又是一年高考結束，隨之而來便是一陣狂熱的報考志愿風，開設人工智能學院如今已在高校中形成一股熱潮。據了解，在2018年認定的首批612個“新工科”研究與實踐項目中，布局建設了57個人工智能類項目。截至2017年12月，全國共有71所高校圍繞人工智能領域設置了86個二級學科或交叉學科。

僅在今年5月，就有天津大學、南開大學、南京大學、吉林大學四所高校的人工智能學院揭牌。據不完全統計，此前已有中國科學院大學、西安電子科技大學、重慶郵電大學等高校開設了人工智能學院或相關專業。那么，人工智能專業究竟能否培養出真正的AI大學生人才，亦或者只是一味追風口的產物呢？

人工智能的發展與蛻變：炫酷登場之后的暗自傷神

說到人工智能，我們其實并不不陌生，互聯網時代帶來的龐大數據，為以算法為根本的人工智能技術提供了物質基礎。

在過去的幾年里，我們看到俄羅斯的人工智能機器人尤金首次通過了著名的圖靈測試，又見證了谷歌的AlphaGo和Master接連戰勝人類圍棋冠軍，這些擁有著濃厚“炫技”色彩的事件似乎在向人們表明人工智能技術已經發展到了一個很高的水平。

但事實上，人工智能究竟能夠做什么？“它到底能夠用在什么地方？”“它能夠給人類解決哪些問題？”不得不說，在人工智能技術的應用方面，中國的互聯網企業似乎表現地更加實用主義一些。

比如“ALL in AI”的百度幾乎把人工智能技術應用到了旗下所有產品和服務中；阿里巴巴通過展開NASA計劃致力于將人工智能技術推向“普惠”；華為也已經發布了自主研發的人工智能芯片并將其應用在旗下智能手機產品中。

可以看出，人工智能是一個比較接近應用層面的領域，智能制造、機器視覺、大數據的分析與處理、機器翻譯、文本分析與文本理解、無人駕駛、無人超市、刷臉支付、聊天機器人等等。

許多科技界的大佬一方面受益于人工智能技術，一方面又對人工智能技術發展過程中存在的威脅充滿擔憂。包括比爾·蓋茨、蒂芬·霍金等人都曾對人工智能發展做出警告。盡管從目前來看對人工智能取代甚至毀滅人類的擔憂還為時尚早，但毫無疑問人工智能正在搶走各行各業勞動者的飯碗。

就中國目前的情況來看，正處于從勞動密集型產業向技術密集型產業過渡的過程中，自然要受到人工智能技術的沖擊，而科技較為落后的東南亞國家和地區因為廉價的勞動力優勢仍在，受人工智能技術沖擊較小。

據世界經濟論壇2016年的調研數據預測：到2020年，機器人與人工智能的崛起，將導致全球15個主要的工業化國家510萬個就業崗位的流失，多以低成本、勞動密集型的崗位為主。

或許，人工智能終將改變世界，而由其導致的大規模失業和全球經濟結構的調整，顯然屬于人工智能“無情”的一面，而你我正在見證著這一切的發生。

但不得不說，隨著人工智能應用越來越廣，人們對于人工智能的期待也越來越高，而現在的人工智能，尚無法達到人們的“心理閾值”，當大眾期望走在科技進步后面時，研究者們就像是大冒險家，每到一處都是新的成就，掌聲與鮮花聞風而來。

當大眾期望走在科技進步前面時，人們更像是站在終點看起點，任憑研究者們在跑道上汗流浹背，等待他們的，卻只是一個早已預設好的終點。

這也就有了人工智能被嘲諷成“人工智障”的說法。但不管怎么說，我們在人工智能領域的造詣的確有待提高，而各大高校開設的人工智能專業是否能夠挽救“人工智障”呢？未來報考人工智能專業的大學生會像昔日的微商、電競專業一樣石沉大海么？

高校開設人工智能專業：看似美好，卻是無情

近幾年，隨著政府對人工智能領域的大力推崇，加之互聯網紅利末期的到來，市場重新進入新一代技術開荒期，新商業機會的技術門檻徒增：云計算、大數據、人工智能……無一不需要大量開發者來貢獻力量。而這便成為了一些高校開設人工智能專業冠冕堂皇的理由。

深究起來，人工智能是一個非常龐大異常復雜的概念，無法給出清晰的定義。

人工智能企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。研究范疇包括自然語言處理、機器學習、神經網絡、模式識別、智能搜索等；應用領域包括機器翻譯、語言和圖像理解、自動程序設計、專家系統等。

簡單來說，人工智能的概念已經超越了專業的概念，它是模仿、研究人類智力活動的決策、優化、控制、學習、規劃、協作等問題的集合，幾乎和所有的行業都可能、可以產生密切的聯系。

所以，許多高校的人工智能專業只是把電子信息類和自動化類重新排列組合，比如計算機＋數學、自動化＋計算機、智能科學與技術等等，新瓶裝舊酒，與之前成立的大數據專業類似，實際上還是那幾個專業。只是披上個人工智能的馬甲就變得高大上了。

而高校的專業與社會實踐之間似乎一直存在著谷倉效應。所謂谷倉效應，是將社會上一些各自為政、缺乏協調的企業或組織形象地稱作“谷倉”，各個組織或企業間缺乏相互協同的現象。

簡而言之，就是一種“社會各體系間孤島式”的現象。如果放在大學的專業中來看，在學校中灌輸的知識、在社會的實踐與應用，就是典型的兩個“谷倉”。雖然看起來在大學學習的專業是為了以后在社會上的工作與實踐，但實質上很難會有直接的介入和滲透關系產生。

而人工智能專業的設立，似乎更難捅破“谷倉效應”。

當然，并非所有高校的人工智能專業都只是一個噱頭，真正掌握人工智能技術的院校也有很多，但真正把人工智能學得比較透的，一般是碩士研究生或者博士，抑或是在國外留過學的專業人士，在人工智能浪潮下，人工智能的人才缺口也確實造成了極大的人才荒，因此，才有了五十萬年薪找不到一個靠譜人才一說。

這也就衍生出了大量公司在做培訓班，什么三個月班，五個月班之類的，但事實上，培訓班出不了AI大師，盡管培訓班可以培訓出看似很系統的東西，但也只是皮毛，就像快餐一樣，可以應付一時的饑餓，但真正解決不了營養均衡。

所以，從長遠看來，人工智能想要發展好，確實需要高校開設人工智能專業，從而系統化的輸出人才，但開設人工智能專業所面臨最大的痛點就是老師資源稀缺，人工智能人才水漲船高，優秀的老師人才都被公司挖空了。

因此學校開設人工智能專業，首先就是要確保學校能夠請得到優秀的老師資源。

不過，就算解決了師資的問題，還是有許多挑戰和痛點，比如人工智能技術迭代太快，本科生和本科教材能否適應這種速度？是否需要細分研究方向？所以課程體系的設置也是個很大考驗。

而且，像BAT這個級別的公司的招聘要求都是碩士起步，博士優先。未來是否會降低門檻都還未知，或許，以后的畢業生可能會面臨必須考研的窘境。

還有關鍵的一點，人工智能作為一門新興的前沿學科，有著大量前置課程需要學習，很多研究生都需要在導師或者前輩的指導下進行入門。

首先無論是在抽象建模還是模型算法分析設計環節，都需要依賴良好的數學基礎，而人工智能的核心領域——機器學習是計算機科學中對數學基礎要求最高的分支之一。

另外，對一些現代大型人工智能程序而言，甚至連高維數組的存儲順序都需做到優化，這如果沒有扎實的計算、軟件程序功底顯然是不行的。所以說，不管是清華北大還是三本大專，相較于大學的其他專業來看，想要學好人工智能需要更多的努力和汗水。

即便如此，在畢業之后，也并非就有很高的年薪，也是給在人工智能領域少數的優秀人才的，比如能在ccf－b上發論文，或者有acm金牌的人準備的。

所以說，從就業的角度來講，人工智能專業一個很大問題就是無法為普通的人留出足夠多的位置。這個跟傳統的專業不太一樣，大多數傳統的專業從低端到高端都能找到適合自己的位置。無非是優秀的人，能夠拿到優秀的報酬，中庸的選手得到中庸的薪資。

而人工智能領域不太一樣，社會上可供就業的“坑”沒有那么多，有興趣的人卻有很多，到時很有可能面臨狼多肉少的情況。

寫在最后

現如今，高校的人工智能，更多的要擔負起在未來競爭中的引領責任，而真正有實力開設人工智能專業的學校并不是很多，盡管大多數學校都堂而皇之的設立了人工智能實驗室和名義上的“人工智能”專業，實際上卻是不負責任的行為。

比起一味的追逐風口，不如在自身的人工智能專業尚未成熟之前，先開一門人工智能的選修的課程，循序漸進，才是高校們正確的探索之路。