智能有关的书籍。这些人工智能书籍将能够帮助你了解人工智能的当前状态和未来可能的发展趋势。

1.Artificial Intelligence: A Modern Approach(人工智能:一种现代方法)

作者:Stuart Russell 和 Peter Norvig

Stuart Russell 本科学的是物理学,20 岁时获得了牛津大学最高荣誉奖,四年后他又在斯坦福大学获得了计算机科学博士学位,目前任教于加州大学伯克利分校。

Peter Norvig 就职于谷歌,是研究部主任。他是美国人工智能协会成员,也是计算机械协会成员。

这是介绍人工智能最综合的一本教科书,是该领域专业学生的最佳选择,通用于本科生和研究生,课时安排可以为一学期也可为两个学期。第三版的作者还包括 Norvig 博士,内容介绍了人工智能理论与实践领域最新信息。

2.Machine Learning(机器学习)

作者:Tom M. Mitchell

Tom M. Mitchell 是 CMU 计算机科学系的教授。

这应该是你踏入人工智能领域要读的入门书。本书首版于 1997 年,被引用过无数次,介绍了计算机算法是如何让机器不断自我提升。书中介绍了很多学习风格,以及学习理论。阅读本书无需有人工智能背景知识。

3.How to Create a Mind: The Secret of Human Thought Revealed(如何创造思维:人类思想所揭示出的奥秘)

作者:Ray Kurzweil

Ray Kurzweil 已经获得了多个理论和创新奖,拥有 9 个名誉博士头衔,多次获得美国总统颁发的荣誉。

本书中,Kurzweil 极富创造性地首次描述了人类思维的运作方式,并通过这种方式介绍了如何制作一个像人脑一般复杂的计算机大脑。他打算使用神经科学的前沿进展、他自己的研究,以及最新的人工智能研究来做逆向工程人脑使用技术。人工智能会改变生活的主要方式。

4.The Singularity is Near(奇点临近)

作者:Ray Kurzweil

Ray Kurzweil 在本书中用「奇点」描述了他的想法。奇点会随着人类智能与人工智能的慢慢结合而到来。我们最终会采用人类复杂的思维并将它发展到计算机智能上,让计算机智能在很多方面都会大大超过人类。

虽然 Kurzweil 不否认这会是最终的结果,他还是倾向于 人与人工智能会有一个乐观的未来。

5.The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind(情感机器:常识思维、人工智能以及人类心智的未来)

作者:Marvin Minsky

Marvin Minsky 是认知科学家,也是 MIT 人工智能实验室的创始人之一。他在人工智能理论和实践方面有很深的研究。

Minsky 反对将思维、直觉、感觉和情绪分开来思考,他相信并在这本书中描述了,所有的这些都仅仅是不同的思维过程,如果我们学会如何利用这个过程,我们就能教机器像人类一样思考,让它们也拥有直觉、感觉和情绪。

6.The Economic Singularity: Artificial Intelligence and the Death of Capitalism(经济奇点:人工智能与资本主义之死)

作者:Calum Chace

Calum Chace 是一名职业作家,之前当过记者,也在商务领域摸爬滚打过,干过营销员也当过 CEO。

Chace 在本书中强调了「经济奇点」会在未来几十年内到来,到时候,大多数人都无法工作赚钱了,因为人工智能会做所有的工作。他说,这有可能是好事,不过还得看我们如何规划,也可能给世界经济带来毁灭性的灾难。因此,我们需要一个新的经济体系。机器人在很多地方都变得越来越常见,很快它们会占领每一个工作岗位,接管一般琐碎的工作。我们已经思考在人工智能接管我们的工作之前它们需要有具备人类心智和触觉。

7.Superintelligence: Paths, Dangers, Strategies(超级智能:路线图、危险性与应对策略)

作者:Nick Bostrom

Bostom 使用了很棒的类比来说明了当通用人工智能的心智比人类更强时会发生什么。在写作这本书的过程中,地球上的大猩猩和其它所有物种的命运都掌握在人类手中,因为人类的大脑能力更强。那么带有更强大的智能的人工智能又将如何看待人类呢?它们会像我们看待大猩猩甚至蚂蚁一样看待我们吗?它们会灭绝人类以拯救非人类的生物吗?

Nick Bostom 是牛津大学的教授和教员。

8.The Philosophy of Artificial Intelligence(人工智能哲学)

作者:Margaret A. Boden

这本文集收集了关于人工智能所面临的哲学问题的书。这里既有来自领域广泛的专家的经典和当代文章,也有来自人工智能思想领袖的作品。目前所面临的问题是:计算机(不管是一台还是很多台)能否可以模拟人类心智?

这份手册来自剑桥大学,由 Margaret A Boden 编辑整理。其中包含了一份广泛的阅读清单以及将读者引入这一主题的信息介绍。

9.The Emperor's New Mind: Concerning Computers, Minds, and the Laws of Physics(皇帝新脑:有关电脑、人脑及物理定律)

作者:Roger Penrose 和 Martin Gardner

和大部分人工智能书籍不一样,这本书经过了透彻的研究说明了人工智能机器将永远无法做到人类心智能够做到的所有事情。Roger Penrose 声称这本书全面地分享了他在物理学、数学、宇宙学和哲学上的研究。不管你是否认为人工智能能否比肩人类,这本书都是必读的。

Roger Penrose 是牛津大学的 Emeritus Rouse Ball 数学教授以及瓦德汉学院的荣誉院士。

10.Artificial Intelligence Simplified: Understanding Basic Concepts(人工智能简述:基本概念理解)

作者:Dr. Binto George 和 Gail Carmichael

这本书简述了人工智能的核心概念,以及在你开始了解人工智能时应该知道些什么。在深入到更高深的教科书之前,这是一本值得一读的书;你也可以将这本书作为进入大学学习人工智能课程之前的预训练。这本书覆盖了几乎所有的基本概念:从通用的算法到博弈树再到自然语言处理和超级智能。

Binto George 博士是西伊利诺大学计算机科学学院的教授。在从印度科学院(Indian Institute of Science)获得了博士学位之后他曾在 Rutgers 工作过一段时间。

本文参考资料:

1.Filestorm的技能树

2.机器之心《从入门到研究,人工智能领域最值得一读的20份资料》


来源:知乎
您需要登录后才可以回帖 登录 | 注册会员

本版积分规则

Archiver|手机版|大川乒乓网|中文搜索引擎指南网(搜网) ( 鲁ICP备16006309号

GMT+8, 2018-11-20 02:39 , Processed in 0.144515 second(s), 28 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表