CS热门方向人工智能（AI）全方位解析 ｜ 指南者留学

指南者留学定期推送留学资讯，专业介绍，申请故事，学长学姐在线讲座等诸多优质内容，最接地气、最有用的留学微信号！关注我们妥妥没错！

编者按：指南者分析是由我们指南者留学新推出的一个专栏。每篇文章都由我们的申请顾问和海外导师精心准备2周以上，千字干货，阅读时间较长，但字字精华，建议收藏“食用”。欢迎各位小伙伴文末留言自己感兴趣的专业与话题，我们会根据大家的需求酌情安排。

本文作者

指南者教育咨询师王老师

CS专业分支中的热门方向AI，热门到什么程度呢？基本上在我这里咨询的有一半以上申CS的同学，都想申AI。热门的原因大致有两点：第一是这个专业本身很有意思，听着就很Fancy；第二AI方向的就业情况和前景确实非常好。本文主要从AI的主要工具、用途、以及申请AI需要的核心能力来介绍AI这个热门方向。

AI主要有以下几个主要子方向：

-Planning and Scheduling

-Machine Learning

(Supervised,Unsupervised,Reinforcement,Deep Learning)

-Natural Language Processing

-Perception

（Computer Vision， Speech Recognition）

-Motion and Manipulation

在AI的子方向中，有80%的学生都会选Machine Learning，这一块是最热门的。

人工智能主要工具：

Search and optimization

第一个是 Search and optimization（搜寻和优化），在整个人工智能领域，优化的过程非常重要。做各种预测和分析，都是选择里面最优结果展示给用户，所以整个人工智能都是基于优化的方案。

业界有这样一句话：人工智能是一门Art，不是Science。如果是Science，那么你可以通过人工规定一套规则来严格定义，换句话说，只要掌握了规则，那么你就可以战无不胜，任何问题都可以解决。但如果它是Art，那么它就无章可循，或者说不完全有章可循，很多东西是按照你的经验去创造和发挥的过程。

很多的人工智能的算法和方法，只要进入optimization，就会发现里面会有很多经验不完全是Science，那么这恰好就是人工智能领域最具魅力的地方，他不是一门呆板的science。所以很多人学人工智能的原因就是因为它是非常灵活的，仁者见仁，智者见智。这就是这个学科的魅力所在。

Probabilistic methods for uncertain reasoning

第二个工具是Probabilistic methods for uncertain reasoning，这个意思就是整个人工智能都需要针对不确定的情况进行分析。一个算法算出的结果往往不止一个，每个结果都有一定的概率，给用户最后的recommendation是将每个结果的概率进行加权平均最终得到的结果。

比如天气预报，任何的气象部门其实都不知道台风的具体路径，只能推测出十个可能性，每个路径都有一个概率，通过这样的分析后能够综合考量不同的可能性，最后综合给出最可能的路径，因而你看到的天气预报的结果是来自于加权平均的结果。

这样一来，整个人工智能都需要处理好概率问题。统计基础实际上是非常核心的部分，整个算法的设计都以此为基础，所以申请AI一定要有统计基础。

Statistical regression and classification

Regression的中文翻译叫“回归”或者“拟合”，Classification的意思是“分类”。它们的共同点是两者都是对一个对象进行甄别或者贴标签。不同在于分类的过程就是贴标签的过程。Classification像是个是非题，不是A就是B。而Regression的变化是连续的，比如判断一个人的人品给他进行打分，从最坏到最好是0到10分，比如可以是1.3，也可以是5.8。那么这样的给他连续的score过程就是Regression的过程。所以Classification是离散的，而Regression是连续的。在Machine Learning的很多地方，都要用到统计知识，所以需要AI申请者对统计一个深刻的认识。

事实上在整个CS领域，只有人工智能方向是特别需要统计知识的。如果你本科学的就是统计，想转CS，那么申请AI方向就能最大化地体现你的优势。

Neural Networks

第四个工具是Neural Networks，这是目前最热门的手段，本身门槛也比较低，这方面其实是对应Deep Learning的方向。广泛应用于图像、声音以及语言的识别等各方面。这里面还有很多子方向比如卷积神经网络、递归神经网络等。关于这方面的门槛其实是很低的，哪怕你是文科生，只要花一个月的时间去学都能学会，因为这个工具本身不难。因为用途广泛，所以现在也很热门。

Control theories

第五个是Control theories，这个工具在机器人控制方向大量使用，AI方向有一个子方向是机器人控制，机器人控制里有很多控制理论。这不是一个简单的二元信号，而是非常复杂的信号，里面还包括很多算法，比如模糊控制、PID控制等算法，那么这部分也属于人工智能，也就是Control theories。

AI在不同领域的主要用途：

人工智能领域，有五个主要用途：

1Business

第一就是Business（商业用途），包括IT、零售业，这是人工智能比较大的应用领域。举个例子，比如有人网购了一个奶瓶，那么系统进行分析就能预测到这个用户一定有孩子，根据你购买奶瓶的size，也能预测你的孩子是几个月大。根据分析，当你下一次登录这个网站的时候，系统就会给你推荐一些你可能需要的商品。这一方面能方便顾客，另一方面又能扩大商机。这个部分其实是商业营销中的一个很大的方向——E-Business（电子商务），电子商务里的一个方向Customized Marketing就是针对客户的特点做定点营销。这些技术的实现都需要靠人工智能。

2Healthcare

当然，我上面说的是零售业，但其实商业不同的领域都会用到这样的技能。比如Healthcare（健康医疗业）在美国是很大的一个市场，七八十年代的时候，由于美国出现婴儿潮，很多家庭都狂生孩子，导致现在人口老龄化，而美国子女是不会去照顾老人的，老人要自己想办法找护工照顾自己，由此美国的医疗护理行业蓬勃发展，在市场上有很大的需求。

在Healthcare里,很多工作都是依靠人工智能来做。比如现在很多开药方都是靠人工智能进行自动开药（如微软的Hanover系统），主要是根据病人的诊断书自动向病人开药，这在美国广泛使用。再比如有个学科叫影像学，会根据你拍的片子，如CT、核磁共振、X-ray等来分析你的情况，检测出各种病症。而现在影像学的行业逐渐被人工智能所取代，在美国的很多医院都是靠人工智能的算法自动识读片子，再给病人做诊断。

3Automotive

再比如Automotive汽车行业方面，人工智能用途也是非常广，这里主要谈一下autopilot（自动驾驶仪），主要是通过一个算法，通过一个摄像头或者一些传感器去搜集汽车周围的一些信息，从而进行分析，达到指导驾驶过程的目的。而它的实现要靠autopilot。现在在全世界范围内主要由三大公司来做autopilot，分别是Tesla，Google和Apple。这三大公司如今在不遗余力地开发这个汽车的自动驾驶仪，所以这个其实也是一个很大的应用。

4Finance

第四是Finance。首先就是Fraud detection，这在美国和全世界已经广为应用了。主要是通过人工智能的算法自动检测欺诈行为，比如假支票、假账号等网上欺诈行为。通过人工智能算法自动分析后向用户提供警告。

其次是算法交易。比如炒股票或买卖一些比较复杂的金融衍生品，如期权和期货之类，那么这些就叫交易。以前做交易都是靠trader，以后就会变成自动交易，也就是算法交易（algorithmic trading）。其实这方面现在是整个金融行业的一个趋势，算法交易非常迅速，每毫秒就可以做一万次交易，比人要迅速得多。又快又能综合分析整个市场的信息，使交易行为更加明智。所以一旦技术成熟，现在很多银行的交易员会失业。现在很多大投行，比如高盛，都在逐渐开发自己的这套算法，这是整个Finance行业的大趋势。

5Video Game

最后一个是Video Game。人机对战游戏其实就运用了很多人工智能的技术，我知道很多学人工智能的学生毕业后都去了各大游戏公司。

AI核心数学基础

本质上讲，整个CS就是一门应用数学，CS的核心就是数学，但不同的子方向可能对数学要求不一样，所以我简单提一下人工智能方向有哪些知识需要特别掌握。

整个数学虽然博大精深，但是不外乎两个大方向：纯数学（Pure Math）和应用数学（Applied Math）两个大分支。纯数学包括Quantity（arithmetic)，Structure(algebra，图论，数论，组合数学), Space (geometry), Change (微积分)。应用数学包括优化，统计和概率，流体力学，数值分析，密码学，控制理论，常微分和偏微分方程。

在数学中，具体和人工智能相关的只有4个方向，在纯数里有两个，分别是图论和微积分；在应数里也有两个，分别是优化、统计和概率。申AI专业数学的这四大方向是一定要了解的。

AI核心专业课程

数学课程：线代、微积分，概率论和数理统计，随机优化，Monte Carlo方法，优化（linear，nonlinear，quadratic，convex programming），离散数学

计算机基础：算法，数据结构，一门偏统计的编程语言如Python，Matlab，R

虽然CS不同子方向都需要编程，但不同的方向需要掌握的编程语言并不一样。针对人工智能方向，主要需要掌握Python，Matlab，R这三门编程语言。由于整个人工智能是以统计为基础，而这三门语言都特别强调统计分析。

计算机高级：人工智能，机器学习，数据挖掘

计算机高级课程包括人工智能、机器学习和数据挖掘。这些课都是研究生阶段才上的课程，但如果你能有超前的学习意识，能在本科阶段能提前修这些课程，申请的时候肯定是能够加分的。

其它方面的核心能力

数学建模能力

对于人工智能而言，数学建模是非常关键的一部分。无论你用任何人工智能方法来解决问题，（比如金融、汽车驾驶、图像识别等问题）都需要把一个具体问题进行抽象（abstraction）和简化（simplification），完成以后再作假设，最后再作敏感性分析。敏感性分析的意思是换一换参数，看参数变化对你的结果有多大影响的一个过程。这些刚好就是数学建模的核心部分，整个人工智能的问题都是以此为基础，所以一定要在申请时好好体现数模能力。

其它领域的知识

如果你能同时具有其他领域的知识，申请的时候也是亮点。因为人工智能强调深度和广度。广度的意思是人工智能本身没有任何价值，只有把人工智能用到其它领域才有价值。如果你本科是学金融、电子或机械，申AI是有背景优势的，因为他们可以很自然地将人工智能应用于相应的领域，所以如果想转专业申请人工智能，一定要在文书中充分利用自己本科所学的知识。

实习

人工智能在实验室和工业界的实习机会是很多的，申请的时候最好有相关的实习。和人工智能相关的公司主要有：MSRA（微软亚洲研究院）、百度、腾讯和阿里巴巴。这些公司会招很多实习生做人工智能，我们今年就有申请AI的学生在百度实习过，这段实习是为他的申请是加分不少的。

AI会议

AI领域会议非常多，如KDD(data mining), SIGIR (information retrieval), IJCAI (AI), NIPS (Machine Learning), ICDE(Data Science)，这些会议能给学生提供short paper的机会，如short paper session，for demo，workshop paper，abstract，student paper之类。对于这些会议而言，是很难发表一篇长文章的，但如果你的目的仅仅是想去挂个水，发表一些短文章，那么门槛还是比较低的。并且这个paper对申请是非常有帮助的。

以上就是对CS的热门AI方向的专业解析，如果想了解更多关于AI申请的细节，可以进一步和我沟通。