清华北大留不住，高中毕业去美国读AI本科值不值

高中毕业后去美国学AI正成为越来越多高中生的选择。这无疑为中国AI人才流失雪上加霜。学AI应该去美国还是就留在中国?本文以CMU、MIT、清华和南大的人工智能及计算机科学本科专业课程设置为例，或许能给你一些启发。

“清华北大也没有什么不好，”Jim说：“但我想趁年轻的时候多出去看看世界，多接触一下不同的文化和学术氛围。”

Jim是斯坦福大学的博士生，他的导师不是别人，正是前斯坦福人工智能实验室负责人、现今斯坦福以人为本人工智能研究院共同院长、斯坦福视觉实验室主任李飞飞教授。

高中毕业后，Jim去美国哥伦比亚大学读计算机，大二的时候修了自然语言处理大牛Michael Collins(现在Google New York)的NLP课程，跟着Collins教授的一名博士生一起做语音识别，那时候还没有“端到端”的概念。后来，Jim去百度实习，当时吴恩达还在百度担任首席科学家，Jim参与的第一个深度学习项目，就是后来被《麻省理工科技评论》评为“2016年全球十大技术突破”之一的深度语音识别系统Deep Speech 2。

“我参与核心框架研发，直接编写GPU CUDA代码。那是一次非常有收获的经验。”Jim说。

除了吴恩达，与Jim合作过(包括发表论文)的学者还有 Yoshua Bengio、Aaron Courville、Percy Liang、Adam Coates、李佳、韩梅、Andrej Karpathy、John Schulman，以及李飞飞教授。或许有个别名字你还不熟，但相信我，无论是哪一位，都是当今人工智能领域响当当的大牛。

如今，像过去的Jim一样，想在高中毕业后就出国看世界的中国学生越来越多。而在人工智能火热的当下，他们中有相当部分的人把目光瞄准了人工智能。

中国希望在2030年前成为全球主要的人工智能创新中心，但根据斯坦福网络数据挖掘和调研公司Diffbot的一份最新报告，中国高校培养的机器学习人才，有超过62%的人选择去美国发展。

现在，这一趋势更呈现出低龄化的倾向。

近来包括清北在内的中国高校如雨后春笋般冒出的人工智能本科专业，似乎并没有引起这部分学生和家长的兴趣，他们的目标非常明确——高中毕业就去美国学AI。

中美本科AI，区别和差距有多大?

中国高校设AI本科：更注重打基础

以大名鼎鼎的南京大学人工智能本科专业为例。南京大学人工智能学院成立于2018年，由国际人工智能领域著名学者、欧洲科学院外籍院士周志华教授担任院长。

学院目前设置“机器学习与数据挖掘”、“智能系统与应用”这两个专业方向，目标是培养具有坚实的数学基础和计算 / 程序基础、全面深入的人工智能专业知识、丰富的应用实践能力，在人工智能领域具有源头创新能力和解决企业关键技术难题能力的专业精英人才。

南大人工智能学院本科阶段一年级的教学计划如下：

南京大学在一年级就加入了《人工智能企业实践》这门课。

对比南大计算机科学与技术专业本科教学计划[3](点击图片放大查看)，南大人工智能本科的数学基础课程明显加重：

除了南大人工智能本科，清华大学计算机本硕博，是另一条在中国求学AI的“黄金路线”。

清华大学计算机科学与技术专业的本科生，要运用所掌握的理论知识和技能，从事计算机科学理论、计算机系统结构、计算机网络、计算机软件及计算机应用技术等方面的科研、开发与教育工作。

培养总学分不少于170，其中春、秋季学期课程总学分138，夏季学期实践环节17学分，综合论文训练15学分。其中，计算机科学与技术专业核心课程共5门(14 学分)，分别是：操作系统(3学分)、编译原理(2学分)、形式语言与自动机(2学分)、人工智能导论(2学分)、专业实践(5学分)。

其他还有公共基础课程，比如思想政治理论、体育、外语，以及文化素质课，比如哲学与伦理、艺术与审美。

以下是2018年清华大学交叉信息研究院的2018春季课程[2]。交叉信息研究院又称“叉院”，由图灵奖获得者姚期智教授领衔。

叉院计算机科学实验班特设全英文教学的专业及核心课程 25 门，覆盖计算机科学的前沿领域，学生可根据自身研究兴趣在专业核心课中按要求进行选择性修读。

其中大一、大二专业核心课开设 13 门，以“通才教育”为主，涉及计算机科学基本专门知识，帮助学生全面了解计算机科学前沿领域;大三、大四专业核心课开设 12 门，以“专才教育”为主，分别面向两个专业方向“理论和安全”以及“系统和应用”。

叉院25 门专业及核心课程如下：计算机入门、计算机应用数学、普通物理(1)英、信息物理、算法设计、普通物理(2)、计算理论、网络科学、密码学基础、博弈论、近代物理(1)英、计算机安全的理论及实践、Java 程序设计基础、分布式计算(基础与系统)、量子信息、大数据算法与模型、机器学习、高等计算机图形学、近代物理(2)英、计算机网络基础、操作系统、计算生物学、信息论与网络编码、专题训练实践、计算机科学研究实践。

其中，量子计算、密码安全、计算生物学以及近代物理等课程，充分体现了“叉院”的特点。学生在第四学年(第7、8学期)将在清华或各著名科研院所从事实际专题研究与实践。培养过程以在清华大学为主，优秀学生将有机会派往国外参加国际交流及培训。

下面是姚班2018秋季课程表[4]：

高中毕业去国外学AI：更多自由探索

对于想尽早跨出国门看世界的学生而言，吸引他们的不仅是课程设置，更是国外自由的学术和探索空间。

目前，在美国只有卡耐基梅隆大学(CMU)设有人工智能本科。因此，要去美国学AI，更常见的路线将是先读计算机专业本科，而后再选择AI相关的硕博士项目。

1、选择CMU的人工智能本科

根据官网介绍，想学CMU人工智能本科的高中生，需要首先申请CMU计算机科学学院(SCS)的本科生，撰写PS时明确表示自己对AI培养计划(BSAI)的兴趣。

进入计算机科学学院读完第一年后，方可申报人工智能专业。不过，不是你想学就能学，每个班级只有大约35名学生可以报名申请，而AI课程一共接收大约100名学生。

在四年的学习过程中，学习需要学习包括数学和统计核心课程、计算机科学核心课程、人工智能核心课程、道德、AI细分方向、人文艺术、一般科学和工程学等大类的至少 30 门课程。总的来说，核心课程以人工智能为核心，分为以下七大版块(要了解课程大一、大二等时间排序详见官网[1])：

♦ 数学与统计核心(6门课程)

计算机科学数学基础(可用“数学概念”替代)

微分和积分微积分

积分与逼近

矩阵和线性变换

计算机科学家的概率论

现代回归

♦ 计算机科学核心(5门课程和新生入境课程)

新生移民课程

势在必行的计算原则

函数编程原理

并行和序列数据结构和算法

计算机系统简介

计算机科学的伟大理论思想

♦ 人工智能核心(人工智能中的3个课程和概念)

人工智能概念(小型，春季学期)

AI表示和问题解决入门

机器学习入门

选修课(二选一)：

自然语言处理简介
计算机视觉导论

♦ 道德选修课(以下1门课程)

新生研讨会：人工智能与人文

计算中的道德与政策问题

人工智能、社会与人文

♦ 人文与艺术(7门课程，必须有认知科学和认知心理学)

认知心理学

人类信息处理与人工智能

感知

人类记忆

视觉认知

认知建模

语言与思想

在人类和机器中学习

♦ AI 细分方向选修课(4门课程，从以下每个领域学习一门)

决策与机器人细分方向

神经计算
真理，正义与算法
认知机器人
人工智能的战略推理
机器人规划技术
移动机器人编程实验室
机器人运动学和动力学
规划、执行和学习

机器学习细分方向

深度强化学习和控制
文本挖掘的机器学习
深度学习简介
高级数据分析

感知和语言细分方向

搜索引擎
语音处理
计算感知
计算摄影
视觉传感器

人工智能交互细分方向

设计以人为本的系统
人机交互
向人学习
智能产品和服务设计工作室

♦ SCS选修课

BSAI学生在计算机科学学院学习两门选修课。

♦ 科学与工程

BSAI学生参加四门科学和工程课程，作为SCS通识教育要求的一部分。

2、选择MIT计算机科学本科

如果不去CMU学AI，而是走更常见的先计算机本科然后再学人工智能路线，让我们以MIT为例。

下面是MIT计算机科学本科专业课程设置：

♦ 必修课(4门)：

计算机科学与程序设计概论;或计算机科学Python程序设计入门;或计算思维与数据科学概论(三选一)

计算机科学数学;或离散应用数学原理(二选一)

编辑基础

算法简介

♦ 选修课(分初级和高级课程，学生需要从中选择两门课，其中一门必须从高级课程中选择)：

初级

计算机体系结构
推理入门
人工智能

高级

软件构建
计算机系统功能
机器学习简介
自动化、可计算性和复杂性;或者计算理论(二选一)
算法的设计与分析
软件开发

在美国，诺贝尔奖得主照样给本科生上课

从课程设置上来看，除了专业知识，美国大学也十分注重基础学科的培养。

哲学、人文乃至政策等宽泛的基础课程，有利于拓展学生视野和思维，为将来求学和工作给出更广博的选择。

但更令人关注的，是美国本科教育为学生与世界一流科学家接触所提供的机会。

“我没有在中国读本科，因此这方面没有发言权，”Jim告诉我们：“我能说的只是，在美国和教授交流非常方便，不管你是大二的学生还是PhD，他们都会热心解答你的问题，推荐信也写得很好。例如我这次去纽约，教授亲自迎接我，最后大家都会成为很好的朋友。”

采访中，几乎每位老师和学生都表示，在美国读大学与顶级教师的交流机会很多，而这是在中国高校很难见到的。

“美国的顶级教授，哪怕获得了诺贝尔奖，也照样要给本科生上课，教学任务一点也不会减少。”昆山杜克大学应用科学与工程研究院以及大数据研究中心主任李昕教授告诉我们。李昕教授同样也在美国杜克大学任教。

“这是中美高校课程设置的不同，美国高校每门课都有 Office Hour，每周1-2个小时，这个时间段老师必须在，学生可以去任意问问题。”李昕教授说。

“尤其是美国的私立学校，教授会花相当大的时间和精力用于教学，这比同档次的中国高校投入很多。”杜克大学电子与计算机工程系副教授陈怡然表示，虽然陈怡然教授并不太推荐高中生毕业后直接去美国学AI。

“美国不像中国，有专门的人工智能本科，虽然会有相关的方向。”陈怡然说：“到美国念一个排名不靠前的高校，再出来读研究生，并不见得比读中国985高校有优势。”

中美AI专业学生对比：中国学生基础扎实，美国学生动手能力强

在课程的建设中，不仅需要对具体科目或课程类型精心设计，还不能忽视对课程整体性和系统性的关照。课程结构的好坏影响课程整体功能和目标的达成。

“对于工学院来说，中国学生的理论知识一般都比较强，基础比较扎实，”李昕教授告诉我们：“而美国学生则是动手能力强。”

“相比中国高校的上课、作业然后考试，美国本科教育非常侧重课程项目(course project)，这有助于促进学生的实践能力。但反而来，美国工科学生的理论功底则不那么牢靠。对科研感兴趣的美国工科学生，会在本科阶段去其他院系选修数学、物理等理论相关的课程，增强自己的理论基础，为博士研究做好铺垫。”

李昕教授表示，在专业设置上，中国的“动作很快”，目前很多中国高校设置了大数据本科专业。“如果大数据真的很有用，像计算机科学一样，那么这当然是好事。但是，如今我们并不知道五年后、十年后情况如何。在这一点上，美国设立新的本科专业比较谨慎。”

“我们昆山杜克大学在2018年设立了大数据专业，该专业在设置上强调与行业相结合，学生在大数据专业以外还要学习某一个由学生自己选择的传统行业知识，比如制造业或金融，”李昕教授说：“大数据未来发展的一个最大难点就是缺乏复合型的人才。要找到一个既懂数据又懂专业领域的双料人才非常困难，所以培养跨学科的人才是我们昆山杜克学校的一个重要任务。”

“当然，越早去美国越容易融入当地文化和社会，对于以后长期在美国发展有一定帮助，”李昕教授说：“但是，过早出国也容易变成‘香蕉人’，虽然是黄皮肤，但对中国文化和传统却了解不多。”

而这，不仅仅是尽早出国学AI才会有的问题。

该去美国学AI还是在中国学AI?

现在，人工智能在美国和中国都会受到同样的重视，在未来几年，可以预见两国都会在AI教育方面投入大量的资源。

“学生都会想选择最好的学校、最好的平台、最好的老师、最好的同学。”南京大学计算机科学与技术系副教授俞扬表示：“但什么是‘最好’，不同的人有不同的定义。”

“有些顶级学校对学生素质要求非常高，如果达不到这一标准，学习起来会非常吃力，如果在这样一个团体里排在靠后的位置，对学生个人的自我评估有一定负面影响。”俞扬说，他同时也在南京大学最新成立的人工智能学院授课。

南京大学的官网上，特别强调“在师资力量方面，高水平教师团队100%进入本科教学环节，本科生就能获得接触前沿研究和高水平应用实践的机会”。

俞扬表示，现在美国高校里想学人工智能的学生非常多，申请本科和博士竞争都很激烈。“有很多杰出的教授被工业界吸引，离开了高校，导致美国高校师资力量有所减弱。虽然在企业里也能进行学生培养，但这跟高校教育还是不大一样。”

随着这几年中国大力投入，中国人工智能和国际学术界交流非常频繁，“从相关顶会的程序主席、论文录用情况和会议赞助等方面看，中国和全球对接已经非常好。”

南京大学人工智能学院和美国、欧洲、日本、加拿大及香港地区建立了长期稳定的国际交流机制，设立专项基金支持本科学生的国际交流，可以出国访学、留学、交换。

“人工智能学院还没有成立的时候，我们带领本科生发表论文，也顺利被美国硕士项目的录取，”俞扬说：“从目前的人工智能来看，国内也有自己的优势，比如与国内的企业合作，企业里有很多新奇的应用，大量的数据和大量的计算资源，这些优势中有一些甚至可能是超过美国的。”

俞扬认为，无论是去美国读AI还是在中国读AI，环境很重要，但自身的兴趣更重要。“如果不是真正感兴趣，能够全身心地投入这样的研究方向，否则很难发挥全部潜力。每一个火的方向都有冷的时候，建议同学们选择专业的时候，不要太受外部环境影响，因为当遇到挫折和困难时，只有自己的兴趣爱好，才是坚持下去最大的动力。”

参考资料

https://www.cs.cmu.edu/bs-in-artificial-intelligence/curriculum

http://www.tsinghua.edu.cn/publish/newthu/newthu_cnt/education/pdf/bkzy_18.pdf

http://cs.nju.edu.cn/1689/list.htm

http://iiis.tsinghua.edu.cn/show-7129-1.html