其实我一直很好奇，经历过三年高中的苦战，刚刚结束高考的同学，他们眼中的「人工智能」专业到底是什么样子的？

我猜测，一定是抹去很多真实细节的，被美化乃至编造过的夸张信息，和真实从业者之间有着巨大的差别。

---

就像我之前写过的，媒体眼中的黑客和网络安全人员是什么样子的？

在他们看来，攻破网站就好像在打电子游戏。选定目标网站，入侵你的网银账户，定位你的位置，扰乱毫不相干网民们的生活，他们无所不能。

但事实上呢？这里展现在读者眼前的其实只是记者脑海中黑客的样子，而这些形象其实都是媒体编造出来的夸张形象。

而真实呢？对着电脑上黑色背景下的白色代码一连翻上翻下看上个几小时，熬夜干咖啡在数据库里找点有用的信息，花空心思想办法搞一份钓鱼邮件来套出密码——这不是媒体想要看到的。

---

「人工智能」专业，其实也差不多。

在他们看来，人工智能专业的学生仿佛每天都在打造下一个「天网」或者「贾维斯」，在数据洪流里随便摆弄几下，写下几行代码，一个操控人心的机器便出现了，一个无所不能的多模态模型便出现了？

实际上，这些形象，大多源自影视剧和流行文章中的夸张描写，很多时候非专业者所展现在读者眼前，其实只是公众脑海中对AI专业的浪漫幻想——迎合这种幻想有时也是媒体的工作核心之一。

现实中的人工智能专业，更多时候是与枯燥的数学公式、无尽的调参试验、以及一次又一次与跑不出结果的模型作斗争。

实际上，该专业跟夸的天花乱坠的各类「智能」产品可能毫无关系，跟「天网」和「贾维斯」也毛线关系没有，更多的可能是数据集里藏着的噪声和异常值，以及一堆让人怀疑人生的loss曲线，说不定还有实验室一台显卡也没有的悲剧现实，让你连loss曲线都看不到。

然而，媒体和公众平台不说，很多人便不知道，轻信了那些虚假的编造。

尤其是高中学业繁重，可能对外界知识关注没那么多的高三生，听信了媒体平台上的只言片语，对这个专业产生了不必要的美化，便立志要在大学学习「人工智能」。

基于错误的前提，构想出来的决定，这样真的正确吗？

---

近年来，计算机学科，尤其是本科阶段，很突兀地涌现了许许多多的细分学科，如很多年前大火的「大数据」、「物联网」，如今的「信息安全」、「密码学」和「人工智能」等。

大多数看起来都是一时火热，然后泯然众人，消失不见。

于我而言，我一直认为，这些学科其实更适合放在研究生学科里，本科就选「计算机科学与技术」这门学科就够了，或者再加一门「软件工程」。

举个例子，首先「工科」这是一类专业的集合，然后往下细分可能到「计算机类」，然后再可能分为「计算机科学与技术」、「软件工程」和「信息安全」等。

「信息安全」可以再分，例如「密码学」、「系统安全」、「量子安全」等等。

如果要求一个懵懂无知的高三学生，在本科阶段选择「工科→计算机类→信息安全→密码学」，也就是选择「密码学」这个专业，我认为是极其不负责的行为。

第一、太过细分了，本科可以划分专业，但不必要这么细分，可以做特定专业方向的大类通识教育，到研究生阶段中再细分。

第二、高三生对于「密码学」/「人工智能」的理解，往往和真实相差极大，如此轻率的选择这样细分的专业，对自己是不负责，也是对自己的不利。

---

「人工智能」其实是比「计算机科学与技术」/「软件工程」等狭隘很多的专业，我认为本科选择「人工智能」这个专业方向也是一种极不负责任的做法。

第一，过于细分。

本科阶段的学习应当以打好基础、广泛涉猎为主，而非直接被限定在一个尚处高速发展、边界仍在变动的具体方向中。

人工智能涵盖机器学习、计算机视觉、自然语言处理、强化学习等多个分支，其理论支撑又深深扎根于线性代数、概率论、信息论和计算机体系结构等基础学科。

让一个学生在尚未接触这些基础内容前就「签下未来」，无异于闭眼选路。

我请问，这跟赌博的区别到底是什么？

你可能会说，我想明白想清楚了，我就要选这个专业。

那我只能告诉你：赌徒，在赌桌上同样这么自信。

第二，虚假滤镜。

高三学生对「人工智能」的理解往往带有强烈的媒体滤镜。

他们看到的是会作画的AI、会聊天的ChatGPT、会下棋的AlphaGo，却很少知道背后是上百万人标注的数据、反复训练到崩溃的模型、以及涉及到的复杂的软硬件各种细节。

他们对这个专业的认知，往往是「AI很厉害」，而非「我要如何让AI厉害」。在这种误解下轻率做出专业选择，对自己未来的发展极其不利。

简而言之，人工智能作为一门交叉学科，更适合在本科阶段广泛接触、逐步理解、逐步深入，而不是一开始就被当作「专业方向」贴上标签。

也就是说，本科应是探索兴趣的阶段，而不是被过早锁定的路径选择。

---

最后，说回到这个问题：「未来想从事人工智能，本科阶段选什么专业合适？」

我希望推荐的是计算机科学与技术」（次优选择是「软件工程」）以及「数学」专业。当然，更推荐前者，我后面也会说明理由。

我推荐「计算机科学与技术」专业，有一个更重要的理由是：它足够普适，也足够广泛。

如果你本科阶段就被某个具体的细分方向（比如自然语言处理、深度学习、计算机视觉等）所框死，那是得不偿失的。

既然如此，为何不选择一个泛化能力更强、鲁棒性更高的专业？「计算机科学与技术」正好满足这一点。

它就像是人工智能这座高塔的地基，你可以站在这块坚实的地基上，等到研究生阶段再根据你的兴趣和理解深入挖掘、选择自己的方向，例如「网络安全」、「密码学」和「人工智能」。

再说回数学专业，它同样是一个非常值得推荐的人工智能「起点」。

我推荐「数学」专业，还有一个理由就是我亲眼见证了好几位研究生搞「人工智能」的，本科都是「数学」专业，包括我在知乎认识的一些知友。

很多人可能会误以为数学和人工智能的距离很遥远，但事实上，数学才是人工智能的底层抽象语言。

不管是我们常说的模型「训练」「优化」「微调」，还是其余的如「梯度下降」「高维空间」「正则化」「分布估计」等等，背后都深深扎根于数学。

如果你具备强大的数学素养，我认为会有利于后续的「人工智能」专业学习。

当然，要注意的是：数学专业并不等于只能搞理论，如果你在本科阶段选修一些计算机相关课程，或者选修计算机专业课程，乃至蹭点专业课，或者混进去一些实验室，那我觉得在研究生阶段顺利转入人工智能的应用或工程路径会更顺利。

当然，我其实更推荐「计算机科学与技术」。如果真的相比其他人快一步的话，更要学会在业余时间自主学习，深度学习， 电脑跑不动需要云租服务器的话，可以从性价比、易用、稳定三个方向来找。 七月份易嘉云平台yijiacloud.com.cn，有活动可以免费使用算力，新用户注册给50算力金，够跑24小时4080，需要的话可以去薅。

这样推荐，即是避免你走过于笔直的路，也是避免你走太多弯路。

「数学」虽然是AI的基石，但实际转入AI方向可能需要自己额外花时间去补足代码和工程能力，对于在本科阶段缺乏系统性训练的情况下的学生来说，这条路径挑战可能不小。

此外，说得直白一点，在现实的AI就业环境中，很多时候岗位并不要求你精通泛函分析、测度论、凸优化，甚至连梯度推导都可能用不到。你只需要熟练掌握现有框架，知道怎么调用API，能把模型搭建好、调出来跑通就可。

换句话说，对于大量AI应用层的工作岗位，工程能力和平台熟练度远比数学背景重要。企业并不会关心你能不能从原理推导Transformer结构，他们关心的是你能不能一周内把一个勒索病毒检测模型部署上线、效果跑到能用——这可能就是所谓的「AI民工」吧。

其余比较广泛、也比较基础和现实的工作内容，比如数据清洗、模型微调、参数调优、接口开发、平台部署等。这些工作同样重要，也需要大量人力，但确实不太依赖数学的深度支持，或者说在实际操作层面上可能完全脱离数学而转向计算机了。