我要考研人工智能专业选哪个方向比较好？

1、纯理论性的，以强人工智能或者神经网络为研究方向，本科可以选择神经科学，也可以选修心理学、哲学、计算机科学。
2、从算法层面对人工智能的优化，本科自然要学计算机科学了，但博弈论之类重视逻辑的小类别学科也有选修或者自学的必要。
3、工业应用的方面。主要应该学习自动化和机械控制。
一、人工智能专业就业前景：
前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言:C/C++)必须得很好，微电子(数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力)得学得很好，还要有一定的机械设计能力(空间思维能力很重要)。这样的话，你就是人才，你就是中国未来5年以后急需的人工智能领域的人才。一门深入地钻研下去，你就是这个领域的专家甚至大师。
二、人工智能专业就业方向 ：
人工智能可以说是一门高尖端学科，属于社会科学和自然科学的交叉，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论。研究范畴包括自然语言处理、机器学习、神经网络、模式识别、智能搜索等。应用领域包括机器翻译、语言和图像理解、自动程序设计、专家系统等。
2、如果是潜心做学术，搞理论研究，那么专业推荐选择“应用数学”。目前的机器学习机器学习本质上是微分方程、概率论、矩阵分析等等数学领域的一个应用场景。而近年来发展蓬勃的深度学习，正是机器学习的一个非常接近人工智能的分支。
不排除现在的自动化、通信、机械
等专业在一定程度上都会往智能靠拢，无论是什么专业都可以在课外学习相关的知识，尤其是在这个优质学习资源随手可得，终身学习的时代，但在整体课程的安排上，这个专业还是会不同于其他的专业，而且这有个优点是在读研复试的时候会有些加分，缺点在于：如果不读研，那么就业平均情况是弱于其他专业的，毕竟这个专业在社会认可度较低，而且本科知识较浅，基本上对于职业化帮助不大。

考研方向：计算机科学与技术专业本科生，未来想研究强人工智能，学什么专业好？？

看了也许能给你些许启发！
物联网是以计算机科学为基础，包括网络、电子、射频、感应、无线、人工智能、条码、云计算、自动化、嵌入式等技术为一体的综合性技术及应用，它要让孤立的物品(冰箱、汽车、设备、家具、货品等等）接入网络世界，让它们之间能相互交流、让我们可以通过软件系统操纵himer、让himer鲜活起来。
科技创新改变生活，物联网以及延伸的人工智能必将为未来带来自便利的美好生活。
人类总是在追求自便利的美好生活，物联网很有前瞻性。
下一波的IT浪潮就是云计算、物联网、人工智能、生物技术。
目前物联网是新新事物，教学资源紧张是正常的，新新事物风险和机遇并存。
请相信机遇的东西确实是过了这个村，没了这个店，物联网目前就像初期的计算机专业一样，
等它成熟了，等你看到它的发展了，那时候你就落后，只能在前人后面捡烟头。
好好把握学习这个专业的机会，目前物联网处于发展初期，等你毕业刚好是大展拳脚的好时机！
请特别关注：
1、智能家居 2、智能交通 3、智能医疗 4、智能电网 5、
智能物流 6、智能农业 7、智能电力 8、智能工业 9、质量追溯
相信选择这个新新行业有风险，但机会总是给第一个敢吃螃蟹的人。
当然你可以选择传统保守的行业，那是另一种人生态度，开心就好！
一一一一
来自:广州溯源—物联网、云计算、人工智能---绿色未来

人工智能涉及哪些学科

人工智能是一个综合学科，其本身又分为多个方面如神经网络、机器识别、机器视觉、机器人等。一个人想自学所有人工智能方面并不是很容易的一件事。对于你想知道人工智能在编程方面需要多深的要求。怎么说好呢无论C++还是汇编他都是一门语言主要会灵活运用。大多机器人仿真都用的混合编程模式，也就是运用多种编程软件及语言组合使用。之所以这样是为了弥补语言间的不足。prolog在逻辑演绎方面比突出。C++在硬件接口及windos衔接方面比较突出，MATLAB在数学模型计算方面比较突出。如果单学人工智能算法的话prolog足以，如果想开发机器仿真程序的话VC++ MATLAB应该多学习点。下面是小编整理的相关书籍，仅供参考。

1.人工智能算法方面:《人工智能及其应用》第三版、人工智能与知识工程。。第一本感觉能简单并且全面点。这类书其实很多可是大多内容都是重复的所以买一到两本即可。
2.机器视觉算法方面:《机器视觉算法与应用》这本书讲的大多都是工业化生产中机器视觉应用。从内容来说并不是很简单，建议不要当入门教材来学习。
3.机器人方面：新版《机器人技术手册》日译的书。这本书由基础到应用以及一些机器人实际问题上讲述得很全面。强烈建议买一本。
二、学习人工智能AI需要下列最基础的知识：
1.需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。
2.需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法;当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累。
3.需要掌握至少一门编程语言，毕竟算法的实现还是要编程的;如果深入到硬件的话，一些电类基础课必不可少。
人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。

考研人工智能

人工智能的研究领域及应用 人工智能的研究领域分支较多，从研究角度来分有三大分支：知识工程(knowledge engineering)、模式识别(pattern recognition)与机器人学(robotoligy)。这里仅择其中几种研究领域进行粗略的介绍。 专家系统 1977年费根鲍姆提出“知识工程”，把实用的人工智能称为知识工程，标志着人工智能研究进入实际应用的阶段。他开发出了第一个“专家系统”(expert systems)，认为“专家系统是一种智能的计算机程序，它运用知识和推理步骤来解决只有专家才能解决的复杂问题”。专家系统是指利用研究领域的专业知识进行推论，在解决专业的高级问题方面具有和专家相同能力的解决系统，属于人工智能的应用领域。目前，这一领域发展较快，应用也较广，已开发出不少有实际价值的专家系统． 与传统的计算机程序相比，专家系统是以知识为中心，注重知识本身而不是确定的算法．专家系统所要解决的是复杂而专门的问题，对这些问题人们还没有精确的描述和严格的分析，因而一般没有解法，而且经常要在不确定或不精确的信息基础上做出判断，需要专家的理论知识和实际经验。标准的计算机程序能精确地区分出每一任务应该如何完成，而专家系统则是告诉计算机做什么，而不区分出如何完成，这是两者最大的区别。另外，专家系统突出了知识的价值，大大减少了知识传授和应用的代价，使专家的知识迅速变成社会的财富。再者，专家系统采用的是人工智能的原理和技术，如符号表示、符号推理、启发式搜索等等，与一般的数据处理系统不同。 60年代末，以猜测为基础的第一个专家系统Dendral是由费根鲍姆和莱登伯格在斯坦福大学共同设计的，当时用于分析化合物的化学结构。这一系统至今仍被有机化学家经常使用。70年代中期，肖特列夫开发了Mycin这一专家系统，它是针对传染性血液病的诊断和治疗开发的。把患者的病状输入后，经过Mycin推理，最终由计算机开出处方来。据检测，Mycin的能力通常并不比专门的医生逊色。但它没敢投入实际使用，只是在培养医生的学校当作教材在使用。还有由斯坦福研究所美国地质调查国际组织开发的“探矿人”(Prospector)专家系统，波音公司的专家系统可辅助工程师更快地设计飞机等等。 从不同角度，专家系统也可分为多种类型。从其完成的功能来分，可包括诊断、解释、修理、规划、设计、监督、控制等多种类型，这些功能又可分为两大类：分析型和综合型。分析型专家系统所要解决的问题有明确的、有限个数的解，系统的任务在于根据实际的情况选择其中一种或几种解。综合型专家系统的任务是根据实际的需要构造问题的解，包括设计、规划等问题。此外，也可根据知识的特征和推理的类型对专家系统进行分类。 专家系统在各个领域的应用已经产生了很可观的经济效益，这从另一方面促进了对专家系统的理论和技术方面的研究。 开发专家系统的关键是如何获取知识，如何表示、运用人类专家的知识，这方面的研究也就成了重点。对这一点，范伦特(K．Vanlent，1987)作了充分说明： “我们应该去建构一个专家系统，去模拟专家的问题解决。专家行为，不管是由人或机器产生，都是他(它)的知识产物，但是，用什么能解释知识呢?尽管可以用不同的方式进行测量或限定，但对专家知识的形式和内容的最终解释，是人用来获取知识的学习过程。实际上，对于专家问题解决，学习理论可能是唯一足够科学的理论。” 自然语言处理 自然语言处理是人工智能早期的研究领域之一，也是一个极为重要的领域，主要包括人机对话和机器翻译两大任务，是一门融语言学、计算机科学、数学于一体的科学。由于以乔姆斯基为代表的新一代语言学派的贡献和计算机技术的发展，自然语言理解正在变得越来越热门．有很多理由值得人们去研究如何使计算机程序能以某种方式使用自然语言的问题。口语是人们进行交际的自然形式，计算机用户希望能与机器对话交流。自然语言输入可以表示成口语，也能从键盘上打入，以文体的形式给出。 最早的自然语言理解方面的研究工作是机器翻译。1949年，美国人威弗首先提出了机器翻译设计方案。20世纪60年代，国外对机器翻译曾有大规模的研究工作，耗费了巨额费用，但人们当时显然是低估了自然语言的复杂性，语言处理的理论和技术均不成热，所以进展不大。主要的做法是存储两种语言的单词、短语对应译法的大辞典，翻译时一一对应，技术上只是调整语言的同条顺序。但曰常生活中语言的翻译远不是如此简单，很多时候还要参考某句话前后的意思。 例如，英语的一句话：Stay away from the bank． 由于bank有银行和河堤两个意思，因此上面这句活应该翻译成“不要靠近那家银行”呢?还是“不要靠近河堤”呢?显然，光翻译这句话本身不看背景场合，不能保证翻译的正确，需要上下文联系起来才能正确翻译，这就是技术难度高之所在。 从20世纪70年代末期，随着机器翻译理论和计算机技术的进步，机器翻译有很大的进展。一种常见的做法是将语言的翻译分为“原语言的理解”和“所理解的语言表达成目的语言”两个子过程。这样就需要—种中间语言，只要做好原语言到中间语言以及中间语言到目的语言的转换程序，就可完成翻译。这种办法还容易实现—种语言到多种语言的翻译系统。到现在为止，西语系的一些语言(例如法语、英语)之间的互译技术已经比较成熟，双向翻译辅助系统准确性比较高，不过，翻译完后，还要对译文稍作修改。1995年，松下公司试制成功一种可进行曰英文对译的可视电话，引起了人们的广泛兴趣。该系统由计算机语音识别、声音合成和可视电话通信三个子系统组成，使用者可以用各自的语言进行交谈，通过分析语音波形的变化，该系统可从3000个例句中选择出语意最接近的单词，其识别率达到98％。据称，只要备有专用词典，就可以用它来流利地进行会话。对于我们每天使用的汉语，总的来说，与其他语言的互译水平还不太高，其中与英语的互译水平稍微高—些，市面上已有多种翻译软件出售。主要是我们对汉语的形式化研究还不够，特别是汉语与西方语言不是一个语系，翻译起来难度较大。总之，要真正建立一个能够生成和理解自然语言的计算机处理系统是相当困难的。因为，语言的生成和理解是一个极为复杂的编码和解码过程，一个能理解用自然语言来表达信息的计算机系绕，就应像人那样，不仅需要掌握上下文知识和语境等有关信息，而且还要能够利用这些知识进行推理，人具备大量的经验以及拥有自己的观点和对世界的看法，而现在的机器还做不到这一点。机器翻译离达到“自然的理解和表达”这个最终目标还有相当大的距离。 目前所能做到的仍然是人工辅助型的翻译系统，即靠人对翻译的结果进行修正，来获得自然的翻译。

电子信息工程（机器人与人工智能）专业考研的话是考什么专业，我没有看到人工智能专业啊。

电子信息工程对着的硕士专业应该是信息与通信工程(学硕)或者电子与通信工程(专硕)，但是感觉做AI的话，好像计算机那边做的比较多，题主可以考虑一下。考研的话主要还是看对应的专业课要考什么吧，题主是电信专业的，应该还是对口通信电信的研，这个专业硕士也有一些导师会做AI的。一些学校招生的时候专业方向分的比较细的会直接说招AI方向，不按方向细分招生的就找不到AI这个专业了。个人意见，仅供参考。

有没有哪个考研方向是和人工智能有关的

你考自动化的研究生，一般考双控，模式识别或系统工程的话都是属于人工智能，现在国内人工智能做得最好的要数中科院沈阳自动化研究所，人工智能一般和机器人有关，考这个的话专业课一般考自动控制原理。