大学入試特集：AI出願ガイド

大学入試はすでに始まっています。分厚いノートを開いて専攻を選ぶ日はまだまだ遠いのでしょうか。

この季節が来るたびに、「下水道」を専攻する学生の多くは、「卒業したらすぐに失業」と憂鬱に感じます。選択肢があるのなら、高給取りの企業に引き抜かれる勝ち組学生になりたくない人がいるでしょうか?

先輩たちが「○○専攻は絶対志望してはいけない」と言っているのを、皆さんはいろいろなバージョンで見たことがあると思いますが、「人工知能バージョン」は見たことがありますか？各界で熱心に研究されている人工知能は、学生の皆さん、学ぶ価値が大いにあります。

AI専攻がなぜ話題になったのか？

実際、北京大学は2004年に早くも「知能科学技術」の学部専攻を設立し始め、その後多くの大学も同様の専攻を設立しました。題材の設定は人工知能と似ているものの、当時は人工知能の第三の「冬」の時期であったため、当然ながらあえて直接AIの旗を掲げることはなかった。

今では状況は大きく異なります。 「人工知能」はトップが自ら支持し、中国共産党中央政治局が共同で研究する人気技術であり、新たな科学技術革命と産業変革の重要な原動力ともみなされている。したがって、将来のインテリジェント社会に向けた高度な AI 人材の育成は、当然、国家の運命に関わる一大イベントです。

さらに重要なのは、我が国では現在、人工知能分野で500万人以上の人材不足があり、需要と供給の比率は1:10だということです。人工知能分野の人材は、今後長い間、企業が獲得を競う重要な資源となるでしょう。企業は人材獲得のために巨額の資金を用意している。GMIC北京2018カンファレンスで発表されたAI人材競争力レポートによると、AIの平均年収は約33万元で、インターネット業界の水準をはるかに上回っている。

AI専攻を増やすことは、国家戦略と個人のキャリア開発の両方に有益です。当然、大学が最初にこのような良いことを利用するでしょう。

2018年度の一般大学の学部専攻の登録と承認結果が先日発表されました。上海交通大学、同済大学、浙江大学など合計35の大学が建設資格を取得しました。

「AIの名を冠した」特別な専攻のほか、AIの学術・産業界のリーダーが密集するコンピュータ工学や、101の大学で新設されたロボット工学など、AI業界に近い専攻も数多くある。また、インテリジェント科学技術やインテリジェント製造工学など、「インテリジェント」で始まる専攻も多様化しており、大学が競って開設する人気専攻の「豪華パッケージ」に加えられている。

しかし、多くの派手で疑わしい専門職名を前にすると、それらの背後にある価値と AI との関連性も不均一です。将来の就職動向で目立つものを選ぶにはどうすればよいでしょうか?

今日は、将来人工知能業界に進みたい場合に後悔しないための専攻の選び方についてお話します。

AIボランティアのための3つのアンカーポイント：教員、さらなる研究、地域

教育部の公開情報によると、学部の人工知能専攻コードは080717T、学位授与区分は工学、学習期間は4年間です。

現時点では、人工知能関連の専攻を選択できる大学はまだ数多くあります。 「人工知能」の専門専攻を授与された35の大学には、上海交通大学や同済大学などの有名な二流大学、安徽理工大学などの専門性が際立つ地方大学、さらには華南師範大学と長春師範大学という二つの師範大学も含まれています。

このタイプの専攻に直接応募することが制限されている場合でも、人工知能技術と連携して開発されている、または人工知能と相互統合できる専攻を選択できるものも多数あります。

この目的のために、私たちは中国人工知能学会の理事189名を特に調査しました。そのうち17%は女性です。彼女たちの勤務先も多様です。人工知能学院や研究所のほか、コンピューターサイエンス、オートメーション、ロボット工学に深く関わっている人も多くいます。経済や経営、デジタルメディアなどの学際的な分野もリストに載っています。

そのため、人工知能関連の専攻を志望するのであれば、性別、文系か理系か、成績は問わずほぼ可能です。

しかしながら、専攻分野や大学間の微妙な違いが「小さな間違いが大きな間違いを招く」ことになり、卒業後に学生の人生がまったく異なる方向に進んでしまう可能性があります。したがって、AI申請書に記入する前に、次の3つの要素を総合的に考慮する必要があります。

1. 教員の力量。人工知能のトレンドに直面して、多くの大学がリソースを統合し、関連する専攻を立ち上げ始めています。ほとんどの大学には完全な教員がおらず、コンピュータービジョンや自動化機械などの特定のサブ分野では一定の経験があっても、完全な教員が不足している可能性が高くなります。国際化と産業界のハイエンド人材獲得競争の中で、AI研究を行える教員を迅速に見つけることは容易ではない。そのため、多くの大学は「先にバスに乗って、後で切符を買う」という考え方を採用し、迅速なトレーニングを受けた教員を大量に導入している。

したがって、教育の質がより保証されるように、南京大学、西安大学、西安交通大学など、AIの歴史が長く、システムが確立されており、教員が優秀で、産学連携プロジェクトが多数ある大学を選択することをお勧めします。

2. さらなる研究の可能性。こうした人工知能の学部専攻のほとんどは、応用人材の育成を目的として設立されていますが、多くのAI関連分野では依然として確固とした理論的研究のバックグラウンドが求められています。また、AI企業の中核職の多くは現在でも修士号以上の学位を必要としているため、多くの学生が卒業後にさらなる研究を選択する可能性が高いでしょう。したがって、大学院入試を受ける際には、同盟内の大学や教育資源が豊富な地域の大学で勉強すれば、当然半分の努力で2倍の成果が得られることになります。例えば、中国の九大コンソーシアム（C9）の大学間では交流活動が盛んで、双一級、985、211などはシステム内の大学として高い認知度を持っています。

3. 都市部に位置する。産業基盤が強固で AI 企業が集中している地域では、より実践的な機会と雇用の選択肢を提供できます。北京、上海、広州、深センに加え、重慶、天津、杭州、成都、南京、香港などの政府も積極的に業界の地位を先行して確保し、著名なAI企業を誘致しており、注目に値する。

これら 3 つの要素を組み合わせると、基本的にお気に入りの大学をいくつか特定できます。それでは、AIに近い専攻は何かに注目してみましょう。

真の友人と「吸血鬼」：AI 規律用語の背後にあるルーチン

AIの人気が高まるにつれ、AIの支柱であり真の友である専攻もあれば、AIの人気を利用して血を吸おうとするファストフード専攻もある。文字通りの意味だけで専攻を選択すると、「4年間計算数学を勉強したが、数学に認められず、コンピュータにも必要とされない孤児になる」といった悲劇に陥る可能性がある。

専門用語の背後にあるパターンを理解したい場合は、主題の設定と業界の間の距離から始める必要があるかもしれません。

関連性指数 ☆☆☆☆☆

最もシンプルで直感的な方向性は、もちろん、新しく開始された人工知能専攻を直接選択することです。

AI業界はピラミッド型の構造になっていることがわかっています。高度なロジックとアルゴリズムの才能が求められるだけでなく、大量のアプリケーション指向、さらにはデータベースの作業も必要になります。かつては、こうした仕事のスキルは大学院レベルでしか養成できず、入社後にさらに 1 ～ 2 年の研修が必要な人もいました。

人工知能の学部専攻を設立する出発点は、機械学習技術の応用と実践を強調し、業界のニーズの発展に迅速に適応することです。そのため、授業設定の面では、1年目は一般的に学生の数学的能力の育成、微積分、コンピュータサイエンスなどの学習に重点を置き、2年目には機械学習、データアルゴリズムなど、AI基礎科目とコンピュータ基礎科目のクロスティーチングが開始されます。大学3年生になると、ビジョン、NLP、知能ロボットなど、さらにいくつかのサブ分野に分かれます。同時に、学部生には企業でのインターンシップへの参加が奨励されています。

学部レベルのAI専門コースの登場により、業界の「人材不足」がある程度緩和されることは容易に想像できるが、短期・高速トレーニングの考え方は、客観的に見て、学生の基礎蓄積段階が比較的短いことにつながっている。訓練機関で短期集中講座を受講した実務家に対して十分な優位性を築くことができない「天地競馬」の状況が発生するかどうかは、受験者が考えなければならないことです。

西安交通大学の「人工知能学部課程の設定」

関連性指数 ☆☆☆☆

現在主流となっている人工知能コースの構成から、一般的なトレーニングの考え方は、コンピューターサイエンスと自動化サイバネティクスから要素を取り出し、それを新しい分野に統合することであるということは容易にわかります。そのため、AIを学びたいがAI専攻に応募できない学生は、コンピュータとオートメーション専攻に入学することもできます。

しかし、南京大学人工知能学院長の周志華教授が言うように、現在の大学のコンピューター専攻の幅広い人材育成モデルによれば、カリキュラム体系の150単位のうち、一般科目は60単位程度、卒業・起業科目は15単位程度で、人工知能の研究は非常に限られており、ほとんど高度な大衆科学のレベルにまで高度に凝縮されており、学生が企業の問題解決を支援する基礎能力を習得することはできない。

したがって、このタイプの専攻を選択した場合は、希望どおりに AI 業界に参入する前に、AI 関連のオンラインコース、プログラミング プラットフォーム、実践的なプロジェクトなどを通じて実践的なスキルを身につける必要があります。

同時に、これは AI 業界への参入に対する比較的慎重なアプローチでもあります。人工知能分野の中核は依然として独創的なイノベーション能力を備えた上級人材であるため、第一線分野の源泉に立って技術を深​​く理解することは、学生が強固な基礎を築き、将来のキャリアパスでより長期的かつ安定した道を歩むのに役立ちます。それは間違いなく「攻撃（AI）と防御（コンピュータ）」の選択肢です。

関連性指数 ☆☆☆☆

機械に「知能」を与えるには、「ニューロン」機能を備えたコンピューティングユニット（AIチップ）が重要な役割を果たします。しかし、フロントエンドの設計から製造、ウェハファウンドリ、パッケージング、テストまでのチッププロセスには、多数のハイテク人材のサポートが必要であり、トレーニング時間も非常に長くなります。

最近、中国半導体産業協会の副会長である于希康氏は、2019年世界半導体会議で、中国の現在のチップ人材不足は約30万人であると明らかにした。 40万人の従事者のうち、大多数は学士号を取得しています。

AI 業界が長期的に業界内で主導権と発言力を維持したいのであれば、半導体と通信分野の学部生の人材が長期的な客観的ニーズとなるでしょう。

そのため、通信や電子工学専攻はAIから遠いように思われますが、AI業界に参入するためのチャネルにもなります。

しかし、このタイプの分野は比較的高いレベルの発展と業界の成熟度を誇っているため、一流大学出身の人材は就職市場でより高く評価されています。したがって、学業成績が優秀な学生は、専門ランキングでトップの大学に入学することが推奨されます。

関連性指数☆☆☆

応用数学、統計学、マルチメディア研究、言語学、データサイエンス...一般の人々から見ると、これらの基礎分野は卒業後に教育と科学研究のキャリアの選択肢しか提供しておらず、行き止まりでした。

しかし、今日のAIの発展動向から判断すると、基礎科学や基礎理論の人材の産業上の優位性が絶えず反映されつつあります。

応用数学を例にとると、ほとんどの機械学習アルゴリズムはデータのモデルフィッティングです。実験プロセスでは、多くの場合、データ エラーを実際のパラメーターの関数として扱い、パラメーターや重みなどを選択してエラーを最小限に抑えますが、それ自体が微積分演算です。ディープラーニングにとって大きな意義を持つ「バックプロパゲーション」も、偏微分や連鎖律などの数学的概念に基づいています。

統計についても同じことが言えます。アルゴリズムの調整には、最終的にはモデルが現実的で効果的であることを証明するための統計データが必要になります。これも AI 研究に欠かせないスキルです。

大手企業は基礎分野をどの程度重視しているのだろうか。ファーウェイはフランスに数学研究所を設立し、フランスの基礎数学のリソースを活用している。アリババのDAMOアカデミーは世界に向けて数学コンテストを開催し、トップクラスの数学者を招いて問題を作成している。テンセントも基礎科学分野での展開を拡大している。

つまり、業界のスクリューやポーターになりたいだけであり、問​​題を解決するために常に先人たちが作ったツールを使いたいのであれば、数学はそれほど重要ではないかもしれません。しかし、企業がアルゴリズムの革新など、基礎レベルでのブレークスルーを必要とする場合は、基礎となる数学的詳細を徹底的に研究する必要があり、基礎的な学問分野のバックグラウンドの利点が活かされます。

しかし、業界にとっては、学部生が既知の方法とツールを使用して単純なアプリケーションの問題を解決すれば十分です。

したがって、基礎科目を長期間勉強し、修士号または博士号を取得してから業界に入るのが最善です。これは応用数学や統計学を専攻する学生に特に当てはまります。

関連性指数☆☆☆

私たちの記事をよく読んでいる友人は、脳コンピューターインターフェース、視覚メカニズム、脳のようなチップなど、強力な人工知能に密接に関連するこれらのテクノロジーがすべて脳科学に深く関連していることに気付くかもしれません。

その理由は非常に簡単です。人工知能開発の究極の目標は、機械が自ら理解し、考え、学習できるようにすることです。これを実現するには、従来のコンピュータ構造の制約から抜け出し、脳のようなコンピューティングシステムとデバイスを開発し、人間の脳の動作メカニズムを探求することが重要です。

中国科学院院士、米国科学院院士、中国科学院神経科学研究所所長のプー・ムミン氏はかつて、「将来AIがさらに発展するためには、脳科学からインスピレーションを得る必要がある」と述べた。

長期的には、脳科学、神経科学、AI の統合が次のサイクルの開発の焦点となるでしょう。この分野における学際的な才能は非常に不足するでしょう。脳科学と神経科学の才能と、AIとコンピューターサイエンスの専門知識を組み合わせることは、非常に活力のある開発計画となるでしょう。

ただし、脳科学や神経科学関連の専攻の学習難易度もかなり「脳を燃やす」ものであり、「AI + 脳科学」の統合的な発展が実を結ぶまでには比較的長い時間が必要であることに留意する必要があります。この期間中、受験者は学業や就職など多くの面で一定のプレッシャーに直面することがよくあります。

関連性指数☆☆

今私はロボット工学専攻について話していますが、多くの学生がそれを素晴らしいと思うと確信しています。近年のAI概念の出現により、多くの学校がロボット工学専攻を開設するようになりました。今年は101の大学がロボット工学を追加しており、これは間違いなく「ホットなアイテム」です。多くの親や生徒は、この言葉を文字通りに受け止め、両者を混同する傾向があります。

厳密に言えば、ロボット工学の専攻は AI の専攻と関連していますが、これほど高い「熱」を支えるには絶対に不十分です。 なぜなら、学術システムではこの 2 つの分野は分離されており、ほとんどの人は「ロボット工学専攻」は人工知能との交差点の産物、つまり人工知能ロボットを指すと想像しているからです。

ロボット工学の分野での学部課程は、主に機械製造と自動化に重点を置いています。コアコースは、回路解析、基礎機械設計、アナログ電子技術、デジタル電子技術、自動制御原理などの工学コースです。

人工知能はコンピュータサイエンスの一分野です。その主な目的は、人間の知能を必要とするタスクを完了するためのコンピュータプログラムを開発することです。主にアルゴリズムベースのソフトウェア業界を対象としています。人工知能ロボットでも、AI アルゴリズムはロボット システムの一部にすぎず、センサー、アクチュエーター、機械プログラミングなどと連携してロボットの制御を完了します。

これほど多くの大学がロボットの「山」を奪い取ろうと「殺到」している主な理由は、AIの人気を利用してより多くの学生を募集したいが、AI専攻を開設する教員がいないからだ。機械工学の条件はまだ整っていると考えた後、一見正当なロボット工学専攻を思いついた。

人工知能業界に参入するつもりでロボット工学を専攻した場合、結果はオンラインの友人との失敗した「出会い」に似たものになるかもしれません。幻想が美しければ美しいほど、実際の人と会ったときの悲しみは増すでしょう。

関連性インデックス???

AIと産業の統合は現在、業界の主な発展の道筋となっています。機械学習、コンピュータービジョン、コンピューター音声、テキストおよび感情分析、自動運転車など、人工知能のいくつかの主要なサブテクノロジーは、大手企業の努力により、あらゆる分野に新たな想像力をもたらしています。

全体的な社会知性のプロセスには、当然のことながら、保護を提供するためにより多くの学際的な才能が必要です。

そのため、学部、修士、博士課程でそれぞれAIと産業関連の専攻を学び、学際的な人材になることは良い育成モデルです。

例えば、AI専攻と地質学、海洋学、ジャーナリズムとコミュニケーション、工業デザイン、化学工学、さらには文学、考古学、絵画、ダンスなどの人文社会科学との組み合わせは、すでに多くの応用例が見られます。

たとえば、オライリー社の調査では、ヘルスケアおよびライフサイエンス企業の 68% が新薬の開発に人工知能を使用していると回答しており、工場では部品が基準を満たしているかどうかを確認するためにコンピューター ビジョン システムを使用し始めており、金融会社は顧客の信用リスクを特定するために機械学習を使用し始めているなどです。ハルビン工業大学人工知能学院副学長の劉庭教授によると、人工知能を専攻した卒業生の多くは、農業、電力、金融などの伝統的な産業に就職しているという。

業界で AI を最もよく知っている人と、業界で AI を最もよく知っている人: この「学際的な」道は、明らかに、個人が業界で独自の競争上の優位性を形成するのに大いに役立ちます。しかし、前提条件は両方の分野で優秀またはそれ以上のレベルを達成することであり、そのためには候補者は長期的な開発計画と強力な実行力と学習能力を持ち、技術の反復や業界の調整などの不確実性によってもたらされるリスクに耐えられることが求められます。

そうは言っても、私たちは象牙の塔と人工知能が真につながるためのさまざまな方法を提供してきました。しかし、どのような専攻や開発方向を選択するかに関係なく、数学とプログラミングの優れた基礎は、AI 業界に参入するための必須の前提条件です。業界に参入する方法は何千通りもありますが、数学プログラミングはその最初の方法です。皆さんの成功を祈っています。

もう一つ：卒業まで知らないほうがいいこと

このガイドを締めくくる前に、AI 分野における最も残酷な事柄について、さらに 2 分ほどお話しする価値があると考えます。

1. 人工知能の「冬の呪い」 18年前のAI冬の間、大学は新しいプログラムを立ち上げる必要があり、ナレッジグラフなどの多くの関連専攻は何年も放置されていました。現在の AI の波は、主にディープラーニングの探求と応用に依存しています。しかし、過去 60 年間に 3 度の浮き沈みがあったにもかかわらず、AI テクノロジーの変化のスピードは常に私たちの予想よりも速いのです。

たとえば、ディープラーニングの父でありチューリング賞受賞者の LeCun 氏は、カプセルネットワークを使用して人工知能ネットワーク構造を再設計しようとしました。古典的なコンピュータービジョンなどの分野の研究者は、ディープラーニングが市場を支配することがいかに危険であるかを日々私たちに思い出させてくれます。現在の AI 人気だけに注目していると、業界が一時的に冷え込んだときに非常にがっかりすることになるかもしれません。

2. 雇用市場の不確実性。長い間、学部レベルでAIを専攻する学科がなかったため、企業が人工知能チームを採用するために必要な基本的な学歴は、基本的に修士号でした。学部レベルでの AI 専攻の出現により、企業のコスト圧力と人材不足は間違いなく大幅に緩和されました。しかし、学部生のトレーニングモデルが業界の真のニーズに適応できるかどうか、また、規律構築の急激な爆発により人材ギャップが時期尚早にピークを迎えるかどうかは、現時点では不明です。

つまり、効率的で質の高い AI 人材の供給こそが、業界全体が常に待ち望んでいたものなのです。しかし、候補者、大学、あるいは業界自体にとって、これは長く困難な冒険です。これを「トレンド」への賭けにしないでください。興味は、人々がさらに前進することをサポートする究極のランドマークです。

AI専攻はたくさんあるので、どれが一番好きかわかりません...とにかく、皆さん頑張ってください！