上個禮拜，北京航空航天大學主辦了國內首屆人工智能本科專業研討會。會上清華大學、南京大學、西安交通大學等國內26所大學共同發布了《關於設定人工智能專業建議書》，呼籲盡快設定本科人工智能專業。
毫無疑問，這個高考季當中，人工智能已經成為了一個熱門話題。伴隨著知名高校的呼籲，我們還可以看到各個名牌大學的人工智能學院、人工智能研究院如雨後春筍一樣成長起來。中國科學院、南京大學、清華大學，都已經在一年內成立了類似研究機構。
而政策層面，國家《新一代人工智能發展規劃》中也明確提出要建設人工智能學科。人工智能要發展，需要人才和學術建設應該是毫無爭議的問題。
但關於人工智能是不是要在今天就成為本科專業，卻是個充滿爭議的話題。
在目前的學科規劃中，人工智能的主體是電腦科學下的二級學科。一般要到研究生階段才能選擇攻讀。與此同時，AI相關專業還散落在數學、資訊科學，甚至社會學、心理學、生物學當中。
有人認為，這樣的規劃已經無法滿足AI發展的真實需求；也有人認為AI剛剛發展起來，就要高校體系來給予配合，有點過於冒進了。
在大多數省份，現在還是填報志願的階段。咱們不妨來透視一下這場爭議中的幾個觀點，如果身邊有學子正在糾結於是否選擇，或者如何選擇AI相關專業，不妨思考這幾個聲音之後再來判斷。
反方觀點A：AI不穩定，就業有風險
讓我們先從反對觀點說起。
眾所周知，大學生不會都進入研究生階段繼續攻讀，那麽AI本科專業存在的意義，當然就是能為大量大學生提供就業技能與機遇。
但就今天的AI來說，是否能為四五年後，以至於長期投入社會的大量人才提供就業機會呢？這可能誰也說不好。
AI的發展足夠快，需要人才足夠多，這在今天是沒有問題。但若乾年後的AI會依舊能創造大量就業投入嗎？甚至說若乾年後的AI，是否還和現在我們看到的機器學習統攝下的AI需求一致？這些都是問號。
在很多人看來，加快人工智能進本科的進度，同時也意味著把這些大學生從對電腦科學的學習中隔離出來。那麽假如學成後AI不那麽火熱了，就業機會減少；或者AI在此期間經歷了快速的技術發展，學到的東西不足以致用，同時也不能讓每個人都繼續學術研究。最終豈不是把就業風險施加到了學生身上？
因為某個領域火爆，大學就爭先恐後設立專業，結果學成出來發現滿不是那麽回事了。這種情況在中國並不算少見。那麽這種情況下，把AI從電腦科學領域獨立出來，似乎還不夠穩妥。
畢竟不能讓選專業這個很可能影響終生的大事，變成一場賭博。
反方觀點B：泡沫可恥，跟風有害
AI發展過快，帶起了大量泡沫，這應該是個不爭的事實。那麽高校過快迎合風口，設定AI本科專業，很可能會變成泡沫的催化劑。
另一種觀點認為，AI設定本科專業在很大程度上是有道理的。但這個合理性僅僅限定在師資力量齊備，有廣泛研究優勢的部分高校中。一旦閥門打開，千奇百怪的學校跟風設定AI本科專業，很可能會貽害學生。
我們提起國內高校的AI大牛，似乎每個名字和他們所在的學校與研究機構都讓人感覺熟悉。換句話說，大部分國內高校對於AI這東西是相當陌生的。現在的人工智能研究，目前僅僅是小部分學校與大牛的“專屬”，而一旦各種地方院校，甚至資質不佳的合辦院校要爭取AI風口。那麽很可能強行設定一批師資和科研項目，這對於整個AI學術是有害無益的。
歸根結底一句話，頭部學校準備好了開AI本科，但後面茫茫多的學校，真的有老師和研究力量去支撐本科的AI教學嗎？
而AI這塊滾熱的蛋糕，隨便想想就知道是不能放棄的。如果AI本科教育突然襲來，如何抵製跟風者擾亂AI教育，這個問題似乎還沒有答案。
正方觀點A：人才缺口，真的已經很大很大了
以上兩種反對觀點，很大程度上是出於對AI未來的懷疑與不信任。但支持AI快速成為本科專業的聲音，則更多著眼於AI的現在。
AI的今天，一個最基本的情況，就是缺的人真的太多太多太多了。
去年校招季，在北京招一個剛畢業沒有任何成果的AI研究生，就需要年薪30萬的代價。這當然有風口的加持，但AI崗位缺人的狀況也可見一斑。
根據相關報告統計，到2017年年底，中國AI人才缺口已經超過了百萬級，而在今年這個缺口開始進一步拉大。
事實上，AI人才的缺口不僅限於中國，即使是矽谷，也在每天經歷著AI崗位需求的擴大。李開複曾經提出：“在矽谷，做深度學習的人工智能博士生，現在一畢業就能拿到年薪200萬到300萬美元的錄用通知，三大公司(谷歌、臉書和微軟)都在用不合理的價錢挖人。”同樣在歐洲、印度，加快培養AI人才，尤其是中低端人才都是國家教育體系的重要任務之一。
在巨大的人才缺失之下，是限行AI人才培養效率有點慢。一般來說，一個學電腦的大學生，在大三大四時候才能在某些選修課中接觸人工智能。而如果想要攻讀人工智能方向要到研究生之後。再加上研究生學習中往往沒有經歷過算法應用的實踐，畢業到企業後還需要經歷一到兩年的再培養。這也意味著，一個AI人才一般要到27歲之後才能上崗，這顯然無法供給今天AI產業的發展速度。
事實上，AI產業是一個金字塔型架構。不僅需要高端的邏輯與算法人才，還需要完成大量應用型，甚至是數據型工作。這些工作很大一部分都可以給大學生作為實習機會，而且企業往往歡迎導師帶隊的大學生入駐實習。
這樣一些簡單的AI工作，入職者可以從27歲提前到20歲左右，這對於整個AI產業的勞動力供給是效能巨大的。
同時，高收入和高就業率也在吸引著學生的目光，讓他們辛苦繞一圈才能進入AI，這好像也有點殘忍。
正方觀點B：產學研一體化，強烈期待AI大學生
AI人才缺口可以看做一個行業基本面，而在這背後，是AI科研體系的獨特性，正在催動著AI人才更早與企業接觸。這也間接促使AI大學生這個群體到來。
大家都在說，AI是一個高度產學研一體化的領域。但到底是怎麽一體化的呢？
首先我們可以看到，今天的大多數AI應用是基於神經網絡與算法達成創造性的。而神經網絡的特點是結構延展。換句話說，AI的技術世界不是非此即彼，而是堆疊和嵌入的。回到人才端，這就讓很多企業中的AI任務與工作，可以分派出來讓獨立小組完成。這讓象牙塔中的師生走入企業有了絕佳的機會。而一些數據清洗、數據標記類的機器學習基礎工作，更是非常適合交給“懂基礎的實習生”來完成。
另外，根據相關統計，常青藤高校的AI研究成果，有超過75%最終得到了商業轉化。這個比例在各學科中名列前茅。AI的特性決定了高校中的研究和企業中的研究相似度非常高，而師生的創造有很大比率可以被快速轉化。這個機會對於老師、學校、學生，以及整個產業，是一個多方共贏的局面。那麽第一步，還是讓學生盡快進入AI的世界。
還有一個問題值得注意，今天的AI研究是要基於大量數據和算力支撐的。但是這些東西往往不存在於研究室當中，而是只見於科技企業內部。這也就要求實驗室必須要到企業中去，給企業提供更多價值。而大學生的勞動和創造力，事實上是這個置換關係之一。
由這些理由，企業和學校都在期待更多學生快速組成產學研一體化的基礎，讓企業與學校間的循環圈層擴大。
這個意義上來說，大學生是AI前進中的必要動力。
正方觀點C ：AI必須建立跨學科的獨立體系
還有另一個更加學術層面的聲音，認為今天AI學科的發展，主要阻礙之一在於附庸於電腦科學專業，已經十分不利於AI本身的學科發展。
比如我們知道，AI的頂會、數據測試都自有一套邏輯。假如某企業的研究成果，在某個頂級比賽上讓人臉識別的效率提升到某某指數，那麽當然是巨大的成果。但在高校學科體制中卻不然，因為AI的算法比賽機制是獨立的，不納入電腦科學的考察範疇。這會很大程度上限制國內AI學者參與世界競爭的熱情。
另一方面，AI雖然大體可以看做電腦科學的一個子集。但事實上AI是一個高度跨學科的領域，有大量問題是非電腦科學的，而是涉及資訊科學、數學、社會學、心理學、生物學、認知科學，甚至法學、倫理學等等。
在國際範圍內，基於AI成立跨學科研究體是大勢所趨。但現有學科體制卻限制了AI的融合式學科發展，影響了人才交流與資訊互通。
這種條件下，把人工智能學科獨立出來，從大學生開始培養專屬人才就成為了熱門議題。而從技術軌跡的長遠發展看，一個獨立跨學科的AI科研體系，也是開展國際化AI競爭的絕對必要條件。
給潛在AI大學生的一點建議
人工智能到底要不要成為本科專業，不是一個絕對如此或者如彼的問題，更多情況下見仁見智，其成敗在於整個教育體系和社會結構的共同把持。但根據上面這些看法，不妨給想要把AI作為專業的童鞋一點建議：
首先，綜合來看今天AI的應用前景和就業基本面沒有問題。但未來有不確定性，技術也在隨時變化，一定要理性考慮謹慎選擇。而且讀了AI專業絕不意味著預定了高薪高職位。快速變化的AI可能把任何人摔下自己的馬車。
其次，一定要警惕不靠譜的人工智能專業。AI的師資目前在國內是絕對的師資資源，如果你報考的學校本來在AI領域不強，也沒有引進知名專家，卻突然辦起了AI專業，那麽一定要小心為上——說不定老師還沒有你懂得多。
而國外的AI大學生教育比國內稍早一些，與國內的區別主要集中在所教授領域相對更集中，更注重學院本身的優勢教育和研究。一般美國的AI本科教育，是強調主修方向，其他選修，而國內的AI本科教育還是強調AI領域的通識。哪種更好也沒有定論。
值得注意的是，國外AI本科教育中，明顯比國內更加強調AI的人文與倫理教育。這些內容其實是必修課，有志於AI的童鞋應該想辦法自己補強。
而假如真的很喜歡AI，卻沒有找到合適的專業也不用急。有一些迂回策略可以考慮，如果有志於高階的AI研究與創造，應用數學和認知神經科學是兩個最好的選擇。假如想要快速進入AI行業，那麽數據科學是最接近應用的AI相關領域。
接下來，關於AI要不要進本科的爭論應該還會繼續。而與此同時，關於AI要不要進高中的討論，也已經開始進入公眾視野……
香港九龍灣馬來街興發大廈15樓D室