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。
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。
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
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。
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？
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learningtolearning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
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：
“Escapecompetitionthroughauthenticity……Basically,whenyou’recompetingwithpeople,it’sbecauseyou’recopyingthem.It’sbecauseyou’retryingtodothesamething.Buteveryhumanisdifferent.Don’tcopy.”
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。
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
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。
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
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。
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。
“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。