计算机与技术

人工智能

构建能够学习、推理和行动的智能系统,从机器学习和神经网络到计算机视觉、自然语言处理和自主系统。

专业概述

人工智能是21世纪最具变革性的技术之一。AI学位专注于构建能够感知、学习、推理和决策的系统,比一般计算机科学学位更深入地研究智能系统的理论和实践。学生学习机器学习算法、深度神经网络、自然语言处理、计算机视觉、强化学习、知识表示和AI伦理。

课程结合了扎实的数学基础(线性代数、概率论、优化)和实用的工程技能(Python、TensorFlow/PyTorch、分布式计算)。学生参与真实的AI项目,包括训练语言模型、构建图像分类器、设计推荐系统和开发自主代理。在大语言模型、生成式AI和负责任AI等前沿领域的研究机会日益增多。

独立的AI学位在全球大学中日益普及,尤其是英国、美国和中国,同时许多大学也在计算机科学和数据科学课程中提供AI专业方向。AI毕业生是科技行业薪资最高的群体之一,角色涵盖研究、工程、产品开发和咨询。

对于被人工智能前沿深深吸引的学生而言,全球有几所大学提供了无与伦比的学习深度。卡内基梅隆大学是最早在其计算机科学学院设立专门AI本科学位的大学之一,涵盖自然语言处理、计算机视觉到自主系统等广泛领域,体现了数十年的开创性研究积累。斯坦福大学的人工智能实验室(SAIL)成立于1962年,至今仍在塑造整个领域的发展方向,学生可以直接参与基础模型、机器人和医疗AI的研究,学术与产业之间的桥梁在这里体现得尤为明显。MIT的计算机科学与人工智能实验室(CSAIL)是全球最大的AI研究中心之一,学生的研究方向涵盖机器人设计到计算神经科学。蒙特利尔大学通过与Mila(由图灵奖得主Yoshua Bengio创立的魁北克AI研究所)的紧密合作,已成为深度学习研究的全球重镇,以独特的协作精神和开放科学文化闻名。爱丁堡大学的信息学院拥有欧洲最悠久的AI研究团队之一,其课程同时扎根于符号主义和统计学两大AI传统,为学生提供了极为全面的学术基础。无论学生寻求的是纯AI学位还是带有深度AI方向的计算机科学项目,这些院校代表了该领域的智识核心。

对于被人工智能前沿深深吸引的学生而言,全球有几所大学提供了无与伦比的学习深度。卡内基梅隆大学是最早在其计算机科学学院设立专门AI本科学位的大学之一,涵盖自然语言处理、计算机视觉到自主系统等广泛领域,体现了数十年的开创性研究积累。斯坦福大学的人工智能实验室(SAIL)成立于1962年,至今仍在塑造整个领域的发展方向,学生可以直接参与基础模型、机器人和医疗AI的研究,学术与产业之间的桥梁在这里体现得尤为明显。MIT的计算机科学与人工智能实验室(CSAIL)是全球最大的AI研究中心之一,学生的研究方向涵盖机器人设计到计算神经科学。蒙特利尔大学通过与Mila(由图灵奖得主Yoshua Bengio创立的魁北克AI研究所)的紧密合作,已成为深度学习研究的全球重镇,以独特的协作精神和开放科学文化闻名。爱丁堡大学的信息学院拥有欧洲最悠久的AI研究团队之一,其课程同时扎根于符号主义和统计学两大AI传统,为学生提供了极为全面的学术基础。无论学生寻求的是纯AI学位还是带有深度AI方向的计算机科学项目,这些院校代表了该领域的智识核心。

职业前景与薪资

我能从事什么工作,收入如何?

入门阶段0–2年

美国 $85,000–$140,000 / 英国 £35,000–£60,000 / 澳洲 A$70,000–$100,000

机器学习工程师AI工程师数据科学家研究工程师NLP工程师
热门雇主
Google DeepMindOpenAIMeta AIMicrosoft ResearchAmazonAppleAnthropic初创公司
职业中期3–8年

美国 $150,000–$300,000 / 英国 £70,000–£140,000 / 澳洲 A$120,000–$200,000

高级机器学习工程师AI研究科学家机器学习技术主管应用AI经理首席工程师
资深阶段10年以上

美国 $250,000–$600,000+(含股权)

资深研究科学家AI副总裁首席AI官杰出工程师创始人
行业
科技金融与金融科技医疗与生物技术自动驾驶国防与情报电子商务机器人咨询
需求前景

需求极为强劲,自2023年以来AI/ML工程师岗位年增长超过70%。各层级人才供不应求,尤其是有论文发表记录的研究人员和有生产级ML经验的工程师。

你将学到什么

这个学位涵盖的核心课题与技能

机器学习与深度学习
自然语言处理
计算机视觉
强化学习
神经网络架构
AI伦理与负责任AI
知识表示与推理
概率模型与优化

这个专业适合我吗?

帮你做出判断的真实自我评估

学业强度非常繁重,课外每周预计需要20至30小时用于习题、编程作业、论文阅读和研究项目。数学严谨程度高于一般CS,模型训练的实验课经常延续到深夜。
数学强度非常高,你将深入学习线性代数、多元微积分、概率论、优化理论和信息论。大多数AI课程假设你具备数学成熟度和证明能力。
创造力基础部分高度结构化(数学推导、形式化定义),但应用部分充满创造力,包括设计新颖的架构、选择训练策略、以及将问题框架化为机器可解决的形式。
团队合作兼有。基础课程以个人为主,但研究项目和高级实验课以团队为主。该领域越来越重视合作,行业中大多数AI团队以小型跨学科小组方式运作。

如果你有以下特点...

  • 你对构建能够自主学习、感知和决策的系统充满兴趣
  • 你喜欢数学,特别是线性代数、概率论和优化,并且在形式化证明中找到乐趣
  • 你能接受模糊性和实验性,AI研究在突破之前会经历很多失败的实验
  • 你喜欢阅读学术论文,并愿意紧跟快速发展的研究前沿
  • 你会深入思考伦理问题,AI引发了关于偏见、自主性和社会影响的深刻议题

可能不太适合你,如果...

  • 大量数学(证明、推导、抽象代数)让你感到难以承受,AI是计算领域中数学强度最高的方向之一
  • 你更喜欢做完整的产品而不是研究算法,AI工作中大量时间用于实验和迭代
  • 你想要快速看到成果,训练模型可能需要数小时甚至数天,调试过程往往不透明
  • 你不适应快速淘汰的节奏,AI领域的技术和框架更新速度几乎快于任何其他领域
  • 你主要对技术的商业应用感兴趣,而非推动技术边界
学业强度非常繁重,课外每周预计需要20至30小时用于习题、编程作业、论文阅读和研究项目。数学严谨程度高于一般CS,模型训练的实验课经常延续到深夜。
数学强度非常高,你将深入学习线性代数、多元微积分、概率论、优化理论和信息论。大多数AI课程假设你具备数学成熟度和证明能力。
创造力与结构化基础部分高度结构化(数学推导、形式化定义),但应用部分充满创造力,包括设计新颖的架构、选择训练策略、以及将问题框架化为机器可解决的形式。
团队与独立兼有。基础课程以个人为主,但研究项目和高级实验课以团队为主。该领域越来越重视合作,行业中大多数AI团队以小型跨学科小组方式运作。

大学生活的一天

一周的真实日常

人工智能专业大二典型的一周是理论与实践的交织。周一上午是机器学习课,讲支持向量机和核方法,教授推导对偶优化问题的数学过程,你终于明白线性代数为什么这么重要。午饭后是神经网络实验课,用PyTorch训练一个卷积神经网络来分类医学图像。GPU集群是全系共享的,你已经学会了合理安排训练任务队列,并在笔记本上远程监控损失曲线。

周二是概率与数理统计课,今天讲贝叶斯推断,这和你理解AI模型如何量化不确定性直接相关。下午,学习小组聚在一起攻克优化理论习题:梯度下降的变体、收敛性证明,以及学习率为什么重要。周三是自然语言处理(NLP)研讨课,各小组展示期中项目。你的团队正在做一个多语言餐厅评论情感分析系统,正在解决不同语言分词的难题。

周四最满:上午是知识表示课(本体论、不确定性推理、知识图谱),接着是研究方法工作坊,一位博士生教你如何系统地阅读和评价AI论文。周五相对轻松,用来跑NLP项目实验、参加一个机器人感知的选修演示、补阅读。到了周末,你还在调试模型对讽刺评论的糟糕表现,调整超参数,读教授推荐的三篇关于注意力机制的论文。

高中阶段准备

大学前应该学什么、做什么

推荐
HL 数学:分析与方法(AA)HL 计算机科学HL 物理
有帮助的
HL 经济SL 高等数学(如开设)

技能培养

  • 学习Python并通过免费课程探索基础机器学习,推荐Andrew Ng的Coursera机器学习课程或fast.ai
  • 做一个简单的机器学习项目,在MNIST或Titanic等公开数据集上训练分类器,并在GitHub上记录过程
  • 夯实线性代数和微积分基础,这些是所有AI算法的数学支柱
  • 了解AI伦理和社会影响,阅读AI Now Institute的报告或观看关于负责任AI的讲座

课外活动

  • 在Kaggle上参加AI和数据科学竞赛,从Titanic或手写数字识别等入门级挑战开始
  • 参加数学奥林匹克或带有计算/数据驱动元素的科学展览
  • 在学校加入或创建机器学习社团,一起完成项目
  • 在GitHub上为开源AI项目做贡献,即使是改进文档也很有价值
  • 建立AI实验作品集,招生官看重的是自主探索精神,而非完美的成品

QS世界排名 2025

Data Science & Artificial Intelligence

#大学
1🇺🇸MIT
2🇺🇸Stanford University
3🇺🇸Carnegie Mellon University
4🇬🇧University of Oxford
5🇬🇧University of Cambridge

与相似专业的对比

与相关专业逐一比较

录取指南

这个专业竞争多激烈,如何脱颖而出

竞争程度: 非常高

AI专业本科课程是计算领域竞争最激烈的方向之一。卡内基梅隆的AI专业录取率低于5%。在MIT、斯坦福、苏黎世联邦理工等AI作为CS细分方向的大学,你要在本就高度选拔性的CS系中竞争。在英国,爱丁堡和UCL的AI课程通常要求A-Level达到A*A*A,且必须包含数学。

什么能增强你的申请

  1. 1优秀的数学成绩,特别是微积分、线性代数和统计学
  2. 2编程经验的证明,如GitHub上展示机器学习项目或数据分析的作品集
  3. 3涉及机器学习的研究经历或独立项目,即使是入门级别
  4. 4数学、信息学或数据科学竞赛成绩(Kaggle、数学奥赛、USACO)
  5. 5个人陈述展示对智能和学习的真正好奇心,而非仅仅是职业抱负

常见错误

  • 过度强调AI热点(ChatGPT、AGI),却未展示对底层数学的理解
  • 忽视数学准备,AI专业的数学强度远高于一般计算机科学
  • 混淆「使用AI工具的兴趣」和「构建和理解AI系统的兴趣」

面试与入学考试

剑桥和牛津进行技术面试,测试数学推理和算法思维。部分课程会考查基础概率和统计概念。爱丁堡可能要求TMUA或同等水平的能力测试。

相关专业

想为人工智能做准备?

我们的教育顾问可以帮助你探索兴趣、选择合适的课程并构建强有力的申请。