中国高校人工智能专业最全院校排名&课程对比

世界上最遥远的距离，不是你高考没发挥好，而是没有选对志愿！

近几日，各地高分数陆续出炉，一心向往人工智能的考生们在激动之余，又迎来了另一个难以抉择的问题：AI专业哪家强？

人工智能专业很难选吗？

就在高考前70天，教育部印发通知，公布了2018年度普通高等学校本科专业备案和审批结果。

最近大热的人工智能专业被列入新增审批本科专业名单，全国共有35所高校获首批建设资格。

今年上半年，就陆续有高校成立人工智能学院的消息放出，例如西安交通大学、人民大学、北京师范大学等等。

那么问题来了，想要就读人工智能专业的学生到底该如何抉择呢？新智元便整理了一份人工智能学院报考指南以及部分高校计算机课程攻略，希望对你有所帮助！

你真的了解人工智能吗？

在报考之前，有必要了解一下人工智能是什么以及人工智能学什么，我们整理了清华大学计算机系自然语言处理实验室副教授刘知远的知乎问答，先来听听他介绍人工智能吧。

人工智能是什么？

刘知远：人工智能（Artificial Intelligence，AI）是一门年轻的学科，从1956年达特茅斯会议正式提出AI名称至今不过65年；从阿兰图灵1950年提出判断机器是否能够思考的图灵测试至今也不过70年时间。AI的70年发展史汇集了来自数学、计算机科学、逻辑学、哲学、神经科学、语言学等不同领域学者的努力，是典型的交叉学科。同时，从整体来看AI仍然是计算机科学技术的主要分支。

人工智能是什么？简言之，人工智能学科是利用计算机实现人类智能。人类智能并没有公认的定义与界限，实际上也随着AI的发展而有所变化。某项人类技能被计算机所掌握后，人们往往不再认为它代表人类"真正"的智能。例如，1997年IBM深蓝战胜人类国际象棋冠军卡斯帕罗夫后，就有评论说IBM计算机只是在暴力搜索，不是真正的智能，that's not thinking！这种现象又被称为"AI Effect"。

所以，人工智能总是聚焦在那些尚未被计算机破解的人类智能能力上。比较简单的人类智能已经被解决了，例如计数能力有了计算器，数据记忆和查询有了数据库，下棋能力有了下棋软件，剩下的是那些困难的高级智能。简单而言，如果我们把大脑看做一个黑盒，它能够接受外部世界的刺激信号，大脑处理这些信号产生输出反馈，人类智能正体现在这些"刺激-反馈"的对应中。针对不同刺激信号和反馈处理的复杂性，AI下面有很多专门的领域开展相关研究和探索。目前，公认的AI核心课题包括：机器学习、计算机视觉、自然语言处理、语音识别、知识表示与计算、推理与规划，等等，并在此基础上支持着许多重要应用场景如无人驾驶（无人车）、机器人等。

机器学习：旨在让计算机具备自动学习的能力，能够解决分类、聚类、回归、关联分析等任务。目前主流是从大规模数据中自动学习和总结规律，从而能够对新的数据进行预测，也被称为统计机器学习。简单地讲，机器学习是从大量"刺激-反馈"数据中自动总结规律的技术。

计算机视觉：旨在让计算机理解和处理图像数据（包括图片、视频等），使计算机掌握"看"的能力。图像是典型的无结构数据，由像素组成，如何从一幅图像中自动识别不同层次的对象（如轮廓、人脸、场景等）及其复杂关联，是计算机视觉面临的挑战问题。

语音识别：旨在让计算机理解和处理语音数据，使计算机掌握"听"的能力。语音也是一种典型的无结构序列数据，目前在深度学习技术的支持下，普通场景的语音转文本的效果已经得到广泛应用。而在多人、方言、噪音、远场等极端挑战场景下，语音识别效果还需要进一步提升。

自然语言处理：旨在让计算机理解和处理人类语言。与C++、Java等人工设计的编程语言不同，人类语言是大自然的产物，因此被称为"自然语言"。人类语言也是典型的无结构数据，由字词组合而成，如何理解一句话、一篇文章甚至一本书的意思，也是人工智能面临的挑战问题。由于语言是人类特有的传递丰富信息和知识、表达复杂思想和情绪的载体，甚至被认为是人类思考的重要工具，因此自然语言处理问题更接近人类高级认知智能，有很多重要的开放问题。

知识表示与计算：人类对世界的认识积累形成了知识，知识是人类理解外部信息、实现各种智能能力的基础。近年来随着知识图谱的广泛应用，成为研究界和工业界关注的重点问题。

由于上述这些课题都关涉人类智能，所以互相密切关联、不分彼此，例如计算机视觉、语音识别和自然语言处理都是机器学习算法的重要应用场景，知识表示与计算也成为计算机视觉和自然语言处理方向的重要话题，等等。正因为年轻，这些方向都充满着活力，一方面最新技术日益深远地影响着人类社会生活的方方面面，同时学科体系和技术框架也在日新月异、推陈出新，现在去翻十年前的教材很多内容都显得过时了。

从学科设置来看，国内大学遵照教育部《学位授予和人才培养学科目录》来颁发学位。最初的计算机一级学科是"计算机科学与技术"，下设"计算机系统结构"、"计算机软件与理论"、"计算机应用技术"三个二级学科，其中"计算机系统结构"对应高性能计算（超算）和计算机网络体系架构（互联网），后来单独成立出"网络空间安全"一级学科；"计算机软件与理论"对应软件工程和计算机理论科学等，后来单独成立出"软件工程"一级学科；而"计算机应用技术"则对应计算机的各类应用技术，很大程度上正沿着从信息化到自动化再到智能化的路线前进，可以想见，如果现在这波AI浪潮还能持续几年，单独成立"人工智能"一级学科也指日可待。

从研究配置来看，AI研究队伍主要分布在计算机、自动化、电子工程等信息科学相关院系中，这与AI起源有密切关系，计算机的奠基人图灵、冯诺依曼，自动化的主要理论基础"控制论"的奠基人维纳，以及电子工程和信号处理的主要组成"信息论"的奠基人香农，均为AI的创立贡献了思想。所以，计算机系主要从计算理论和计算机应用的角度研究AI，自动化系从自动控制的角度理解AI，电子工程系则从信号处理（将AI关心的视觉、文本、听觉等模态理解问题看做信号处理）的角度解读AI。

当然，在哲学、脑神经等其他领域也有从事人工智能探索的学者。不过总体而言，由于人工智能核心目标是探索如何将人类智能转化为可计算问题，因此它主要还是落在计算机领域。

如果希望对AI发展有比较通俗全面的了解，可以参考以下两本书：《人工智能狂潮》虽然标题名略显中2，内容比较扎实，浅显全面并及时涵盖到最近的深度学习浪潮；《人工智能简史》是华人尼克的大作，作者搜集的史料全面扎实，夹叙夹议有很多干货，读起来很过瘾，不过很多地方点到即止，如果没有相关背景知识很难看懂作者所指。

人工智能怎么学？

刘知远：清华大学***明确提出"价值塑造、能力培养、知识传授"三位一体的育人模式，我认为这是高水平AI人才养成方式的最佳描述。

知识传授这层不必多说，师者传道受业解惑，在大学里通过课程讲授和课下实践，研习精通计算机和人工智能理论与技术，每位同学通过一门门课程成绩反映出的，正是专业知识掌握的水平。我想，绝大部分同学都能明白课程学习的重要性。然而，大学之道不仅于此，不然大学就不过是个专业技校。

在知识传授之上就要构筑能力培养，这对CS/AI专业而言尤其重要。计算机和人工智能是非常年轻的学科，正处在飞速发展的朝阳时期，学科知识更新换代很快，大部分最新知识根本无法在短时间内及时沉淀到教科书中。而进入教科书的那些知识，与实际应用场景往往已有较大距离。很多CS/AI高科技公司自身就站在学科最前沿，亟需有快速学习和独立解决开放问题能力的人才。

这样，一方面要求同学有意识建立终身学习的理念，有较强的独立学习的能力；另一方面则要求同学注意通过实验室研究等方式锻炼科研创新能力。CS/AI同学们需要主动参与科研工作的全过程，树立专业志趣，培养独立学习的能力、自我学习的习惯、提出问题的意识、以及独立解决开放问题的能力，这是大学培养CS/AI高水平人才的必由之路。因此，大学教师在CS/AI开展高水平原创研究的能力，也一定程度上决定了他们对学生进行能力培养的水平。

最后一层价值塑造也许是最玄乎的，但更加重要。一个人在知识和能力确定的情况下，Ta的努力方向和坚持程度最终决定其成长的高度。找到在术业上的坚持方向，就是价值塑造的过程。这个过程绝不是简单粗暴的灌输和宣讲就能实现的，要有高水平的教师一起教学相长，有志存高远的同学共同努力拼搏，有各界奋斗的学长作为示范榜样，有校外海外的实践平台广开视野。实践出真知，只有自己多听多看多想，才能找到自己喜欢的、努力的方向，也才更有后劲坚持不懈。

所以，不管是人工智能、计算机专业还是其他什么专业，只要想把自己培养成为该领域的可堪大用之才，就需要从知识、能力和价值这三个层面来努力提升自己。

院校那么多，人工智能到底该去哪学？

在了解完“什么是人工智能”以及“人工智能怎么学”之后，最重要的问题来了——该去哪儿学？

不同高校的人工智能专业从师资水平、课程设置等各个方面都有所区别，这就需要有一个量化的指标来对其进行评价。

本文将继续采用刘知远老师推荐、UMass教授Emery Berger维护的高校计算机科学领域排名CSRankings。

CSRankings采用DBLP数据库中大学CS/AI教授在不同方向顶级会议上发表的论文数量进行排名，有客观确切数据支持，例如美国号称CS四大名校的Stanford、MIT、UCB和CMU就排在美国前四位。同时CSRankings工程和数据全部开源在GitHub上，可以非常方便地进行检查、复现和扩展。

CSRankings将CS划分为AI、Systems、Theory、Interdisciplinary Areas四个一级方向，每个方向有有若干子领域，例如AI就又下分General AI （AI总方向）、Computer Vision (计算机视觉)、Machine Learning & Data Mining（机器学习与数据挖掘）、Natural Language Processing（自然语言处理）、The Web & Information Retrieval（互联网与信息检索）。

每个子领域只收录2-3个顶级会议，这主要是因为计算机科学技术由于发展比较快，所以学者们更重视通过国际会议论文发表最新成果进行学术交流，而不像其他领域那样主要是通过期刊发表最新研究成果。

新智元查询了2018-2019年CSRankings排名Top 20，中国高校已用红色框标出，按照排名顺序分别是：

清华大学、北京大学、中国科学院、上海交通大学、浙江大学、***大学和香港科技大学。

除此之外，刘知远老师在知乎中还提供了国内学术网站AMiner所做的一个改进版，除了提供中国高校单列名单外，还额外提供根据论文引用数量的排名。按照2009-2019十年间论文发表统计，刘老师简单统计了国内AI/CS排名较高的高校（不含香港***高校、不考虑中科院）如下：

这个排序大致能够反映各大高校CS/AI专业的国际学术前沿整体水平，而且通过AI领域和CS整体的排名反差，可以观察到该高校AI方向的强势程度，例如***的AI排名高于其CS排名2位，哈工大AI排名高于CS排名3位等等，说明这两所大学的AI方向相对比较强势。

而且，还可以看出，国内高校AI领域的世界排名整体明显超过CS整体的世界排名，说明国内高校在AI方面更接近世界前沿水平。

需要注意：

这个统计结果只能反映师资力量的一个侧面，而很多国内高校如北航、国防科大等在国家信息科学重大需求方面做出的巨大贡献如天河等，并无法客观反映到这个统计中。

由于CSRankings作者Emery Berger坚持只收录能招收博士的CS教授，因此那些在电子工程或自动化系等其他非CS系的教授没有被收录进来，从而导致该清单并不能完全反映各大高校的AI等领域的师资水平，但也正因为其只收录CS教授，也许对于我们评判这些高校的CS专业师资力量更有帮助。

此外，部分高校可能存在教授列表不全等问题，而CSRankings接受修改申请，建议国内高校相关院系如果有遗漏CS教师的可以去申请更新。

接下来，新智元将对CSRankings排名较高的几所高校进行介绍。

清华大学——“姚班”、“智班”

清华大学 计算机科学实验班（姚班）

“清华学堂计算机科学实验班”（姚班）由世界著名计算机科学家姚期智院士于 2005 年创办，致力于培养与美国麻省理工学院、普林斯顿大学等世界一流高校本科生具有同等、甚至更高竞争力的领跑国际拔尖创新计算机科学人才，重点着眼于计算机科学与物理学、数学、生命科学、经济学等相关学科的学科交叉培养。凭借多年美国名校执教经验，施行“因材施教”和“深耕精耕”相结合的特色人才培养模式。

在姚期智院士亲力亲为的不懈努力下，姚班的办学理念和办学成果得到了国家领导人及教育部的充分肯定和大力支持，并先后荣获北京市教学成果奖特等奖和国家级教学成果奖一等奖。历经十余载办学，今日姚班已有三百多位优秀校友遍布全球，在国际一流高校与知名企业崭露头角，并在全球信息技术革命浪潮中引领创新。姚班“最优秀的本科生和最优秀的本科教育”的办学理念和办学成果为国内拔尖创新人才培养模式的探索树立了突出典范。

姚期智院士躬亲教学第一线

凭借多年美国名校执教经验 ，亲自制定培养方案和教学计划

注重学科基础教育，设计 25 门全英文课程，覆盖计算机科学的前沿领域

最优秀的本科生和最优秀的本科教育

选拔自优秀清华新生

国际一流专家走进姚班课堂第一线

姚期智院士领衔的国际化师资团队

1+1 导师责任制，从学生入学起至毕业配备责任导师

实施阶梯式培养模式

前两年实施计算机科学基础知识强化训练

后两年实施理论、安全、系统、计算经济、计算生物、机器智能、网络科学、量子信息等方向的专业教育

多方位的国际学术交流平台

建立长效海外高校联合培养机制：大三年级学生 100% 赴海外一流高校交换学习一学期

每年选送部分大四优秀学生前往美国 Harvard、Princeton、MIT、Upenn、Michigan 等知名大学以及 MSRA、Google、百度等知名研究机构进行研究实践

选拔具有特殊潜力的优秀学生，加入 " 预研班 " 进行个性化培养，并派至欧美、澳洲、日本等一流高校短期交流访问

三年级全体学生赴香港、澳洲、新加坡参加学术冬令营

资助学生参加 SODA、FOCS、STOC、COLT、SOSP、ICALP、CVPR、AAAI 等领域内顶级国际会议

量身定制的预研计划

择优选拔具有特殊潜力的优秀学生进行个性化培养

直接参与院科研项目，导师一对一指导

优秀预研生免试攻读交叉信息院研究生

构建高端科研实践体系

大三、大四两年通过专题训练实践、计算机科学研究实践、综合论文训练等实践课程和海外研修环节，联合构建高端科研实践体系

院一线骨干教师以及海外高校名师联合指导，全面支持学生前往 MIT, Harvard, CMU, Cornell, UC Berkeley 等国际顶尖高校进行科研实践

清华大学 人工智能学堂班（智班）

培养理念

“清华学堂人工智能班”（智班）由世界著名计算机科学家姚期智院士于 2019 年创办，成立智班是清华大学在人工智能整体学科布局上的重要举措，既是对清华乃至国家在人工智能领域优化科技创新体系和学科体系布局的积极响应，也将进一步拓展清华拔尖创新人才培养的学科格局。图灵奖得主、清华大学交叉信息院院长姚期智院士将担纲智班首席教授。

智班的目标是培养人工智能领域领跑国际的拔尖科研创新人才；同时，通过智班广基础重交叉的培养模式，打造学科间的深层交叉合作平台，进一步促进不同学科之间的交叉结合；并在助力不同学科发展的同时，深化对人工智能前沿的理解并进一步推进人工智能发展。

创班特色

清华在人工智能领域具备强大实力，包括信息科学技术学院下的计算机科学与技术系、软件学院、自动化系、电子工程系，以及生命科学学院、医学院等院系都在科学技术及人工智能研发上有突出的成果。智班将和这些院系都保持紧密合作。智班的创立，更充分依托了清华交叉信息院在人工智能师资力量与学科建设上的积累。过去十年，交叉信息院组建了一流的师资团队，基于人工智能核心算法和系统，在健康医疗、互联网经济、安全、网络、电力市场、机器人与智能制造等主要研究方向取得了丰硕的成果，奠定了坚实的学科基础。

师资团队

智班的师资将依托清华大学交叉信息研究院教师团队。自 2011 年成立以来，交叉信息研究院在姚期智院士的带领下，成功建立起一支国际一流水平的师资团队，具有坚实的人工智能人才储备，并在人工智能多个领域打下坚实的前沿科研基础。

同时，交叉信息研究院新近从国际顶尖高校引进多位人工智能领域的优秀青年人才，涵盖人工智能理论研究、人工智能芯片制造、自然语言处理、自动驾驶等前沿热门领域，其中还包括三位交叉信息研究院培养的毕业生。这些青年导师将极大支持智班的人才培养体系。

培养方案

智班的培养的特点为“广基础、重交叉”。在本科低年级，智班将通过数学、计算机与人工智能的核心课程，为学生打下扎实宽广的基础。在此基础上，智班在本科高年级将通过交叉联合 AI+X课程项目的方式，使学生有机会将人工智能与其他学科前沿相结合，在以人工智能促进不同学科发展的同时，深化对人工智能的理解，推动人工智能前沿的发展。

同时，智班同学将获得与相关产业的联合实习机会，深入了解实际产业中的前沿基础科学问题，并通过人工智能知识与技术，加强人工智能在不同产业中的推广与应用。在应用中对人工智能技术进行进一步推广与发展，并为产业发展提供坚实技术基础。

本文来自新智元微信号，本文作为转载分享。