人工智能这四个字，最近几年在高考志愿填报里火得发烫。家长一听人工智能，眼睛就亮了，觉得这是未来，是风口，是让孩子一步踏进高薪行列的黄金门票。
很多学校也顺势开设了这个专业，从顶尖985到普通二本，几乎遍地开花。
但人工智能到底学什么，适不适合自家孩子，这个问题值得细看。
扎实的基础是硬门槛
从国内几所顶尖高校的人工智能专业课程设置来看，核心内容高度重合，主要集中在几个板块。
第一个板块是基础理论与算法。人工智能导论帮学生建立整体认知，算法设计训练解决复杂问题的逻辑思维，机器学习和深度学习则是整个专业的核心。机器学习教计算机从数据里学规律，深度学习负责实现更复杂的应用。这两门课是所有学校都绕不开的必修课。
第二个板块是核心应用方向。计算机视觉让机器看懂图像和视频，是人脸识别、自动驾驶的基础。自然语言处理让机器理解和生成语言，聊天机器人、翻译软件都靠它。这两个方向基本覆盖了人工智能目前最主流的应用场景。
第三个板块是数据与模式识别。数据挖掘负责从海量数据里提取有价值的信息，是训练AI模型的原料来源。模式识别研究怎么让机器识别特定规律，和计算机视觉、机器学习紧密相关。
第四个板块是前沿拓展方向。部分顶尖学校会根据自己的优势开一些特色课，比如多模态学习，研究怎么让AI同时处理图像、文本、声音等多种类型的数据。
数学不好真的扛不住
看完课程设置，一个问题很清晰：人工智能对数学的要求极高。机器学习、深度学习、模式识别，每一门核心课背后都是线性代数、概率论、数理统计、最优化方法。数学基础不扎实，学起来会很吃力。
英语也不能差。前沿论文、技术文档、开源代码，大部分都是英文。动手能力更是硬指标，光懂理论不行，代码要能跑通，模型要能调优，项目要能落地。
不同层次的学校教的东西不一样
现在很多高校包括二本院校都开设了人工智能专业。但不同层次的学校，能教的东西差别很大。
顶尖学校有深厚的数理培养底蕴，有高水平的师资，有前沿的科研项目，学生能接触到真正的核心技术。普通学校受限于师资和资源，课程往往停留在应用层面，学生学的可能是怎么调包、怎么用现成工具，真正核心的算法原理和底层逻辑接触不到。
这就带来一个问题。如果学生的分数只能去普通二本，硬冲人工智能专业，四年下来可能只学到一点皮毛。毕业时发现，核心岗位要的算法能力自己不具备，能去的岗位又和计算机专业的学生高度重合，反而失去了原本可以选择的更宽的路。
给规划师的参考思路
人工智能确实是好方向，但好方向不代表适合所有人。学生的数学基础、英语水平、动手能力、学校层次，都要放进考虑范围。与其硬冲一个听着热门的专业，不如选一个适合孩子能力层次、能真正学到东西的方向。
