为什么国家将加快人工智能研究生培养？又为什么很多研究生评论人工智能是个大坑呢？...

链接：https://www.zhihu.com/question/376370344/answer/1058716595

编辑：深度学习与计算机视觉

声明：仅做学术分享，侵删

作者：月儿兰

https://www.zhihu.com/question/376370344/answer/1073537980

因为国家说的人工智能和知乎说的人工智能压根不是一个东西啊。

在知乎上，一提到人工智能，基本上就认定是深度学习，部分人会提一嘴支持向量机之类的东西，这是目前学界的思路，人工智能和机器学习是一定程度划等号的。

但是国家可不这么想，他们不管你统不统计，学不学习，在国家看来，只要能改进工业生产，提高运行效率，减少人工需求的，都是特么的人工智能，我之前在某个结题会上和一个相关部门的工作人员交流的时候，他告诉我他觉得CFD某种程度上也能算智能嘛。

目前，国家行政部门和学术圈在思路上还是存在一定的差异的，圈里相对存在一定的应然思路，就是这玩意应该是怎么样的，我们应该怎么做，国家不这样，他们讲究实用主义，我现在需要解决一个问题，你要是能给我搞定了，别说什么强化学习图神经网络，你就是跳大神，我都无所谓。所以你会看到大量的所谓人工智能项目，仔细研究研究好像和人工智能没啥大关系，就是顺从这一思路的产物，毕竟你是管理部门你最大，你说他是啥他就是啥，反正问题我帮你解决了，没啥事我先走了。

人工智能学界目前的一大问题是项目落地的问题，大量实验室理想模型要么部署存在困难，要么功能难以变现，和真空球形鸡没啥差别，但是如果你不一味追求模型先进，而是着眼于实际工业问题，你就会发现某些领域的生产方式确实太落后了，落后到你随便拿一个十年前的成熟模型都能对其大量的改进，所以说，朋友们，把你们的天赋带到稀缺的地方去，你非要留在cs圈子里和一堆大佬玩命，再好的行业也不遭不住你们这么内卷啊，换个思路，换个领域，有的是连求梯度都不会的圈子等你发挥。

作者：小赖sqLai
https://www.zhihu.com/question/376370344/answer/1078837429

1.本硕211以上。

2.导师是百篇优博以上级别的（这点有些人有疑惑，其实不是说非要百篇优博。四青，长江，杰青，fellow，院士等等更大的帽子，或者各省的江河湖海学者，只不过这些title理论上都比百篇难度高，这两年刚搞的博新计划其实也ok，不过拿博新的大多本来就在大课题组里当小老板，同理其实还有ccf优博，微软学者奖学金，谷歌奖学金，百度奖学金的获得者，都可以当做一个指标来看。），且近三年有五篇以上顶会或者trans发表。

3.有一作/学生一作/共同一作的c类以上会议/期刊，ps：access不算，可能会是减分项。

4.c类以上会议的比赛前六，kaggle比赛前六，国内某些水赛前3。（有3或者5的时候，其实4可以被覆盖，因为比赛存在抱大腿情况）

5.bat，tmd，商汤旷视等等叫得出名字的公司实习经历。

6.刷过leetcode，最差也得把剑指offer所有题都能做。

ps：最好方向热门，检测，分割，跟踪，检索，细粒度分类，vslam等等，你搞个隐写检测，暗水印之类的小方向真的很蛋疼。

以上要求满足3点，至少能捞个白菜offer，满足5点以上，可以去试试大厂sp和ssp了。连3点都满足不了，不建议入行。

作者：知乎用户
https://www.zhihu.com/question/376370344/answer/1564008733

对于任何一个有大二数学基础（线代、概率）的学生，想要入门机器学习，只需要一个月，其中两个星期看公开课，两个星期手撸一下全联接网、CNN、后向传播。

对于任何一个入门机器学习的学生，想要实战机器学习，只需要一个月，其中一个星期看tensorflow或者pytorch的公开课，三个星期手撸一下tutorial。

对于任何一个实战过机器学习的学生，想要发论文，只需要四个月，其中一个星期用来在校内找导师，三个星期跟着导师的研究生搞明白他们在做什么，两个月用来炼丹，一个月用来写论文。

到这步为止，你就已经是半个机器学习的专家了，此时你大三刚刚结束，可以去找实习了。 

你是不是觉得我是在扯淡？机器学习的门槛怎么可能如此之低？然而现实是，我司招大三实习生时，人人有项目经历，CV、NLP、RL一个不落、紧跟时代的还有用图网络，人人都有paper，其中部分号称顶会，他们的简历上还会在这个顶会旁边加个括号，注明此会议录用率。

机器学习的paper灌水是如此严重，公司招聘时也很无奈，到底该如何筛选简历？抱歉他们也不知道，所以最终的筛选标准就继续是：硕士学历是不是985？本科学历是不是211？

机器学习的门槛如此之低，导致的直接结果，就是今年的算法岗招聘崩了，一片红海，而这一切我在2018年时就已经成功预言。你问我当时怎么知道的？很简单，因为我就是自学的机器学习，同时我是传统工科的phd，我很清楚机器学习的难度跟其它学科比起来，到底是个什么档次。

那我现在可以明确告诉你，明年的算法岗招聘继续会崩，后年也继续崩，而且越来越崩，原因如上，门槛太低。

放在五年前，你去跟任何一个传统理工科的教授讲，说我有一个研究方向，能让上你课的大三学生，人手一篇行业top论文，他/她会说谢谢，然后微笑着把你赶出去。

作者：yearn
https://www.zhihu.com/question/376370344/answer/1057774585

突然一百多学校开设人工智能专业，可以预见未来几年就业形势严峻。就我目前就读的学校来看，作为一个一般985，大多数本科生即使是研究人工智能也也只是搭搭框架，调调参，其中的数理知识实在太过庞大。导师也建议我将mobile和AI相互靠拢，自学了RL,FL,DL的入门知识，被繁杂的数学推导，概率论模型，线性代数相关的知识绕的头昏眼花，只能先自学了统计学习基础等一系列数学教材，要想深入的学好学精实在不是一门容易的事。

很多人都知道AI现在薪资水平很高，可惜大厂的实验室大多实习最低要求是研究生，而且名校，一名舍友研究了很久DL，也有不错的项目经验，然而发邮件求实习杳无音讯。按另一名即将发AI顶会的舍友的话来说：又要多了好几万只会分类，调参的同行来增加top conference的基数了。

作者：知乎用户
https://www.zhihu.com/question/376370344/answer/1142054478
高校学科专业与政府部门之间一定要有一个过渡性质的、中介性的机构。要不然政府以为的偏偏不是学术界以为的，唠不到一块去，那就尴尬了，而且学术界只能被动接受。同理，学术界和工业界之间也得有一个中介性质的力量。

这样，各方更有利于沟通，最后都能得到各方想要的。

这个中介性质机构，要由熟悉政府话语体系/工业界话语体系，同时又熟悉学术界基本概念和理论发展现状，能宏观看问题而不纠结于具体技术的人组成。这些人主要背景只能是政府/业界，而不能是学术界。而且学历水平至少得是各专业的全日制博士。

作者：Yi Lu
https://www.zhihu.com/question/376370344/answer/1187308051

为什么国家将加快人工智能研究生培养？

很简单，教育部的政策是从国家层面考虑的，以更高级别的领导的政治决策和政策导向为准绳。

客观上也是因为有人才缺口啊，而且缺口很大。人工智能还处于有多少人工，就有多少智能的阶段，还有很多领域和行业要一步一步渗透。

加快人工智能研究生培养说明高端人才缺口也很大。

又为什么很多研究生评论人工智能是个大坑呢？

觉得人工智能坑就去学生物呗。

作者：知乎用户
https://www.zhihu.com/question/376370344/answer/1107357753

大多数的AI专业成了调包专业，这就意味着你的竞争力可能会在某一天突然归零——你花了三年构造起来的壁垒没有任何的意义。而最搞笑的是，我发现有一些老师做了一辈子的传统学科，说变AI就变AI，连CNN是什么都不知道（这在电气专业极其显著），那么对于国内，三年的研究生经历，你能学啥？

另外，大多数的实验室是给不起一套成型的GPU集群的，现在研究toy dataset简直是自取其辱，没有能力ImageNet一天得到结果，基本都没有做AI相关的意义。

假如你是想混一个Master学位，那我没话说。

要不你去学学Java？

退N步说，你运气好，得到了大佬帮助、遇到了个想得明白的老师。然而假如你有这样的buff，你做什么东西不好？

作者：David Dong
https://www.zhihu.com/question/376370344/answer/1247611858
很多学院派可能考虑的角度都太高端了，认为短期内人工智能的研究和落地都有很大困难，因为缺各方面的资源，理论也仍然离真正的技术革命有一定距离。

但是对国家来说，人工智能是不同的概念。

泛泛意义上的人工智能是包括了大量的数据科学领域的内容的，你做高端人工智能困难，难道做点电子化，数据挖掘也很困难吗？很多大型互联网公司看不上或者做不了的领域里，哪怕稍微运用一点机器学习和优化技术，都有可能带来很大的效率提升。最基础的，比如说垃圾车，出车的频率和路线规划，如果可以按照垃圾积累的速率进行优化，可能可以在减少出车的成本的同时，给居民更好的生活体验。类似的领域在全社会实在是太多太多了，几乎每个小的领域都有些技术方案可以改进，这些都需要大量的基础人才去填补。

从国家战略来说，哪怕是大部分培养的人都只懂基础的应用，都有可能带来大量行业的变革和生产力的提高，更何况高端人才本来就需要基数去培养。

作者：random walk
https://www.zhihu.com/question/376370344/answer/1079200100

国家层面:人工智能在各个领域的渗透非常广，潜力非常大，也许最终啥也没弄出来，但是万一弄出个工业革命级别的技术，绝对不能落在美国后面，所以要大力投入。

学校层面:有国家支持，开个新学院，经费增加，教师名额增加，学生名额增加，这么好的机会当然要抓住，哪怕挂羊头卖狗肉，先把学院建起来再说。

学生层面:自求多福。所有的风险最终还是学生承担。

☆ END ☆

如果看到这里，说明你喜欢这篇文章，请转发、点赞。微信搜索「uncle_pn」，欢迎添加小编微信「 mthler」，每日朋友圈更新一篇高质量博文。

↓扫描二维码添加小编↓