最近，全网都在热议“XX专业值不值得读”，不同家庭的孩子怎样进行志愿规划避免“掉坑”，“学长学姐现身说法的专业避雷”等。
无论哪个国家，毕业时对所选专业感到后悔的学生都不在少数。毕竟，大学教育资源在全世界都是稀缺的，所以即使有些“天坑专业”与就业市场不匹配，这些“坑”依然都会被新生填满。
【资料图】
但谁都不想一毕业就失业，或者投身“地狱模式”的工作。难道不认识神通广大的长辈，付不起昂贵的规划师咨询费，就只能 “一选定终身”了？
其实熟人或网红老师的建议也好，付费的志愿规划服务也好，本质上都是消除信息差，帮助学生多了解一些世界运作的真相。
今日之世界，由AI技术驱动的产业革命，可以说是最具普遍性共识的一个真相。不过，AI相关教育还远称不上成熟，甚至可以说是史前时代，大量就读、就业的细节，来自于从业者的切身感受和体验，高质量的分享很少能被大众所接触到。
而了解真相，是学子们做出人生选择的第一步。我们希望通过来自双一流乃至职业教育学校，大一新生或已经靠AI赚到钱的职场人现身说法，为大家提供一些真实的声音。
一、AI专业，不等于最优开局
热门、高薪、好就业，是大家对AI专业的主要印象。相比生化环材等知名“天坑”，考上AI专业，是不是代表了大学生涯的最优开局？
第一个真相是：比起理论扎实、积累深厚的传统专业，新兴的“AI专业”可能更难学到东西。
过去几年，AI已经从计算机科学领域独立出来，有了专门的本科专业，也进入了高等职业教育。考上“AI专业”的学生数量越来越多，但“AI专业”的含金量却未必同步提升了。
如果学生要自学成才或者和老师、本校本专业一起摸爬滚打地成长，你觉得这学费交的值吗？当下很多“AI专业”，就是如此。
随着大量高校AI专业、院系的建立，需要快速填补大量教师，很多教师都是计算机等临近专业抽调过来，可能并不了解AI技术与产业，也是“初学者”。其中，AI理论可以很快上手，比如人工智能的发展史、机器学习原理等。
但是，让不熟悉AI的老师们结合实践，搞一个落地应用或者做一个具体项目，很多人就犯怵了。
因为真正Coding编程、做模型训练的时候，涉及到大量专业细节的问题，比如调参为什么改了这个、改了那个？为什么调完模型精度还是很低？这些都需要长时间的充分实践，才能有感觉。
中部地区某211大学的一位老师说，该院在2018年就成立了人工智能实验室，虽然叫这个名字，但老师们还不是太会用人工智能，甚至连python语言都不太会，只是觉得人工智能很有未来，所以就起了这个名字，目的是带着本科生做科创。本科生一考上该大学，还是大一新生的时候，第一学期就开始培训。
试想一下，当学生在机房上机训模型调参，结果老师都不知道遇到具体问题该怎么解决，学习效果会有多好？
众所周知，AI学术界和产业界的变化又非常迅猛，技术更新换代速度非常快。2023年之前，没有人会想到大模型会带火提示工程，prompt会成为技术领域最热门最有价值的就业方向之一。
当老师们都在拼命学新东西，还学不完的时候，学生们更像是在玩一场“养成游戏”。
二、少有人提的风险：AI学科可能随时被推翻
当然，我们并不想批评AI专业和AI教师。高校教育能够缓解AI人才紧缺，是提升AI人才质量的关键，所以设立AI专业是非常必要的。而任何一个新的专业，都要经历探索、成熟的过程，这无可厚非。
不过，“教学相长”的背后，是AI学科还处于史前时代的现实处境，其中所包含的风险少有人提，却也是学生们应该心中有数、预先准备的：
第一，AI理论基础以后可能会被重构。
以计算机科学为例，拥有集成电路、操作系统、编程语言等一套完整的学科体系。而人工智能，作为一个独立学科的条件，其实还是不成熟、不健全的，大量其他领域的理论，如认知神经科学、计算机、数学等糅杂其中。
在某次“AI院长峰会”上，清华大学人工智能研究院名誉院长张跋院士直言，人工智能的理论、通用硬件、软件都还没有，目前掌握的只是有限的一些算法，产业处于发展初期的探索阶段。已有的知识驱动和数据驱动方法，都不足以成为人工智能的理论基础。
这意味着，AI专业学生在本科阶段所学的知识可能被废弃，仅靠技能、应用技巧的学习，是无法与其他专业或“社会大学”从业者拉开明显差距的。如何提升这张“本科毕业证”的含金量，就必须在就读期间考虑到了。
第二，AI学科建设的投资可能不足。
人工智能专业虽然是一个新的专业，但是它并不是一个新的研究方向，不同高校的同一专业就可能拉开比较大的差距。
头部高校有足够的师资和足够优秀的学生，来承接AI专业的建设和发展。但往下一级，很多高校缺乏大量的老师来支撑专业的教学，对于前沿技术的支撑也不足，那么普通院校的AI专业学生所得到的教学指导、社会资源、校友关系等，相比一些较为成熟的传统学科，可能都会打折扣。
认识到这一点，才能在就读期间，去主动链接自己需要的资源，培养必要的能力。比如说，应该掌握一些用于就业保障的技能，但也不要把一些“技能”看得太重，因为大多数技能、软件的寿命都比你想象的要短，需要以更好的方式重写，所以必须打好基础，认真学习基础理论、知识和方法，建立自我驱动、自我学习learning to learning的能力，同时积极参与AI企业的活动，到企业参与实践，将理论知识联系实际，端到端解决问题。
三、非AI专业，或许更有前途
大家可能发现了，看起来很美的AI专业，也有很多不如意。世界上没有完美的专业，只顾理想、不顾现实来选择专业，当然不适合普通家庭、普通学生，但盲目追求热门专业，也可能是竹篮打水。
很多人希望选个“好专业”的本质诉求，其实是减少竞争，回避内卷，未来能够找到比较好的就业去向。
讨论这个话题，著名风投家Naval的观点值得反复琢磨：
“Escape competition through authenticity……Basically, when you’re competing with people, it’s because you’re copying them. It’s because you’re trying to do the same thing. But every human is different. Don’t copy.”
简单来说，就是如果你有原创性，和别人做不同的事情，就可以不参与竞争了。“不要模仿他人，做自己”，这句话听起来很鸡汤，但在AI时代有很强的可行性。
首先，产业AI化的机会。AI是一个综合交叉学科，当一扇扇产业和行业之门被推开，AI会“从天上的云变成地下的雨”，渗透到每一个领域。AI产业和就业机会，在整个智能经济中只占了很小的一部分。AI与行业的紧密结合，才是更广阔的天地，非AI的专业和从业者反而可能有更大的机会。
其次，AI门槛降低，行业壁垒更安全。大模型、AutoML等技术持续发展，AI作为一个工具的门槛越来越低。但是，AI要融入千行百业，行业知识和行业专业的知识门槛、经验门槛是非常高的，需要时间去积累，而壁垒高也意味着竞争少，很难被他人或AI替代。
此外，重复工作的消失。AI技术进步，即使是知识劳动的白领职业，比如数据分析师、文秘、翻译等重复性工作的岗位，都在逐步完成智能化替代。也就是说，年轻人不想原创、不想做自己也不行了，因为未来就业市场上可能只剩下AI无法替代的岗位，那就是富有创意的、需要与人打交道的工作，个人不可替代的特质会变得愈发宝贵，当然也愈发值钱。
四、活出不设限的人生
那么，我们应该如何将自己的专业、兴趣与AI结合呢？我们用几个真人真事来为大家提供一些思路。
1. 传统专业的刷新
某大学能源专业的一位教师，是刚从海外回国的“杰青”，他参加教学时间不长，但感觉到学生对AI非常感兴趣。
原来，传统学科的就业前景不是特别好，虽然能源行业是支柱行业，就业不是问题，但工作地点一般都在荒山戈壁海上，对年轻人的吸引力越来越低了。
对于本科生来说，新兴人工智能产业的发展更多，对就业很有好处，所以学生们对把AI用到传统领域都非常有兴趣。即使毕业后继续深造读研，跨界AI在研究生选专业时也是有优势的，因为各个领域多多少少都会加一点人工智能的东西。
而对于研究生来说，掌握AI也可以让研究变得相对容易一些。因为能源专业的一些优化问题，需要用到很多很深的数学知识的优化方法，而用了深度神经网络等AI技术以后，算法自动优化可以让研究提高效率，真的可以解决一些比较实际的问题。
这位老师坦率地说，“世俗一点讲，现在AI相关的比较热门，从发论文的角度也相对容易一些，所以对他们的吸引力也是很强的”。
更多传统专业优秀教师开始关注AI、掌握AI、使用AI、教授AI，学生们就会越早从AI中受益，加速AI人才质量的提升。
2. 二本少年的逆袭
遇到山东省某所农业大学的大三学生小冯，是在一个上海的AI开发者峰会上。
原来，小冯发现老家盐场一直采用传统方式进行晒盐，靠人工测量水位高度，工人们的工作辛苦。图像识别分析围圈晒盐图像，及时提醒捞盐，大大减轻了盐场工人的负担。
目前，主流AI开发平台都有大量成熟的CV模型可以直接调用，数据标注也有自动化工具来实现，只需要采集原始图像数据，就可以轻松实现这样的应用。
2023年，这样基础的CV应用，别说全国性峰会，可能在本地大学城都略显过时了。小冯将自身的专业知识、老家盐农的关怀，与AI进行跨界结合，起到了意想不到的效果。
作为AI开发者代表之一，他本人也很直接：我觉得是因为盐场这个场景以前没有人做过，我是第一个想到做到的，所以主办方才会邀请我来展示。
很多时候，机会就是一次勇敢的行动，率先走出校园，走出城市，踏进广袤的产业世界，将自己的特质/兴趣/情怀进行安放，就能打开人生的更多可能。而这背后，是敏锐的洞察、对工人辛苦的共情，这些闪光的能力和特质，成就了小冯改变求学生涯的必然。
3. 独立开发者的豹变
不管什么专业，就业才是大多数学子真正关注的问题。其中，时间自由、赚钱丰厚、有成就感的独立个人开发者，是很多人向往而又不知道如何入门的。
小王是我们认识的一位独立开发者，在他看来，这个职业有点像豹子，需要快速、敏捷、能力很强，一般独来独往。
听起来很酷，其实小王是个深度社恐，这十几年没有接触过外人，微信里的联系人只有三十个，包括他的父母、亲属和快递员。
尽管不善与人打交道，但小王也有非常不错的收入，他到底是怎么赚钱的呢？
原来，小王的客户是制造企业为主，这些企业要智能化，不可能去找一家大的软件公司雇一个工程师来拧螺丝、焊电路板，成本负担不了。而中国又有几百万家这样的制造企业，只能靠小王这样的开发者去满足，足以让小王获得不错的收入。
当然，小王本身能力也非常出色，他从小就参加各种编程比赛，专业就是软件开发，还曾自己创过业。我问小王对想做独立开发者的年轻人有什么建议，原本以为他会分享很多技巧，没想到他抛出的话和风投家Naval一样——做自己最好。只要发挥每个人的特长，一个人总能在这个独立开发领域，找到自己的生存空间。
“还有一点，就是一定要挣钱，一定要挣钱，不能纯理想”，小王特意强调了两遍，我听出了他话里的真诚。
五、写在最后
面临“选专业”这样的人生重大选择，我们都希望一击即中，有一个最好结果，为此殚精竭虑、求人问道，甚至上当受骗，只为了看到多一点真相，了解多一点事实，少踩一些坑。
任何专家、领导、天才的建议，或许都没有这一个个真实的众生故事更准确、更真诚、更具参考价值。
可以看到，AI时代的人才需求，正在发生很大的变化：
AI的技术特性和应用导向，人才可以在学术界、产业界更灵活、自如地流动，AI创新的转化效率和人才培养效果才能更加显著，原本产学研各自为政的人才培养模式必须打破。所以，AI和其他专业，高校和产业，彼此的融合突破已成必然，双方都在往中间走，“冷板凳”也可以因AI+而变得热乎，重要的是你如何看待AI、看待教育、看待自己。
人生没有失败，更不可能“一选定终身”。因为智能变革将带来巨大的发展红利，而你是独一无二的人类，你有无限的可能性，你抓住的机遇点越多，人生的容错率就越高。
了解了这些就读和就业的真相，也就自然可以推理出该选什么、该做什么、该学什么。
