上周，北航主办了国内首届人工智能本科专业研讨会。
会上，清华大学、南京大学、西安交通大学等26所国内高校联合发出尽快设立本科人工智能专业的《关于设置人工智能专业建议书》号召。
毫无疑问，人工智能已经成为这个高考季的热门话题。
随着知名大学的号召，我们也能看到各著名大学的人工智能学院、人工智能研究院如雨后春笋般涌现。
中国科学院、南京大学、清华大学都在一年之内建立了类似的研究机构。
在政策层面，国家政府也明确提出人工智能学科建设。
毫无疑问，人工智能的发展需要人才和学术建设。
但如今人工智能是否应该成为本科专业是一个有争议的话题。
在目前的学科规划中，人工智能的主体是计算机科学下的二级学科。
一般要等到研究生阶段才可以选择就读。
与此同时，人工智能相关专业仍然分散在数学、信息科学，甚至社会学、心理学、生物学中。
有人认为这样的规划已经不能满足人工智能发展的真实需求；还有人认为AI刚刚发展起来，需要大学系统配合，这有点过于激进了。
在大部分省份，目前还处于填写申请表的阶段。
我们来看看这场争论中的一些观点。
如果你身边有同学正在为是否或如何选择AI相关专业而苦苦挣扎，不妨先思考一下这些声音再做判断。
反对派A：人工智能不稳定，就业有风险。
我们先从反对的观点开始。
众所周知，并不是所有本科生都会继续攻读研究生，所以AI本科专业存在的意义当然是为大量本科生提供就业技能和机会。
但就今天的人工智能而言，四五年后是否能够为社会长期投入的大量人才提供就业机会？没有人能肯定地说。
人工智能发展足够快，需要足够多的人才。
今天这没有问题。
但几年后人工智能还能创造大量就业机会吗？即使几年后谈论AI，在机器学习的控制下，它仍然符合我们现在看到的AI需求吗？这些都是问号。
在很多人看来，加速将人工智能引入本科生也意味着将这些大学生与计算机科学的学习隔离开来。
所以如果完成课程后人工智能不再那么受欢迎，就业机会就会减少；或者说AI这段时间技术发展很快，学到的东西还不足以应用，同时也不能让大家继续学术研究。
这最终不会给学生带来就业风险吗？因为某个领域热门，大学争先恐后地开设专业，但完成学业后却发现根本不是这样的。
这种情况在中国并不少见。
在这种情况下，将人工智能与计算机科学领域分开似乎不够安全。
毕竟，你不能让选择专业、一件可能影响你一生的大事变成一场赌博。
反对点B：泡沫可耻，跟风有害。
人工智能发展太快，产生了很多泡沫。
这应该是不争的事实。
如果高校过快迎合潮流，开设AI本科专业，很可能成为泡沫的催化剂。
另一种观点认为，开设人工智能本科专业在很大程度上是有意义的。
但这种合理性仅限于一些师资力量雄厚、研究优势广泛的大学。
一旦阀门打开，各种奇奇怪怪的学校就会跟风开设AI本科专业，很可能会害了学生。
当我们谈论国内大学的AI巨头时，似乎每个名字以及他们所在的学校和研究机构都很熟悉。
也就是说，国内大部分大学对人工智能还相当陌生。
如今的人工智能研究目前还只是少数学校和大牌的“专属”，但曾经各个资质较差的地方院校甚至联合办学院校都得争夺AI风潮。
那么很有可能会强行设立一批教师和科研项目，这对于整个AI学术界来说是有害无益的。
归根结底，龙头学校已经做好了开设人工智能本科课程的准备，但背后的众多学校是否真的有足够的师资和研究力量来支撑人工智能本科教学呢？至于AI这块大蛋糕，你想想就知道不能放弃。
如果AI本科教育突然来袭，如何抵制追随者扰乱AI教育似乎还没有答案。
正面观点A：人才缺口确实很大。
上述两种对立的观点很大程度上源于对AI未来的怀疑和不信任。
但那些支持人工智能迅速成为本科专业的人更关注人工智能的现状。
今天，人工智能最基本的情况就是缺的人实在是太多了。
去年校招季期间，在北京招收一名刚刚毕业、没有任何成绩的人工智能研究生，年薪就要30万元。
当然，这是有趋势支撑的，但AI岗位的短缺也很明显。
据相关报告统计，截至年底，我国人工智能人才缺口已超过百万，而今年这一缺口开始进一步拉大。
事实上，人工智能人才的缺口不仅限于中国。
即使是硅谷，对人工智能职位的需求也每天都在增长。
李开复曾指出：“在硅谷，做深度学习的人工智能博士生现在一毕业就能拿到年薪1万到1万美元的工作机会。
三大公司（谷歌、Facebook和微软）都在使用不合理的方法。
价格偷猎。
“同样在欧洲和印度，加快人工智能人才特别是中低端人才的培养是国家教育系统的重要任务之一。
由于人才的巨大短缺，人工智能人才的培养效率受到限制。
一般来说，计算机专业的本科生只能在大三和大四的一些选修课中接触到人工智能。
如果你想学习人工智能，你必须读完研究生。
另外，研究生在学习期间往往没有经历过算法应用的实践，毕业后到公司还需要一到两年的深造。
这也意味着AI人才一般要到27岁才能上岗，这显然无法支撑当今AI产业的发展速度。
事实上，AI产业是一个金字塔结构。
不仅需要高端逻辑和算法人才，还需要完成大量基于应用甚至基于数据的工作。
这些岗位很大一部分可以作为本科生的实习机会，企业也常常欢迎导师带领的本科生来实习。
对于如此简单的AI岗位，候选人可以从27岁提前到20岁左右，这对整个AI行业的劳动力供给影响巨大。
与此同时，高收入和高就业率也吸引着学生们的关注，让他们经历一轮艰难的一轮进入AI似乎有点残酷。
积极点B：产学研融合，强烈期待AI本科生的AI人才缺口可以被视为产业根本，而这背后是AI科研体系的独特性，催促着AI人才更早接触企业。
这也间接促使了AI本科生群体的到来。
大家都在说人工智能是一个产学研高度融合的领域。
但它到底是如何集成的呢？首先，我们可以看到，当今大多数人工智能应用都是基于神经网络和算法来实现创造力。
神经网络的特点是结构可扩展。
换句话说，人工智能的技术世界不是非此即彼，而是堆叠和嵌入的。
回到人才方面，这使得企业中的很多人工智能任务和工作可以分配给独立的团队来完成。
这给象牙塔里的师生们提供了进入企业的绝佳机会。
数据清洗、数据标注等一些基础的机器学习任务非常适合由“懂基础的实习生”来完成。
此外，据相关统计，常春藤大学75%以上的AI研究成果已实现商业转化。
这个比例在所有学科中名列前茅。
人工智能的特性决定了大学的研究与企业的研究非常相似，师生的创作很大一部分可以快速转化。
这个机会对于教师、学校、学生以及整个行业来说是一个双赢的局面。
所以第一步就是让学生尽快进入人工智能的世界。
另一个值得注意的问题是，当今的人工智能研究是基于大量数据和计算能力的。
然而，这些东西往往不存在于研究实验室中，而只存在于科技公司内部。
这也要求实验室必须到企业去，为企业提供更多的价值。
本科生的劳动和创造力实际上就是这种置换关系的一部分。
为此，企业和学校都期待着更多的学生能够快速形成产学研融合的基础，从而扩大企业和学校之间的流通圈。
从这个意义上说，本科生是人工智能进步的必要推动力。
意见C：人工智能必须建立独立的跨学科体系。
另一种来自更学术层面的声音则认为，当今AI学科发展的主要障碍之一是依附于计算机科学专业，这对于AI学科本身的发展非常不利。
比如我们知道AI会议、数据测试都有自己的一套逻辑。
如果某家公司的研究成果能够在顶级赛事中将人脸识别的效率提高到某个指标，那么当然是一个巨大的成果。
但在大学的学科体系中却并非如此，因为人工智能的算法竞赛机制是独立的，不纳入计算机科学考试范围。
这将极大限制国内人工智能学者参与世界竞争的积极性。
另一方面，人工智能通常可以被视为计算机科学的一个子集。
但事实上，人工智能是一个高度跨学科的领域。
有大量的问题不是计算机科学，而是涉及信息科学、数学、社会学、心理学、生物学、认知科学，甚至法学、伦理学等。
在国际范围内，建立跨学科是大势所趋。
基于人工智能的研究小组。
然而，现有的学科体系限制了人工智能综合学科的发展，影响了人才交流和信息交流。
在此条件下，从本科生开始分离人工智能学科，培养专门人才成为热门话题。
从技术长期发展轨迹来看，独立、跨学科的人工智能科研体系也是国际人工智能竞争的绝对必要条件。
给潜在的人工智能本科生的一些建议。
人工智能是否应该成为本科专业，并不是一个绝对的问题。
在大多数情况下，这是一个意见问题。
它的成败在于整个教育体系和社会结构的共同控制。
但基于以上观点，我不妨给想以人工智能为职业的孩子们一些建议：首先，当今人工智能的应用前景和就业基本面是没有问题的。
但未来存在不确定性，技术随时变化，必须理性谨慎选择。
而且学习AI并不意味着你会预定一个高薪高薪的职位。
快速变化的人工智能可能会让任何人失去兴趣。
其次，要警惕不靠谱的人工智能专业。
AI教师是目前中国绝对最好的教师资源。
如果你申请的学校在AI领域实力不强，也没有引进知名专家，却突然开设了AI专业，那么你就要小心了——说不定老师还在。
没有人比你知道得更多。
国外人工智能本科教育略早于国内。
与中国的主要区别是教授的领域相对更加集中，更加注重学院本身的优质教育和研究。
一般来说，美国的AI本科教育强调专业方向和其他选修课，而国内AI本科教育仍然强调AI领域的常识。
对于哪一种更好尚无定论。
值得注意的是，国外人工智能本科教育中，明显比国内更加重视人工智能的人文伦理教育。
这些内容其实都是必修课，对AI感兴趣的孩子应该想办法加强自己。
如果你真的喜欢人工智能但还没有找到合适的专业，也不用担心。
有一些迂回策略需要考虑。
如果你对高水平的人工智能研究和创造感兴趣，应用数学和认知神经科学是两个最好的选择。
如果想快速进入AI行业，那么数据科学是距离应用最近的AI相关领域。
接下来，关于人工智能是否应该进入本科课程的争论应该继续下去。