人工智能(AI)研究方向解读和出国留学申请总结
【声明】：本文旨在对AI的发展方向和留学申请进行全面解读，欢迎感兴趣的同仁交流探讨，全文原创，抄袭必究。
在进行紧张的2021申请准备的同时，最近也在深入涉猎人工智能(Artificial Intelligence)相关的历史、知识、体系、发展和未来，这一过程中越来越深刻地感受到，人工智能的确已经渗透到社会生活的方方面面，且正在有形或无形地影响着社会生产及我们的日常生活。
随着AI的蓬勃发展和广泛应用，越来越多的国内外高校逐渐开设了人工智能相关的专业，吸引了许多对AI感兴趣并希望在这方面有所建树的同学，相信在未来较长时间内AI都会是留学申请的热门专业之一。
为了比较完整、确准地呈现AI的内涵及其留学申请细节，下面将给出一个人工智能的应用案例，并以此为基础，分析目前人工智能的热门研究领域和涉及到的骨干知识，最后进行人工智能方向的出国留学申请全面总结。
全文一万字，匠心之作，目录如下，喜欢的小伙伴点个赞再走啦@you！！！
如果小伙伴们有任何AI方面的困惑和留学问题，欢迎交流：
【1】机器人“小川”助你申请
也许有一天，借助人工智能，你就可以高效、便捷地进行留学申请，而无需寻求任何人的帮助。
哇，真的吗？
也许真的可以，一个可能的申请情景：
在进入大学时，学校为每位同学都申请了一个大学助手机器人（姑且称为“小川”），它大脑里拥有海量关于教育、就业、科学、健康方面的数据并实时更新，“小川”会陪伴你完成大学求学的全过程，包括学习成绩记录、科研经历、身体健康跟踪、日常活动、行踪记录、社交行为记录等，而且在关机状态也能感知你的身体信息和状态。
在大三的某一天，你突然萌发了留学的想法，然后去问“小川”搜索关于留学的信息，这时“小川”立刻开始为你私人定制“留学规划书”，主要包括以下几步：
第一步，择校和选专业。
通过分析国外各院校的申请时间，立刻为你制定精确到“日”的申请时间轴，让你有条不紊地去准备申请；
通过对比近十年录取专业与本科专业的相关性，为你确定排序TOP10的建议申请专业；
通过分析你截至目前的成绩单，出具详细的成绩解读报告，并根据GPA列出推荐的冲刺院校、平行院校和保底院校；
通过与你人机互动，了解你的想法、规划和兴趣，进一步确定申请院校和专业，最后把择校信息推送到你的手机。
第二步，文书准备。
“小川”同学综合申请学校的要求和你的本科经历，针对每一个学校自动完成简历、动机信、推荐信等文书的初稿创作，且每个学校都独具个性。
接着，“小川”同学在听完你对文书的意见后，立即启动文书修改。这一过程反复几次，直到你满意为止。
第三步，正式申请。
各院校申请开放后，"小川"会第一时间提醒你，并询问是你自己填报申请还是由“小川”代替完成。你决定由"小川"来申请，于是它在两天内完成了所有的填报，并给出提示，有些重要信息建议你再次确认。
你完成最终确认后，申请正式提交。
第四步，选择Offer。
几个月后录取通知书纷纷而至，面对不同的学校，你不知该如何选择，于是在小川的帮助下，给你出具了各个Offer的分析报告，包括过往学生数据、学生满意度、就业情况、未来发展方向、薪资水平、校友影响力等方面，并综合你的个人背景，给你推荐了最适合的3个Offer。
这时，"小川"询问你考虑如何选择Offer，但是他通过摄像头"看"到你脸色不好，通过"随身测温仪"发现你提问高于37.5度，于是问你是不不是生病了，你告诉它的确不舒服，于是它安慰你多喝热水、注意休息，并根据你的情况给你推荐了药品和最近的药店。最后，它劝你先去休息，晚几天再考虑Offer的事。
两天后，你康复了，综合考虑后对Offer的选择还是有点犹豫，于是“小川”请你戴上VR眼镜，带你去逛未来就读学校的校园环境、实验室、图书馆、所在城市、可能的就业环境。
最后，综合考量后你选择了XX大学的XX专业。
第五步，出行辅助。
你接受Offer后，“小川”根据你的选择和学校现状，给你出具了完整的申请签证和入学步骤及注意事项。
第二年8年，你平安入学，开启了留学生涯。
就这样，在“小川”同学的帮助下，你顺利完成了申请，全程中你所做的最核心的就是和“小川”进行“聊天”和“问答”。
【2】人工智能的研究方向
说明：以下部分内容参考了百度和相关书籍。
2.1【人工智能的定义】
首先我们不得不聊聊人工智能的定义。
客观来说，目前学界还没有给出一个公认的人工智能的精确定义，不过，当前普遍使用的AI定义有两个：一个是明斯基提出的，即“人工智能是一门科学，是使机器做那些人需要通过智能来做的事情”；另一个更专业的定义是尼尔森给出的，即“人工智能是关于知识的表示、知识的获取和知识的运用的学科”。
专业人士更偏向第二个定义，即认为AI以研究知识的表示、获取和应用为归依。沿着这一方向，人工智能产生了三个流派：符号主义、连接主义和行为主义。这三个流派涉及到一些有趣的思想实验，如图灵测试、中文屋试验、缸中之脑试验，他们各有理论，又都不够完整，但对于学习者深刻理解AI的内涵十分有帮助，感兴趣的同学可以查阅相关内容或私下交流。
在我看来，“人工智能”不外乎就是两方面："人工"和"智能"。"人工"就是人造的、人赋予的；"智能"就是有智慧、有思想的。综合这两点，我个人给出的定义是：人类把思想和智力通过科学的方式赋予程序或设备的过程。仔细思考，其实与上面学界认可的第二个定义相吻合。
现在我们来分析“小川”协助你申请过程中所体现出来的“智能”，也是目前及未来一段时间内人工智能的热门研究方向。
2.2【专家系统】
从"小川"申请过程可见，它简直就是一个留学大师，"精通"选校、选专业、文书创作、系统填报等关于留学的所有方面，是一个活生生的综合了留学各方面专家知识的"超级专家"，即AI领域所说的"专家系统"。
什么是专家系统呢？ 它是一种智能的计算机程序，运用知识和推理来解决只有该领域专家才能解决的复杂问题。
类似医生通过所掌握的医学知识来为病人诊断病情，专家系统以知识库和推理机为核心，其基本结构如下：
专家系统的研究重点在于：一、如何将海量不同领域的人类知识以计算机可接受的型式储存在其中并不断更新迭代，在AI领域，知识的表示有产生式、框架式和状态空间表示法等，这部分内容专业性较强，同学们可以自己查阅相关书籍；二是关于推理机制的研究，即计算机面对新的问题，在基于已有知识的情况下，采取什么样的”推理逻辑“来给出新问题的答案，目前的推理方法分为正向推理和逆向推理。
未来的专家系统呈现以下发展特点：高级语言和知识语言描述、并行技术与分布处理、多专家系统系统工作、引入新的推理机制、具有自纠错和自完善能力。
2.3【自然语言处理】
"小川"同学与你的交流和互动就集中体现了机器对自然语言的理解和处理，当然这里也包括了对语音的处理。
我们想想，"小川"同学在第二步中如何完成文书修改的？
首先，它要能听懂并记录你的语言；其次，它要能按照中文逻辑准确理解你表达的意图；再次，它要在知识库中寻找和组织文字答案；最后，它要在原文书中的准确位置替换掉部分内容。
这是一个多么复杂的过程啊！
通过上述过程可见，自然语言理解和处理的核心研究点在于三方面：
（1）语料库，包括词汇的表示和分析、句法分析；
（2）信息检索和提取，文字和语音的生成；
（3）信息输出。
自然语言处理的应用领域极为广泛，典型的如人机问答、机器翻译、机器创作、智能聊天等。
下次当你打开百度地图，”小度“准确地输出你的导航目的地后，是否会多思考一秒“自然语言处理”的功劳！
读到这里，是不是对AI有所敬畏了！
2.4【机器学习】
当今谈到AI，机器学习是个绕不开的话题。
何谓"机器学习"，通俗地讲，就是让机器像人一样能够基于已有的知识和经验，加上不断补充的知识，通过自我思考、进化和迭代而变得更加聪明。
我们回到"小川"同学。它能够帮助你留学申请，也一定能够帮助别的同学进行申请，但是呢，申请细节又一定不同，比如学校和专业的确定、文书的内容等方面。其实这就是典型的机器学习，"小川"同学根据自己大脑中储存的信息，结合你的背景和过往的申请案例，通过"学习"而为你量身定制了一套申请方案，可以"机器学习"的威力有多大！
机器学习的本质是数据的智能分析和建模，进而从数据里面挖掘出有用的价值，最终用于解决现实中的问题。所谓的"分析与建模"其实核心就是"学习模型"，目前学习模型分为：
- 监督学习（包括K-临近算法、决策树、支持向量机等）
- 无监督学习（包括聚类、自编码器等）
- 弱监督学习（包括半监督学习、迁移学习和强化学习等）
随着机器学习在AI领域的广泛应用，深度学习诞生了。深度学习的概念源于神经网络，这里的"深度"即指神经网络中隐层的数目，它利用空间相对关系减少参数数目以提高训练性能。
深度学习的动机在于建立、模拟人脑进行分析学习的神经网络，从而模仿人脑机制来解释图像、声音和文本等数据。
目前，机器学习已经广泛应用于数据安全、金融、医疗保健、在线搜索、智能驾驶等领域，未来将持续是行业热点。如果你对该方向的留学申请感兴趣，建议进行专门的学习和知识储备。
2.5【规划】
规划技术源自20世纪60年代，是人工智能的一个重要领域，主要研究如何合理地选取行动或行动序列来完成特定的任务。
"小川"同学为你确定申请时间节点和具体内容就是一个典型但并不复杂的规划任务。
规划方法一般分为以下三类：
（1）领域限定：领域限定，针对具体领域专门设计的特定规划方法，通常利用特定领域设计更高效的算法。
（2）领域无关，不针对具体领域的通用规划方法。与领域特定规划相比，有以下不同，1）是对规划方法共性的研究，其成果可以用来提高领域特定规划方法的效率；2）对通用规划行为的研究，从人工智能角度研究其所表现出的理性行为；3）对具体问题可以直接应用，相对于特定领域方法是更廉价的规划器；4）是一般系统所需要具备的通用规划能力。
（3）可配置，在领域无关方法的基础上，针对具体问题可以增加控制信息，从而利用问题领域特征使规划更高效。
常用的规划方法包括经典规划问题（一般用集合来描述）和概率规划（包括马尔可夫决策、状态空间表示等方法）。
规划的最典型应用就是地图，当你输入目的地后，应用程序瞬间就会现实完整路径，这种"智能"背后的推手就是AI中的规划。
特别提一下，自动规划和调度国际会议（International Conference on Automated Planning and Scheduling, ICAPS）是国际人工智能规划和调度领域的旗舰会议，每年举办一次，聚焦国际规划技术研究的前沿。
会议期间还举办国际规划竞赛(International Planning Competition, IPC)，提供基准问题来检验最新的研究成果。在IPC的主页中，经典规划问题采用的模型描述语言是PDDL，而概率规划问题的模型描述语言是RDDL。感兴趣的同学可以从IPC的主页中下载历年竞赛采用的以PDDL和RDDL描述的典型规划问题以及历年的比赛结果。在IPC的页面中还可以找到上一届竞赛的程序，或者源码，感兴趣的同学也可以下载和运行这些程序和源码。对于不方便下载的同学，网上还提供了在线的PDDL编辑和求解器（http:editor.planning.domains和https://stripsfiddle.herokuapp.com），同学可以在浏览器中体验规划、建模和求解的过程（如下图）。
2.6【计算机视觉】
留学申请第四步中"小川"带你逛未来学校环境的过程中，充分体现了计算机视觉的应用。
计算机视觉是一门研究如何对数字图像或视频进行高层理解的交叉学科。从人工智能的角度看，计算机视觉要赋予机器看你的智能。从工程视角看，所谓理解图像或视频，就是用机器自动实现人类视觉系统的功能，包括图像或视频的获取、处理、分析和理解等诸多任务。
假设"小川"带你来到了未来就读学校的图书馆，它是怎么知道"已经到了图书馆"而不是体育场或教学楼等其他位置呢？这就是计算机视觉在大显身手。
我的天呐，好伟大！
不难想象，机器在识别任一图像或视频过程中，至少要完成以下任务：距离估计、目标检测、背景分析、物体分割、目标识别、场景分类、文字检测、3D重建、图像编辑、视觉问答等。
尽管计算机视觉任务繁多，但大多数任务本质上可以建模为广义的函数拟合问题，如下图所示。即对任意输入图像 ，需要学习一个以 为参数的函数y，使得 ，其中 可能有两大类：
（1） 为类别标签，对应模式识别或机器学习中的分类问题，如场景分类、图像分类、物体识别、精细物体类识别、人脸识别等视觉任务。这类任务的特点是输出 为有限种类的离散型变量。
（2） 为连续变量或向量或矩阵，对应模式识别或机器学习中的回归问题，如距离目标检测、语义分割等视觉任务。在这些任务中外，或者是连续的变量，如距离、年龄、角度等，或者是一个向量，如物体的横、纵坐标位置和长宽，或者是每个像素有一个所属物体类别的编号，如分割结果。
常用的学习模型和方法包括两类：基于浅层模型的方法（包括图形预处理、特征提取与设计、特征汇聚、分类器或回归函数的设计与训练）和基于深度模型的方法（包括基于深度模型的目标检测、基于全卷积网络的图形分隔等）。
我们每天使用的手机人脸识别就是计算机是解决的典型应用，其大体流程如下图所示：
可以预见，计算机视觉在未来将更加紧密地融合在我们的日常生活中，这一方向也是AI的重点研究领域之一，这里只能抛砖引玉，感兴趣的同学可以进行专门学习。
2.7【智能感知】
"小川"在第4步中看"到你脸色不好和"测"出你体温偏高，都体现了智能感知在生活中的应用。
“感知”本来是人的能力，机器如何获得这种能力呢？毫无疑问，是通过各种传感器和分析处理程序来实现的。
智能感知包括视觉、听觉和触觉等感知能力。型式多样的传感器为机器人赋能，让其拥有了甚至超越人类的“敏感”和“智能”。常用的内外部传感器如下表所示：
智能感知是未来智能时代的重要基础。智能时代，物联网传感器会遍布在生活、生产的各个角落。据《经济学人》预测，到2025年，城市地区每4平方米就会有一个智能设备，智能城市、智能医院、智能高速公路等将依靠传感器实现万物互联，并自动做出决策。
智能感知的研究方向一般不单独成一个专业，往往融合在其他具体应用领域中，如生物医学、信息安全、食品检测等。
2.8【智能医疗】
“小川”在探测到你体温高后给你推荐药品和周围药店，其实就是智能医疗的一个小小缩影。
智能医疗是AI极为重要的应用领域，因为这关系着全人类的福祉。
目前，AI已经开始应用于新药研发、辅助疾病诊断、健康管理、医学影像、便携设备、康复医疗和生物医学研究等领域，尤其是在辅助医学影像诊断、肿瘤辅助诊疗领域，已接近于临床推广。
这里举一个有趣且惊奇的例子。
为帮助截肢患者重获肢体功能，美国国防部高级研究计划局资助DEKA项目开展AI研究。2014年美国FDA批准了由DEKA项目组研发的LUKE义肢，这是首例受大脑控制的假肢获批上市。LUKE原型为《星球大战：帝国反击战》中主人公 Luke Skywalker失去右手后接上的几乎可以以假乱真的义肢。LUKE通过肌电图电极传输信号来控制动作，按照大脑指令收缩而产生电信号，这种假肢装置可将肌肉电信号翻译成多达十种的肢体动作，随后将这些电信号传输到假肢中的计算机处理器，随后转化成可被机器执行的指令，再以运动传感器、压力传感器等设备来完成假肢的动作。这种假肢将能帮助失去手臂的人解决生活中的许多不便，如拿钥匙开门、自己吃饭拉链，甚至刷牙、梳头等，这些都是现有假肢不可能完成的任务。
智能医疗领域大有可为，本科背景为计算机、生物、信息等方向的同学，如果对医疗方向感想去，可以考虑从事智能医疗的相关研究。
2.9【智能机器人】
机器人是集机械、电子、控制、计算机、传感器、人工智能等多学科及前沿技术于一体的高端设备，是制造技术的制高点。
人工智能与机器人不同，前者解决学习、感知、语言理解和逻辑推理等任务。若想在物理世界完成这些工作，人工智能必然需要一个载体，机器人便是这样一个载体。机器人是可编程机器，通常能够自主或半自主地执行一系列动作。机器人与人工智能相结合，由人工智能程序控制的机器人称为智能机器人。人工智能技术在机器人中的应用如下图所示：
智能机器人是诸多AI技术的综合体。"小川"同学就是一个典型的智能机器人，它在助你留学申请过程中既能帮你规划，又能和你聊天，还能为你创作，让你的申请之路多了一位超级助手。
2.10【大数据与云计算】
如何"小川"同学大脑中没有储存海量的学校信息和申请案例，如果"小川"身体里没有内置一个超级计算机来帮你分析和创作，那么它帮你留学申请的路上即使“有心”也会“无力”。这两方面的硬核保障就是大数据和云计算。
严格来讲，大数据和云计算不属于AI的研究方向，这里之所以列出，是因为这两个词及其背后代表的技术，好不夸张地说，是AI和未来各行各业高速发展的关键力量和重要支撑。
“大数据”从字面看，不外乎就是“大”和“数据”两个关键词，然后，事实恰恰想法，这两个词都不关键，那么什么最关键呢？是如何驾驭和使用这些数据，即利用已有数据来进行专门的分析和解读，从而为生产生活做出决策，提高效率，改进效果，实现创新。从本质上讲最关键的是就是算法。有需要的同学可以进行单独研究。
“云计算”可能大家都听过，但还是云里雾里。其实很好理解，所谓“云计算”本质还是计算，那为何冠以“云”呢？因为，随着IT技术的发展的大数据的介入，计算量成千上万倍的增加，以前简单的一台计算机或一个机房的几台计算机算力不够用了，为了计算某个结果，不得不连接和调用更多的计算机，甚至本地不够用，那就只能找外地的，这些计算机在远程完成计算，因此我们形象地给了它一个称谓“云”。
云计算具有超大规模、虚拟化、高可靠性、通用型、高可扩展性和按需服务等特点，现在云计算就像电、水一样，是一种资源，谁需要谁就去购买和使用。
人工智能和大数据、云计算紧密相连。打个比方，人工智能是一个吸收了人类大量知识且不断的深度学习和进化的世外高人，人工智能离不开大数据，更是基于云计算平台完成深度学习和进化，进而为人类服务。
上面列出的仅仅是“小川”同学身上所折射出的人工智能应用方向，事实上，AI已经融入我们生活的几乎每一个方面。从每天使用的指纹解锁到呼之欲出的自动驾驶，从玩法新奇的穿戴设备到不可想象的断臂重生，从时时懂你的智能家居到高效运行的智慧城市，处处都有AI的身影，对有想去、有志向从事相关研究的同学，一个广阔的舞台正在等待你们去开拓、去创造、去占据时代的C位！
【3】人工智能方向出国留学申请总结
第一，开设AI专业的学校情况。
人工智能专业属于近几年开设的新型专业，首先我们看一下国内院校的开设情况。
2018年4月，教育部研究制定了《高等学校引领人工智能创新行动计划》，并研究设立人工智能专业，旨在进一步完善中国高校人工智能学科体系，培养我国人工智能产业的应用型人才。2019年3月，教育部印发了《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，根据通知，全国共有35所高校获首批「人工智能」新专业建设资格，名单如下：
由上可见，首批开设AI专业的院校也是我国整体实力最强的学校，这也从另一个侧面印证了AI专业的难度。因此，如果你现在是高中生，想在大学读人工智能专业，要加油学习哦！
接下来再看看国外情况。从全球来看，与国内类似，开设AI专业的学校基本也都是顶尖工科院校或综合类院校。AI的研究范畴从本质讲属于计算机科学的范畴，因此这里我们采用主要用于反映各高校和研究机构在计算机学科和相关方向上的学术影响力和国际活跃度的CSRanking来看看全球高校AI方向的排名情况（基于1991-2021二十年间的论文发表情况），TOP100名单如下：
值得注意的是，由于很多学校开始AI时间较短，所以统计时间段较长的话排名会有所偏低，同学们在申请的时候除了看CSRanking全球排名，还应该考虑综合排名、地区影响力、就业机会、行业地位、学校具体研究方向是否适合自己等因素。
第二，入学要求。
各大学的admission requirement都是类似的，不外乎就是：成绩优秀+背景合格+语言过关。下面分别选美洲、欧洲和英国的一所学校来看看具体要求：
（1）UCLA
美洲选择加利福尼亚大学洛杉矶分校（University of California, Los Angeles，简称:UCLA），UCLA是美国申请人数最多的大学，也是录取难度最高的大学之一 。UCLA被《美国新闻与世界报道》、《泰晤士高等教育》、《华尔街日报》等多家权威报刊评为美国第一公立大学，2020年QS毕业生就业力排名世界第3位 ，2022年QS世界大学排名第40位 。
UCLA的AI属于CS下面的一个分支，除了MS学位，工程和管理学院还有一个三年制的工商管理和CS的双学位项目，感兴趣的同学可以关注。
从上面的requirement可以看出，UCLA其实并没有给出详细的背景要求，这其实也是大多数美国学校的特点，不会对申请背景给出细节要求，申请时只能根据自己的理解和经验数据来具体评估录取概率。有点尴尬！
（2）University of Amsterdam
欧洲选择荷兰顶尖大学阿姆斯特丹大学（University of Amsterdam，UvA），这是一所坐落在荷兰首都阿姆斯特丹的世界级顶尖研究型大学。这里共诞生了六位诺贝尔奖获得者和和五位荷兰首相。该校设有七个学部：人文学部、社会与行为科学学部、商学部、法学部、理学部、医学部以及牙医学部。
特别值得一提的是UvA的商科，阿姆斯特丹大学下属的商学院（Amsterdam Business School）是荷兰乃至欧洲最好的商学院之一，取得了EQUIS、AACSB、AMBA三项世界顶级认证，是世界上只有少数商学院同时拥有这三项皇冠认证。 学校位列2022THE世界大学排名第65位，荷兰第2；2022QS世界大学排名第55位 。在QS世界大学学科排名中，传播学及媒体研究专业连续多年位居世界第1位。UvA的Master Artificial Intelligence入学要求如下：
Basic requirements:
Additional requirements:
从上面可以清晰地明确UvA对申请背景的要求，包括CS、编程、数学等知识储备要求和AI相关的经验，如科研项目、实习等方面。特别的，UvA明确指出不接受网课成绩。这里也能看出，ＵvA对背景要求还是很严格的，现实中竞争也是异常激烈，所以有意向申请的同学一定要对照要求，提前全面准备，方能在最后申请时有条不稳。
（3）Cardiff University
英国选择卡迪夫大学（Cardiff University）,CU 是一所位于英国威尔士卡迪夫的的综合研究型大学，为GW4联盟和罗素大学集团成员，2022QS世界大学排名第151位。学校给出的AI申请requirement也非常简洁，基本还是要CS背景来申请，具体细节同学可以参考UvA的要求。
第三，申请建议。
说到申请建议还是老生长谈的那几点，但说实话，那几点好像很多同学还是做的不够好，因此拼帝哥在这里再唠叨几句：
（1）GPA一定要重视。今年有很多大三、大四GPA75左右的同学咨询申请的事，说实话，这个GPA无论申请哪里都是一个大写的尴尬，但是呢又不得不面对这个不可更改的局面，最后也只能通过尽量把其他方面做好来弥补GPA的劣势，这也是不得已之举。因此在这里建议有可能留学的小伙伴，一定要重视GPA、一定要提前重视GPA，再怎么重视都不为过。
（2）语言早点考。每年都有到12月甚至1月都没有考过语言的同学，这也提醒大家要重视语言，不要因小失大。此外，语言考试的故事也是千奇百怪，记错考试日期的、看错表的、听力异常发挥的……总之，语言不是申请的最重要因素，但要满足学校要求，要趁早考。
（3）重视匹配度。AI方向的背景要求比较高，如果本科不是CS相关方向的，一般会有一些课程的缺失，这是应尽早选修相关课程，以满足申请要求。
第四，跨专业能申请吗？
这可能也是很多同学关心的话题，因为除了CS背景，其他专业的同学申请AI方向多多少少都有一些跨专业的意味。
能不能跨呢？能！
能不能跨成呢？难！
难点主要就是体现在背景的不足，比如学土木的，计算机方向基本就是学2-3门公共课，这样的背景显然是不足以申请AI的，所以如果有跨专业申请的想法，一定要早研究、早规划、早选课。说实话，这一过程中也是比较辛苦的，毕竟要补充的知识还是不少的，不过呢，既然选择了远方，便只顾风雨兼程，还有什么比梦想更值得拼搏呢？
第五，AI与Robotics的关系。
这一点其实在2.9【智能机器人】部分已经有所说明，核心点就在于AI偏软件（编程）、Robotics属于软件+硬件，这一区别从KTH的MSc Systems, Control and Robotics项目即可窥见一斑。从specific requirement可知，除了数学和编程，还对控制理论知识提出了要求。
从上面要求可以看出，机械、电气、车辆等工科专业的也可以申请Robotics，且现实中的成功率要比申请AI大很多，我分析这里主要有两点原因：第一，Robotics对计算机知识储备的要求没有AI高，多数工科专业的学生通过提前选修课、自学等方式更容易满足申请要求；第二，工科专业在某一方面，如车辆工程，建立了一个较为完整的知识体系，且通常会涉及力学、电力、电子、结构、控制等方面的知识，而这些知识在Robotics中都有所应用，因此这样的背景对申请是有利的。
既然选择了远方，便只顾风雨兼程，还有什么比梦想更有吸引力呢？