如何看待如今上演的全民 CS，全民 AI 現象？

01-09

利益相關，題主是大三保研狗，機器學習方向的研究生一年比一年火爆，2016年中科院計算所甚至達到了3000+的報名數，很多其他專業的（如通信、物理、微電子等）都開始轉計算機，預讀機器學習方向。
這一現象是否符合發展規律？如何解決這種狼多肉少的情況？大部分人真的知道什麼是AI嗎？是否屬於盲目？

我稍微鋪開來說一下吧，有些地方講的太籠統大家有意見，增加了一些解釋。這個回答是基於個人美本非cs經歷面向轉cs的同樣經歷的人寫的，因此國內讀研和本科cs的同學就不要吐槽啦。

uiuc的ece ms來報告下，本科研究生ece cs畢業的同學基本不能找到ai的。data 方向倒還可以。（ai指的是nlp，cv，robotics，ML等，data指的是data mining，database ,distributed system，information retrivel）

phd可以考慮ai方向的就業。cs碼農就業門檻並不高，但ai門檻其實非常高。回答中有人說研究生可以找到ai相關碼農職位的，這個是對的，但這個我不認為是ai的崗位，因為更多側重於開發而非演算法，並不要求讀ai相關的研。我所見fair，deepmind的軟體開發人員基本是本科cs畢業的，女生是有幾個ms。面試時並不需要高深的煉丹技巧，更多的是作為general software engineer來準備的。

建議非cs相關轉cs的搞清自己是想找工作還是做科研。請注意如果只是為了讀研，研究生從基礎科學再轉向ai科研其實為時已晚。如果想讀phd需要準備多費時間畢業。而且除非在轉專業後讀ai的phd否則基本就不要考慮找ai相關的工作了。當碼農沒什麼不好，一切都是市場供需的變化。目前招的人非常多，但需求量再大也會被我們填滿的。計算機領域幅員遼闊，對技能的要求是多樣的，更是變化的，因此即使大家都說cs好找工作，其實也要看做什麼的工作，學錯了方向也會南轅北轍。就目前市場需求而言，只讀ms的話，system相關是最穩健的，不過data相關的工資很高。

碼農工資應該會長期保持目前水平，但碼農的基本工資已經多年不漲了（2013-2017，12萬base）。而且這兩年崗位增加開始跟不上畢業生數量了，因此就業會越來越難。當然照樣身邊有本科數學轉cs一年碩士結束拿到28萬的人存在。

建議想清楚自己想要什麼，高工資待遇，高學術成就，還是創業，大多數人會選第一個，這個無可厚非，所以大多數人轉碼農是正確的，但如果選擇後兩個的話，勿忘初心，方得始終。如果找了碼農工作而讀了個ai 相關的phd其實並不值當的，很多quit phd就是這個原因。如果為了找工作而放棄了自己對學術或事業的追求那麼也要想明白自己能否真正放下。每個人是不一樣的，選擇自己想要的才是正確的。

「看不見的手」在發力，當然會有一定的盲目性。具體到個人職業選擇，建議還是充分考慮多方面因素，下面是我之前畫的一張圖，僅供參考。

一方面說明大部分人都不會和錢過不去，另一方面又反映出大部分人都是盲目的。追熱點的是大多數，按照興趣和個人情況做出選擇的終歸是少數。

很多年前，計算機還是大部分學校的分數墊底甚至調劑專業，媒體口中的紅牌就業預警專業，但那時候其實不難判斷出計算機的趨勢：作為朝陽產業又有龐大的人才需求總是會發展的。但是大部分人仍然選擇相信媒體，選擇機械、電氣等當時如日中天的高分專業。現在情況已經完全逆轉。幾年前媒體到處都在談大數據，現在又都開始談AI了。

選專業有時候感覺像炒股，大部分人都是散戶，喜歡在街頭巷尾開始熱議的高點進場，等過幾年畢業的時候往往已經套牢了。

正所謂"一個人的命運啊，當然要靠自我的不斷奮鬥，但也要考慮歷史的進程。"

本來ai領域就多的恐怖。。

CV，NLP，ML，PR這種就不說了，IR，MM，CG也都能沾點邊，體系結構，網路那邊也有不少相關工作。

CCF的分類里，已經被AI霸佔了不少A類的領域就有四個了。其他幾個分類也經常在搞大新聞，

我堅信，AI到以後，將會成為基礎性工作，就像現在的計算機之於整個人類體系，會覆蓋我們生活的方方面面。

當然，這兩年碩博畢業找工作的也絕對是趕上了好時間，大量中高層崗位空缺，如果在國內大廠就業的話，升遷機會應該遠比其他崗位多的多。這一波炒作，感覺就是去年年底開始的，我們實驗室一些師兄師姐，去年和前年找工作的時候，小碩，最差一篇trans，部分有兩三篇A類，但是卻無一能進bat，最好才是搜狗。而今年騰訊直接來我們實驗室打包了一群人去實習，沒筆試，面試幾乎就是走形式，差距和去年完全是天壤之別。這讓我回想起14年時候的前端了，稍微技能合格一點的，大公司隨便去，好多人都調侃前端叫「錢端」。

後續畢業的就不好說，但是感覺過兩年，可能大廠門檻又回重新高起來，大家應該也知道，今年開始，前端的工作又開始特別難找了，好多朋友都不敢跳槽了。雖然AI應該會繼續火爆，不過再過三四年，應該會重歸平常，至少給校招生帶來的紅利期將沒了。

我覺得我很幸運，有幸大學四年把傳統工科、計算機、人工智慧機器學習都體驗了一遍。感覺還是比較有發言權。

大一大二在國內讀的電氣，當時就有了全民CS的風氣，當時本著從自己的興趣和優勢出發『理智』的選了EE。但是還是有點不甘心，對CS還是有點好奇。大三大四或得到法國交流的機會，於是我在一所工程師學校讀了IT, 然後第二年入了人工智慧機器學習的坑，太TM好玩了。

玩了這一圈之後，我覺得AI ML bigdata這些玩意都特別好，很有用而且值得研究，每個工科生都應該了解一點，不過我覺得我們應該把人工智當作一種每個工科生都應該略微涉獵的工具，如果真的想把它當作專業的話，還是得冷靜思考。我的想法是，當今對於任何一個工科生，編程能力都是必不可少的。對於一個高等工程師，了解一點人工智慧也是必要的。感覺大多數工科專業研究到一定層次都可以和人工智慧控制、機器學習，大數據啥的結合。不一定要學CS才學人工智慧，人工智慧應該像編程一樣，成為工程師的基本素養，每個工程師都應或多或少了解一點。

反正不管是什麼看起來高端有前景的東西都會有很多人去搶，我覺得如果對這方面有興趣就去選吧，這是一個真的值得付出的方向。不過想在這方面做出點成就是不簡單的。

不僅是國內，法國這邊AI ML這些東西也很火，也是一大堆啥也不會的學生搶著報名，報名了也不見得肯真正花功夫。我這裡整個計算機學院都在往這方面靠，雖然我們有一個研究所專門做AI和ML但其他團隊的項目基本也都和這方面越靠越近。

人工智慧領域越來越火是好事，優勝劣汰，促進我國發展。我們確實需要吸引一批年輕的高精尖人才來做這方面的研究。不過人多了就一定會有犧牲品，你學不好就肯定工作不會太順暢啊，不過如果你喜歡人工智慧就無所謂。如果你既不喜歡又學不好還來湊熱鬧，那你付出一點代價也合情合理啊，大家都喜歡就一起來搶啊，靠實力把別人的頭擠破~~~

第一次工業革命的時候全民上機械

第二次工業革命全民搞電氣

信息革命全民搞IT當碼農

如果前幾次不是問題，現在全民搞ai沒什麼

關於行業冷和熱的周期大家都懂，不過我個人的看法是，AI（或者更準確的說是整個BIG DATA相關的）行業本身是有起伏的，但是AI的最後的出路絕對不會局限於AI本身，而是它向任何一個其他行業的擴散和交叉。

這就好比最開始的互聯網概念一樣。十多年前互聯網泡沫爆發，很多人以為互聯網的發展會消停很多。但現在我們能夠看到，互聯網行業本身的發展暫且不論，它給我們帶來的最大的影響是它對其他行業產業甚至我們生活方方面面的改變。

AI技術本身是否過熱了我不知道，但是AI人才我相信還是很稀缺的。因為還有大量的其他產業需要通過AI技術來走向新的台階。比如說機械，電子，土木，能源... 總的來說，現在的全民AI某種意義上不是壞事，AI的最終目的就是走向全民。（或許AI這麼說有點過了，更準確說應該是BIG DATA）

只求幾年內機器學習和人工智慧依然這麼火，到時候出來好找工作。。。

最怕的就是學的時候正趕上火，畢業了剛好寒冬了。。。

（圖片來自一份報告，侵刪）

大部分人以為自己處於前五種情況，但是他們往往處於最後一種情況。。。

很多答主都站在既得利益者的角度回答這個問題，站在好像是ai頂端俯視那些正在轉ai的群眾，未免有失偏頗。自己既然已經身處其中，有什麼理由批評別人盲目入坑。

不讓他們轉火熱的ai，想讓他們幹什麼？做那些已經是夕陽產業，目前畢業找不到工作，工資養活不了自己的工作？趁著熱度還在，前景錢景還在，想轉趕緊轉，如果這一波持續熱，現在上車還來得及，如果過幾年冷了，那麼多人都在坑裡也不差你一個，你確定現在繼續原來的專業，幾年之後就一定比轉ai好？

那些不喜歡物理的孩子轉ai，說不定能做的更好，本科學的東西本就基礎，很多用不上，學物理的不一定就比本科計算機的能力差，別人讀研轉過去咋了？再說別人能考上也說明基礎足夠，能力配得上計算機ai，冷嘲熱諷不好吧

難道身處ai的那些答主沒有感到一絲緊張，僅僅是優越感？ai技術更新太快，那些剛入坑的不一定就比你們弱。

私以為這一波ai不一定冷的下去，世界頂尖的科技公司都在發力，大把大把的錢砸進去，資本持續流入，不缺錢！不缺錢！近幾年冷下去有點難

你能想像谷歌不做ai，nivida扔掉ai顯卡，百度放棄ai，deepmind散了，智能駕駛不做了，CV不研究了，DL不發展了？

騰訊都開始進入ai，大量拉攏人才，作為一個ai小碩擔心什麼？？

不用擔心，他們終會發現門檻其實很高。

我認為任何新出現的技術都要經過一個發展過程，這裡可以借鑒成熟度曲線。成熟度曲線（The Hype Cycle）概念誕生於矽谷，直接叫做炒作周期，是指新技術、新概念在媒體上曝光度隨時間的變化曲線（百度百科）。每一個技術發展有產生到成熟有五個階段：技術觸發（萌芽期），過高期望峰值（狂熱期），幻想破滅（幻滅期），喚醒爬坡（復甦期），生產效率平台（成熟期）。

說白了就是任何新技術新產品從出現到市場成熟，都會經歷泡沫和泡沫破滅回歸理性的過程。後來Gartner公司廣泛採用這個工具。去年機器學習第一次出現在了這幅圖表上：

而DL還沒出現在這個表上。從圖上可以看出，ML直接處於下坡中，我相信DL還處在爬第一個坡的階段。

在過高期望破滅後，會有個很深的低谷。然後才會重新出發。我們經歷過的很多新技術都重複了這個過程，譬如互聯網泡沫等等。

這在某種程度是個好事，大浪淘沙，方見真金。互聯網泡沫後留下我們現在這麼好的互聯網基礎架構。我覺得AI等也會爬出低谷，到那時AI也會變得和互聯網一樣是我們生活的必需品。

你作為這個歷史浪潮的一部分，應該會大有前途。

一切向錢看啊。

現在的社會除了計算機和金融都沒法賺錢，大量的傳統行業，工作後待遇差，而且還在逐年降低待遇。金融一直都很熱門，自然大家都習慣了，計算機最近幾年才開始突然非常熱門，所以大家還在驚嘆，過幾年就習慣了。

現在什麼興趣，什麼愛好，能賺錢的就是興趣愛好，一切向錢看才是社會的本來面目。

想當年我讀大一時候，那時候的計算機專業還是報紙上說的中國十大坑爹專業之一，和生物齊名，這幾年過去了，生物依舊是十大坑爹專業，計算機已經變成了香餑餑。

當年剛讀大學時候身邊學計算機的同學基本都是被調劑的，大家一聽誰被調劑了計算機，心裡的想法就是這人完了，以後沒工作了，呵呵，幾年過去，人家起步工資是我的兩三倍，哎，都不要三十年，幾年就河東河西了。

我想起當年天朝參加人類基因圖譜1%的工程，也就是上世紀末吧，然後生物醫學工程類大熱，一堆人扎進去，然後發現國內大多數是醫療儀器類電類工科披了個畫皮，連最早搞生醫的幾個名系都還是工科為本，出來還很難找工作，當時還有生物計算機概念，如今看來比量子計算機飄渺多了，後來漸漸的才有了醫學院開設生物醫學，然後生命科學院也出來了，但都是若干年後的事了，最熱那波擴招的本科生如果沒有深造的話就業基本都沒啥對口，做了拋頭顱灑熱血的排頭兵，如今生醫就業面稍微寬了，但還是偏學研，產跟不上

當然，這和AI碩士不是一個量級，生物工程要到本世紀末才產能見效，下世紀才發威，而AI已經從上世紀研究到現在了，如今是產能擴張的時候，且理論比生物工程成熟，各種AI應用廣泛，就業面寬，可做的課題也多，產學研一體化程度高，總之，比生物狗要好看得多

可是，仍然不是很看好泡沫式的招生，象牙塔搞起噱頭來比賣保健品化妝品還誇張，不搭界能搭上腔，搭界的能吹上天，已經上天的就開涮閉門羹了，死貴死貴，高位接盤俠不划算啊孩子們

更何況，如今的世界是處處AI，就和下世紀處處生物工程一樣，如今隨便哪個科研都計算機建模，有建模就有模擬實驗，有模擬實驗就有自動化設計，傳統的人工實驗由於成本高越發縮水成最後檢驗關卡了，這年頭還剩幾個實驗室不是靠計算機的？還剩幾個系別不需要學點編程搞點智能網路工具的？

這就和工科分電類和非電，非電的工科已經零星是同理的，在這種情況下，有必要沽名釣譽去扎那個堆么？

又想起某個澳洲女學霸，本科理論物理，拿到MIT的offer，沒去，怕扎堆變千年助教，選了悉尼金融工程直博，反正都是靠數學能力幹活嘛，有差么？這錢途多酸爽？

不過，少數精英分子和志向篤定者，塔尖的高門檻對他們來說不是閉門羹，甚至他們已經摸清楚了哪個學校的哪個系哪個專業的哪個教授是適合自己的，那如此清晰的方向說明有實力基礎，那就去玩正宗的人工智慧吧！+U

一來慶幸自己早申請了兩年，現在申請肯定更慘；二來覺得競爭壓力好大，好心累。。我就是要被滾滾洪流拍在岸邊的那種。

全民CS，我覺得挺好，CS是個超級大類，各行各業都有巨大需求。

全民AI，呵呵，大多數都是去當炮灰。

這其中的差異就相當於全民健身和全民足球之間的區別。

這就是歷史的行程啊，社會對相關方向的人才極度渴求，然而這方面的人才培養門檻又非常高……

另外，AI哪裡到了「全民」的程度，全國一年一共才有多少研究生？合格的又有多少？又有多少人不是面試的時候英語自述「Read a doctor」，上機考試連個十進位轉二進位都不會寫的水平？

說說我的經歷吧。本人坐標美國phd…本來在top10某大牛手下做機器學習，後來發現自己不太喜歡科研和寫代碼，個人也比較小資，比不上周圍那麼多nerd和geek，而且覺得大家其實都挺功利的，另外學術圈太小了，總覺得自己活著幹嘛非得跟全世界的同行打交道social。相反我比較想過一個正常人的生活不用每天看arxiv想idea發paper或者調參數，也不用每天和一群碼農在一起覺得自己死活不belong。想想以後能夠做些non technical的事養活自己就挺好了。想清楚以後覺得自己paper差不多也水夠了。遂換了一個比較水的老闆，正在混畢業中…打算早點畢業之後徹底逃離這個圈子。

以後畢業可能都會是問題。一來會議文章越來越難中，二來DL工作周期長。

很正常，因為其他職業在AI面前，都變成可被機器替代的了，甚至簡單的CS都逃不過。