正方观点B：产学研一体化，强烈期待AI本科生

AI人才缺口可以看做一个行业基本面，而在这背后，是AI科研体系的独特性，正在催动着AI人才更早与企业接触。这也间接促使AI本科生这个群体到来。

大家都在说，AI是一个高度产学研一体化的领域。但到底是怎么一体化的呢？

首先我们可以看到，今天的大多数AI应用是基于神经网络与算法达成创造性的。而神经网络的特点是结构延展。换句话说，AI的技术世界不是非此即彼，而是堆叠和嵌入的。回到人才端，这就让很多企业中的AI任务与工作，可以分派出来让独立小组完成。这让象牙塔中的师生走入企业有了绝佳的机会。而一些数据清洗、数据标记类的机器学习基础工作，更是非常适合交给“懂基础的实习生”来完成。

另外，根据相关统计，常青藤高校的AI研究成果，有超过75％最终得到了商业转化。这个比例在各学科中名列前茅。AI的特性决定了高校中的研究和企业中的研究相似度非常高，而师生的创造有很大比率可以被快速转化。这个机会对于老师、学校、学生，以及整个产业，是一个多方共赢的局面。那么第一步，还是让学生尽快进入AI的世界。

还有一个问题值得注意，今天的AI研究是要基于大量数据和算力支撑的。但是这些东西往往不存在于研究室当中，而是只见于科技企业内部。这也就要求实验室必须要到企业中去，给企业提供更多价值。而本科生的劳动和创造力，事实上是这个置换关系之一。

由这些理由，企业和学校都在期待更多学生快速组成产学研一体化的基础，让企业与学校间的循环圈层扩大。

这个意义上来说，本科生是AI前进中的必要动力。

正方观点C：AI必须建立跨学科的独立体系

还有另一个更加学术层面的声音，认为今天AI学科的发展，主要阻碍之一在于附庸于计算机科学专业，已经十分不利于AI本身的学科发展。

比如我们知道，AI的顶会、数据测试都自有一套逻辑。假如某企业的研究成果，在某个顶级比赛上让人脸识别的效率提升到某某指数，那么当然是巨大的成果。但在高校学科体制中却不然，因为AI的算法比赛机制是独立的，不纳入计算机科学的考察范畴。这会很大程度上限制国内AI学者参与世界竞争的热情。

另一方面，AI虽然大体可以看做计算机科学的一个子集。但事实上AI是一个高度跨学科的领域，有大量问题是非计算机科学的，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、伦理学等等。

在国际范围内，基于AI成立跨学科研究体是大势所趋。但现有学科体制却限制了AI的融合式学科发展，影响了人才交流与信息互通。

这种条件下，把人工智能学科独立出来，从本科生开始培养专属人才就成为了热门议题。而从技术轨迹的长远发展看，一个独立跨学科的AI科研体系，也是开展国际化AI竞争的绝对必要条件。

给潜在AI本科生的一点建议

人工智能到底要不要成为本科专业，不是一个绝对如此或者如彼的问题，更多情况下见仁见智，其成败在于整个教育体系和社会结构的共同把持。但根据上面这些看法，不妨给想要把AI作为专业的童鞋一点建议：

首先，综合来看今天AI的应用前景和就业基本面没有问题。但未来有不确定性，技术也在随时变化，一定要理性考虑谨慎选择。而且读了AI专业绝不意味着预定了高薪高职位。快速变化的AI可能把任何人摔下自己的马车。

其次，一定要警惕不靠谱的人工智能专业。AI的师资目前在国内是绝对的师资资源，如果你报考的学校本来在AI领域不强，也没有引进知名专家，却突然办起了AI专业，那么一定要小心为上——说不定老师还没有你懂得多。

而国外的AI本科生教育比国内稍早一些，与国内的区别主要集中在所教授领域相对更集中，更注重学院本身的优势教育和研究。一般美国的AI本科教育，是强调主修方向，其他选修，而国内的AI本科教育还是强调AI领域的通识。哪种更好也没有定论。

值得注意的是，国外AI本科教育中，明显比国内更加强调AI的人文与伦理教育。这些内容其实是必修课，有志于AI的童鞋应该想办法自己补强。

而假如真的很喜欢AI，却没有找到合适的专业也不用急。有一些迂回策略可以考虑，如果有志于高阶的AI研究与创造，应用数学和认知神经科学是两个最好的选择。假如想要快速进入AI行业，那么数据科学是最接近应用的AI相关领域。

接下来，关于AI要不要进本科的争论应该还会继续。而与此同时，关于AI要不要进高中的讨论，也已经开始进入公众视野……

文｜脑极体