自然语言处理：旨在让计算机理解和处理人类语言。与 C++、Java 等人工设计的编程语言不同，人类语言是大自然的产物，因此被称为"自然语言"。人类语言也是典型的无结构数据，由字词组合而成，如何理解一句话、一篇文章甚至一本书的意思，也是人工智能面临的挑战问题。由于语言是人类特有的传递丰富信息和知识、表达复杂思想和情绪的载体，甚至被认为是人类思考的重要工具，因此自然语言处理问题更接近人类高级认知智能，有很多重要的开放问题。

知识表示与计算：人类对世界的认识积累形成了知识，知识是人类理解外部信息、实现各种智能能力的基础。近年来随着知识图谱的广泛应用，成为研究界和工业界关注的重点问题。

正因为年轻，这些方向都充满着活力，一方面最新技术日益深远地影响着人类社会生活的方方面面，同时学科体系和技术框架也在飞速地日新月异、推陈出新，现在去翻十年前的教材很多内容都显得过时了。

从学科设置来看，国内大学遵照教育部《学位授予和人才培养学科目录》来颁发学位。最初的计算机一级学科是"计算机科学与技术"，下设"计算机系统结构"、"计算机软件与理论"、"计算机应用技术"三个二级学科，其中"计算机系统结构"对应高性能计算（超算）和计算机网络体系架构（互联网），后来单独成立出"网络空间安全"一级学科；"计算机软件与理论"对应软件工程和计算机理论科学等，后来单独成立出"软件工程"一级学科；而"计算机应用技术"则对应计算机的各类应用技术，很大程度上正沿着从信息化到自动化再到智能化的路线前进，可以想见，如果现在这波 AI 浪潮还能持续几年，单独成立"人工智能"一级学科也指日可待。

从研究配置来看，AI 研究队伍主要分布在计算机、自动化、电子工程等信息科学相关院系中，这与 AI 起源有密切关系，计算机的奠基人图灵、冯诺依曼，自动化的主要理论基础"控制论"的奠基人维纳，以及电子工程和信号处理的主要组成"信息论"的奠基人香农，均为 AI 的创立贡献了思想。

所以，计算机系主要从计算理论和计算机应用的角度研究 AI，自动化系从自动控制的角度理解 AI，电子工程系则从信号处理（将 AI 关心的视觉、文本、听觉等模态理解问题看做信号处理）的角度解读 AI。

当然，在哲学、脑神经等其他领域也有从事人工智能探索的学者。不过总体而言，由于人工智能核心目标是探索如何将人类智能转化为可计算问题，因此它主要还是落在计算机领域。

人工智能学什么？

如前所述，人工智能大致还是一个计算机应用的课题。虽然这两年国内外已有很多高校开设了人工智能班和专业，课程设置还没有形成共识。我们可以从国内 AI 本科教育体系的先声——南京大学人工智能学院发布的《南京大学人工智能本科专业教育培养体系》做一些分析。

作为对比，这里列出清华大学计算机科学与技术系的选课指导清单，其中用红框标出了与人工智能有关的限选课程。

可以看到，人工智能需要学习的主要内容包括：

数学基础课：清华 CS 和南大 AI 都需要学习的有 微积分（或数学分析）、代数与几何、离散数学（或数理逻辑、图论等）、概率论。南大 AI 新增 最优化方法，这在清华 CS 为研究生课程。

学科基础课：清华 CS 和南大 AI 都需要学习的有 程序设计基础、数据结构、人工智能导论、计算机原理、数字电路、系统控制。南大 AI 新增 机器学习、知识表示、计算机视觉、自然语言处理 作为学科基础课，这在清华 CS 均为高年级选修课或研究生课程；清华 CS 需要额外学习 电路原理、信号处理、操作系统、编译原理、形式语言与自动机，这些被南大 AI 列为专业选修课。

专业选修课：南大 AI 设立了很多 AI 相关的专业选修课，如 自动规划、概率图模型、强化学习、神经网络、深度学习等，在清华 CS 均为人工智能方向研究生课程；而南大 AI 设立的很多认知科学、神经科学、计算金融、计算生物学、计算语言学等交叉课程，在清华则分散在各院系开设的课程。

由此可以总结，目前看 AI 本科专业核心课程的设置与计算机专业相比，重叠部分要远大于差异部分。可以看出南大在 AI 课程体系构建方面花费了大量心力，非常符合 AI 的当前发展特点。

所以，回到这个问题，人工智能学什么？

建议就是以计算机核心课程（数学基础课、学科基础课）为学科主线，以 机器学习、知识表示、计算机视觉、自然语言处理 为学科特色，以学科交叉为辅助。

因此，我们也可以说，无论是在以南京大学人工智能学院为代表的新成立的人工智能专业，还是以清华大学计算机系为代表的计算机专业，都可以完成对人工智能基础知识的学习。

不同之处在于，前者预置为学科基础课，后者则成为高年级时的可选方向（计算机系统结构、计算机软件与理论、计算机应用技术）之一的计算机应用技术，如下是该方向的专业限选课程列表，其中超过一半课程是 AI 相关。

人工智能本科专业知识体系与课程设置

内容简介

本书针对高等学校人工智能本科生专业人才培养的专业内涵、定位和知识体系，设置了数学与统计、科学与工程、计算机科学与工程核心、人工智能核心、认知与神经科学、先进机器人技术、人工智能与社会、人工智能工具与平台等专业课程群，重点介绍了八大课程群中各课程的概况和知识点，为培养具有科学家素养的工程师奠定知识和能力的基础。 本书可为各类学校人工智能专业构建宽口径、学科交叉课程体系提供参考和引导示范，同时也可为研究生相关课程体系建设和专业学习提供指引。

人工智能怎么学？

清华大学章程明确提出"价值塑造、能力培养、知识传授"三位一体的育人模式，刘知远教授认为这是高水平 AI 人才养成方式的最佳描述。

知识传授这层不必多说，师者传道受业解惑，在大学里通过课程讲授和课下实践，研习精通计算机和人工智能理论与技术，每位同学通过一门门课程成绩反映出的，正是专业知识掌握的水平。绝大部分同学都能明白课程学习的重要性。然而，大学之道不仅于此，不然大学就不过是个专业技校。

在知识传授之上就要构筑能力培养，这对 CS/AI 专业而言尤其重要。计算机和人工智能是非常年轻的学科，正处在飞速发展的朝阳时期，学科知识更新换代很快，大部分最新知识根本无法在短时间内及时沉淀到教科书中。而进入教科书的那些知识，与实际应用场景往往已有较大距离。

很多 CS/AI 高科技公司自身就站在学科最前沿，亟需有快速学习和独立解决开放问题能力的人才。这样，一方面要求同学有意识建立终身学习的理念，有较强的独立学习的能力；另一方面则要求同学注意通过实验室研究等方式锻炼科研创新能力。

CS/AI 同学们需要主动参与科研工作的全过程，树立专业志趣，培养独立学习的能力、自我学习的习惯、提出问题的意识、以及独立解决开放问题的能力，这是大学培养 CS/AI 高水平人才的必由之路。因此，大学教师在 CS/AI 开展高水平原创研究的能力，也一定程度上决定了他们对学生进行能力培养的水平。

最后一层价值塑造也许是最玄乎的，但更加重要。一个人在知识和能力确定的情况下，Ta 的努力方向和坚持程度最终决定其成长的高度。找到在术业上的坚持方向，就是价值塑造的过程。

这个过程绝不是简单粗暴的灌输和宣讲就能实现的，要有高水平的教师一起教学相长，有志存高远的同学共同努力拼搏，有各界奋斗的学长作为示范榜样，有校外海外的实践平台广开视野。实践出真知，只有自己多听多看多想，才能找到自己喜欢的、努力的方向，也才更有后劲坚持不懈。

所以，不管是人工智能、计算机专业还是其他什么专业，只要想把自己培养成为该领域的可堪大用之才，就需要从知识、能力和价值这三个层面来努力提升自己。

人工智能本科专业高校名单大全（440所）

免责声明：本文来自腾讯新闻客户端创作者，不代表书圈的观点和立场。返回搜狐，查看更多