导航

CS热门方向人工智能(AI)全方位解析

7月25日
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:
1、Business
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。
2、Healthcare
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。
3、Automotive
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。
4、Finance
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。
5、Video 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。
预约咨询
电话咨询
4001831832
取消