学这些，本科不用转专业也可以搞AI

全文共2443字，预计阅读时长5分钟

看着AI行业蓬勃发展眼红不已，却惋惜自己所学离计算机行业很远？想为了搞AI，本科就转专业，成为真正的AI科班出身？

其实，在AI大规模落地的今天，非计算机科班出身的人有了更多入行AI的机会，也让本科转专业成为了一个非必要的决定。

哪些专业与AI深度融合？

如今，与AI学科实现深度互动的有两个领域——医疗、金融。

对于医疗行业来说，AI化的趋势已经融入了学界与业界。对于业界，医疗目前的落地场景主要是健康检测、手术治疗两方面。诸如AI检测癌症、AI看X光片、AI微创手术等应用的开发已经有了较为显著的成果，并开始被市场广泛接纳。

而目前在学界大火的病理研究、癌症研究、大脑研究都在广泛地使用AI作为研究的工具。前不久，日本科学家就是运用AI生成了大脑神经网络。可以说，如果医学生不懂AI，其研究领域会受到许多制约。

金融界也有着类似的现象，不过AI的影响目前主要集中于业界。作为一个有着丰富数据储备、天生就要与数学打交道的学科，金融业最发愁的就是如何有效利用数据。

因此，AI的出现就如雪中送炭一般，极快地成为了金融业的一部分。华尔街广泛使用数据决策模型而非人工决策手段就足以说明这一点。

不过这样一来，金融领域的工作者们就必须要以全新的视角看待工作、数据、决策，从而有效地对计算模型进行评估和优化，以保证数据决策的有效性。

为什么是这些专业适合AI＋？

这一深度融合现象之所以出现在这些专业，是由AI在模型搭建、模型训练与模型落地中对这些领域的专业人才需求而决定的。

对于医疗行业来说，它的应用场景比较单一，数据丰富，是极易建立数据集从而进行模型训练的。并且，为了快速实现医疗AI产品的市场价值，一些诸如艾滋疫苗等医学界未解议题并不在业界的重点研发行列。

在医疗AI模型训练中，监督学习是最主要的手段。

所谓监督学习，即计算机在“学习”时，同时能够获得问题、答案及之间的匹配关系。

举个例子，医生告诉计算机，X光片里病人的肺叶模糊就是患了肺炎，就是监督学习。

反之，计算机拿到的是一堆没有任何标注的X光片，要通过自己分析哪些片子具有什么样的特征，就是无监督学习。

毫无疑问，监督学习需要的是准确的答案匹配，非专业人士并没有这样的能力。

至于金融AI产品也需要类似的监督学习。例如股市评估，运用股票过去的涨跌数据预测未来的走向显然不科学。预测股市需要多种因素的考量，而具体是哪些因素，这些因素意味着什么样的结果，都需要专业的知识。

不过，不仅仅只是金融学和医学的学生才能在AI行业一展拳脚。

由于人工智能已落地各行各业，而对于行业应用场景最了解、对于相关数据掌握最多的人，自然就能成为AI行业的人才。

开发律师AI需要专业律师解读法律、开发画图AI需要美术生提供学习范本……只要在你的行业里AI有发展的空间，那么不换专业转行AI就并非不可能，只要你了解了以下的知识。

需要具备哪些AI知识？

那么，既然要成为一个双料人才，并非计算机科班出身的你需要掌握哪些知识？

想知道自己该怎样储备知识，必须要了解自身专业知识在AI开发、应用中所发挥作用。

AI的行业构架分为三个层次，基础层、技术层、应用层。

在基础层中，这类人才将会涉及到诸如数据标记一类的工作，从而帮助AI研发进行大数据处理。这类工作虽然会涉及许多大数据相关的原理，但并不需要太多的算法、编程知识，工作内容也会十分机械化。

在技术层中，相关的工作是算法框架的设计、优化和评估等。比如，如果你是一个翻译，你就会知道语言翻译的一般顺序是从左至右，词语的搭配组织具有连贯性。因此，翻译AI使用的算法逻辑应当是根据上一个词的意思匹配下一个词最有可能的词意，使用迭代法作为算法的核心思想最为恰当。

当然，能搞算法，不仅仅要充分掌握对计算机、算法、AI这几个板块的知识，还要具有算法搭建的能力。如果这方面的工作包含在你未来的职业规划中，那么大学期间你不仅要对自己的专业领域有着独到的见解和深入的理解，编程能力、算法设计能力也需要同步培养。

显而易见，这对于非计算机专业者将会十分困难，反而更适合在研究生转至AI专业的学生。不过无论研究生阶段学什么，在本科阶段积极探索本专业的知识一定不会错。

而到了应用层，双料人才会有更多的用武之地。当然，要在这个领域有所成就，就要掌握这类知识——AI行业与技术的发展情况。

要知道，只有实时跟进行业技术，学会挖掘最有价值的垂直细分行业，才能为AI提供最恰当的应用场景，从而在应用层的开发中起到重要作用。

现如今最成熟的两项AI技术为自然语言处理以及图像识别。它们的应用场景十分广泛，也正因如此，它们在落地时出现偏差的几率会更大。

打个比方，如果你不了解金融业、风险投资、理财顾问，你很有可能会开发一个使用起来后会发现让人哭笑不得的AI推销员产品。

的确，在金融产品推销上，金融行业消耗着大量的人力物力，但是，如果把人类推销员换成AI，是有些不切实际的。在劝说顾客的过程中，推销员不仅需要懂得潜在客户的痛点，还需要耳聪目明、听懂言外之意，掌握说话的艺术，更重要的是让客户觉得你可靠。这一高度，目前的AI技术还不足以达到。

那么，这类语音助手类AI可以应用在何处呢？柜台客服就是一个不错的选择。在银行柜台，绝大多数业务具有机械性，且容错率低。一不留神，账户里多一个零少一个零，就会给银行带来巨大的损失。而AI柜员则可以很好的规避这类失误。

总而言之，一切都建立在你对本行业与AI行业的了解之上。而要掌握这些知识并不困难，多通过新闻、论文了解行业动态及研究方向，多阅读畅销书目及科普文章，自然而然地就会对AI行业有综合的了解。

读芯君开扒

机遇？挑战？

让更多领域的人卷入AI行业，或许是一次踏足人工智能圈的好机会，但更多的却是挑战。

有的人只想好好搞金融，却要与AI打交道，有的人只热爱手术刀，然而一不小心就变成了人工智能研发人员，可以说是“宝宝心里苦，但是宝宝没法说”的典型案例了。

并且，这一领域融合的趋势不仅仅出现在业界，学界也同样如此。学计算机的为了发论文不得不需要研究医疗器材、医学常识，学医的为了跟上潮流与时俱进也同样需要懂AI。学习的负担无疑被加重了。

那么这样的挑战，你准备好了么？

留言 点赞 发个朋友圈

我们一起探讨AI落地的最后一公里

作者：羊习习

参考文献链接：

https://www.huxiu.com/article/190883.html?f=member_article

http://baijiahao.baidu.com/s?id=1564854059768723&wfr=spider&for=pc

如需转载，请后台留言，遵守转载规范

推荐文章阅读

长按识别二维码可添加关注

读芯君爱你