軟體工程轉人工智慧需要什麼

① 軟體工程能從事人工智慧嗎

軟體工程與人工智慧是相通但又不完全相同的；
軟體工程

軟體工程是一門研究用工程化方法構建和維護有效的、實用的和高質量的軟體的學科。它涉及程序設計語言、資料庫、軟體開發工具、系統平台、標准、設計模式等方面。

在現代社會中，軟體應用於多個方面。典型的軟體有電子郵件、嵌入式系統、人機界面、辦公套件、操作系統、編譯器、資料庫、游戲等。同時，各個行業幾乎都有計算機軟體的應用，如工業、農業、銀行、航空、政府部門等。這些應用促進了經濟和社會的發展，也提高了工作效率和生活效率
人工智慧應用工程師
主要從事機器學高級工程師、人工智慧工程師、數據挖掘工程，爬蟲工程師、演算法工程師等職業。

② 如何轉行到人工智慧/機器人領域

、AI/機器人PM在做的事情，和常規互聯網PM有何不同？面臨的問題和困難，有哪些不同？
答：做事流程，基本上是一致的，但不同之處在於：
需求把握。AI/機器人領域還處於探索期（找剛需），產品形態甚至典型用戶群體（畫像）都還不明確，所以信息收集（行業/競品/用戶等）、創意思考、產品驗證的工作會更被突出。
閉環驗證。產品核心價值的設計和驗證工作，很難以數據分析為主驅動，而需要PM有大膽的思路和敏銳的洞見。因為A）從手機場景，升級到機器人場景，天翻地覆的變化。B）用戶門檻遠高於互聯網，用戶量和用戶數據遠比不上移動互聯網產品的量級；C）產品很可能和硬體相關，導致迭代周期更長，收集有效數據更難。
交互設計。場景巨變，使得交互方式從純軟體（界面、觸屏）/純硬體，升級到多模態交互等更復雜的人機交互形式，還沒有形成清晰的交互體系標准。很多人沒意識到的是，新時代，不僅是新技術驅動，更關鍵的標志是新交互（還可能有新硬體）。
功能設計。比如做搜索，和做AI問答或對話，還是很不同的東西。並且，一旦和硬體相關，難度就會陡增。
數據分析。語音交互產生的數據分析難度遠高於觸屏交互。因為觸屏交互有效表達用戶意圖的概率非常高，而語音交互識別出的數據往往和用戶意圖有很大偏差。
2、AI/機器人PM需要具備的能力和素質，和常規互聯網PM有何不同？
答：各方面的能力和素質都需要跨越式升級。由淺入深的說——
更廣更深的知識（經驗）積。：不僅是常規的app、網站等，還可能包括硬體、OS、量產、甚至新的用戶群體認知（小孩、老人、外國人……）
更強的技術理解能力。對這點，見仁見智，有2種觀點：A，必須有技術背景，真的懂軟硬體開發到底是怎麼回事；B，本質上需要能清楚「什麼能做什麼不能做」，所以有相關經驗也行。或者，如果整個產品團隊有其他人能做到這點也行，互補配合。不論如何，至少是比常規PM的要求要高的。如果本碩博就在接觸神經網路、深度學習、自動化等方面，會有點優勢。
更高效的學習能力/悟性。不僅需要學習以上內容，更可能隨時需要去學習新的領域（甚至是技術領域）。
重新認識人的感知和交互方式。參見第一個回答的第3小點。
更強的洞察力和創造力。參見第一個回答的第2小點。另外，還包括產品設計時的想像力——大腦模擬體驗過程（手機app可以弄原型，但機器人體驗怎麼辦。。。）
行業認知/趨勢判斷。行業周期性如何？AI/機器人領域的發展方向如何？前沿的這些新技術/新產品形態，哪個能最終勝出？如何組織這些新技術/新產品形態？時間窗（時機）如何？政府/大學對行業的影響，如何理解、應對和借勢？還有國際化思考……
更深入的人文素養和靈魂境界。個人理解，真正的AI/機器人產品，需要超越純邏輯性的思維和內涵。比如，有人認為，對於機器人產品，把功能價值做好（有用）就可以了，但我個人認為，機器人和人交互時，一定會伴隨著情感等非理性影響，這不是設計者想規避就能去除的。當我第一次近距離看到超大的工業機器人時，被震驚了，因為那種協調的動作和節奏，本能的會讓觀察者覺得「像人一樣」（不是個機器。）；另外一個例子，在表演/戲劇領域，表演者是可以完全通過動作的方向、幅度、節奏等來表達情感的！可參看Pixar 1986年的動畫短片《小台燈》（Luxo Jr）。
更深入的說，一個產品，本質是其公司、設計者靈魂能量層次的外化，一個精神層次不高的團隊，不可能做出一個跨時代的AI/機器人產品。
3、如何判斷我是否真的對AI/機器人領域感興趣？如何判斷我是否適合AI/機器人領域？
答：「感興趣」不是一個形容詞，而是一個動詞——關鍵不是你多麼興奮，而是興奮過後，你具體做了什麼。
如果做到了後面第四點的過程（至少一部分），才是真正的證明了「感興趣」。也只有基於此，並且真的去做了1、2個產品feature設計（可以給自己出需求或研究課題），才可以判斷你是否合適。
另外，如果理解/討論停留在下列問題層面（無營養、無邏輯、無邊界、無方案），就還不適合：
對於「強人工智慧」的好奇心與普通群眾或科幻小說家別無二致。
人工智慧再牛逼也擺脫不了「吹燈拔蠟（斷電）」的尷尬，根本不智能。
我想和人工智慧談戀愛。
大自然到處存在著人類無法理解的演算法， 人工智慧再牛，也是大自然的一部分。
智能家居隨時監控你的生活狀態，這種可能產生危險的東西，除非能夠證明可靠性，否則不會使用。
補充一個同事的觀點：是不是想重新認識自我、認識人類。
4、如何（轉行）成為一個合格的AI/機器人PM，需要做什麼准備？
答：個人建議
看知乎上「所有」和人工智慧/機器人相關的問題、看相關書籍或課程（後面有附錄詳細列出）。
體驗各種AI/機器人產品、了解必要的產品/技術現狀（比如語音交互相關、各種感測器及其作用），收集行業公司/團隊/機構信息。
整理出自己的獨到見解。認真思考人類行為、研究自我。
篩選幾個你真正認可的創業團隊，想盡辦法結識其中的牛人（帶上你的獨到見解），去交流（先想想，為什麼你值得ta花時間），甚至申請一份實習或兼職工作。

③ 普通程序員，轉行人工智慧怎麼轉

根據我的觀察，去解決具體問題是不劃算的，因為即便你對那個問題有深入的認識，仍然需要燒掉大量GPU，才能搞出一點效果來。看論文的話，有不少論文，連完整的公式都不列一遍的，就畫個layer的示意圖讓你自己蒙去。

還是造深度學習框架才是最好的。現有框架都太爛了，跑分基本上全靠cuDNN，碰到cuDNN里沒有的東西，就讓你自己去寫CUDA。而大部分人更需要的是能直接從數學公式到能運行的代碼。畢竟寫GPU代碼也非常花時間的。。

④ 軟體工程是否和人工智慧有關

從事人工智慧，需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。
需要演算法的積累：人工神經網路，支持向量機，遺傳演算法等等演算法;當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM;總之演算法很多需要時間的積累。
需要掌握至少一門編程語言：畢竟演算法的實現還是要編程的;如果深入到硬體的話，一些電類基礎課必不可少。
目前人工智慧行業的就業方向主要分為搜索、圖像處理、計算機視覺、模式識別和圖像處理等，搜索方向如網路、谷歌、微軟等，包括智能搜索、語音搜索、圖片搜素、視頻搜索等。圖像處理如醫學的圖像處理，醫療設備、醫療器械都會涉及到圖像處理和成像。
人工智慧是需要人力、腦力、開發、高等技術與不斷的研究和嘗試等等一系列超高難度的作業才能完成的科技產品。當然這種研究是得到國家和人們大力支持的發展。它的發展對國際影響力是非常大的。人工智慧也可以定義為高仿人類，雖然不可能會像人一樣具有靈敏的反應和思考能力，但人工智慧是按照人類的思想結構等等的探索而開發的研究。
人工智慧的開發最主要的目的就是為了替人類做復雜、有危險難度、重復枯燥等的工作，所以人工智慧是以人類的結構來設計開發的，人工智慧在得到較好的開發後國家也是全力給予支持。人工智慧的開發主要也是為了幫助和便利人類的生活。所以人工智慧的定義一直以來都是以「協助人類」而存在的。人工智慧概念的火熱促進了不少行業的興起，比如域名，許多相關的.top域名已經被注冊。
以後可能在很多傳統行業，比如銀行，會有人工智慧幫你得到更好的收益。信用卡或其他的貸款會由人工智慧來決定哪些人士可以安全地放貸，而且會還錢。然後再往下人工智慧可以開始動了，就可以進入工業機器人、商業機器人，終進入家庭機器人。

⑤ 學習人工智慧AI需要哪些知識

人工智慧的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或著人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。
關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識(consciousness)、自我(self)、思維(mind)(包括無意識的思維(unconscious_mind)等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智慧相關的研究課題。
人工智慧目前在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用--機器視覺:指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統等。
人工智慧(Artificial Intelligence)是研究解釋和模擬人類智能、智能行為及其規律的一門學科。其主要任務是建立智能信息處理理論，進而設計可以展現某些近似於人類智能行為的計算系統。AI作為計算機科學的一個重要分支和計算機應用的一個廣闊的新領域，它同原子能技術，空間技術一起被稱為20世紀三大尖端科技。
人工智慧學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
知識表示是人工智慧的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網路表示法和框架表示法等。
常識，自然為人們所關注，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。
問題求解中的自動推理是知識的使用過程，由於有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結構化表示下的繼承性能推理是非演繹性的。由於知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基於示例的推理、反繹推理和受限推理等。
搜索是人工智慧的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優先關系。可分為無信息導引的盲目搜索和利用經驗知識導引的啟發式搜索。啟發式知識常由啟發式函數來表示，啟發式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發式搜索方法有A*、AO*演算法等。近幾年搜索方法研究開始注意那些具有百萬節點的超大規模的搜索問題。
機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。
知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應復雜問題的求解需要，單一的專家系統向多主體的分布式人工智慧系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。
需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。
需要演算法的積累：人工神經網路，支持向量機，遺傳演算法等等演算法;當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM;總之演算法很多需要時間的積累。
需要掌握至少一門編程語言，畢竟演算法的實現還是要編程的;如果深入到硬體的話，一些電類基礎課必不可少。

⑥ 大數據如何轉人工智慧

在學習任何一門知識之前，首先第一步就是了解這個知識是什麼？它能做什麼事?它的價值在什麼地方?如果不理解這些的話，那麼學習本身就是一個沒有方向的舟，不知道駛向何處，也極易有沉船的風險。了解這些問題後，你才能培養出興趣，興趣是最好的引路人，學習的動力與持久力才能讓你應付接下來的若干個階段。 關於機器學習是什麼，能做什麼，它與深度學習以及人工智慧的關系，從機器學習談起。

⑦ 人工智慧 用到哪些專業

人工智慧核心課程
系統設計移動通信系統概率理論運營策略電路分析離散數學計算機網路基礎網路安全操作系統網路與分布式計算微積分演算法與編程計算機系統 。

人工智慧大學前學術准備
須具有良好的邏輯推理能力和縝密的思維，有較好的數學基礎以及溝通和團隊合作能力。對於想申請該方向研究生課程來說，高等數學、離散數學的基礎以及編程、演算法、資料庫的應用是最重要的升學基礎。

人工智慧研究與升學方向
除了本專業外，我們還建議申請：通訊系統、管理信息系統、計算機科學、金融工程等領域的專業。

人工智慧常見職業
信息管理員網路工程師互聯網技術經理安全工程師。

人工智慧近似專業
計算機工程/技術人工智慧，信息技術，信息系統，信息系統安全，編程語言與軟體工程，計算機科學，網路和電信，數據建模/資料庫管理，通信工程信息科學，數學與計算機科學，計算機視覺。

⑧ 畢業設計題目（軟體工程，人工智慧方向）

人工智慧畢業設計（論文）課題簡介

JHF1 基於VGA採集卡的VGA信號實時採集技術的研究
傳統VGA信號採集通常採用軟體抓屏或VGA轉AV方式，但兩者都面臨著各種自身無法克服的弱點。軟體抓屏方式通過在計算機上安裝軟體方式實現，通過軟體進行抓屏和壓縮，嚴重影響採集計算機的性能；在播放視頻文件時，無法實時採集到畫面，出現視頻卡殼或者黑屏的現象。採用VGA轉AV方式，VGA信號轉換為視頻以後，即使不壓縮，清晰度也大大降低，文字、網頁等內容幾乎無法看清，再經過壓縮，信號質量可能會更差，很難滿足實際教學的需求。傳統VGA信號的採集方式嚴重製約著多媒體教學及遠程教育的發展。採用基於VGA採集卡的VGA信號實時採集技術，即直接採集設備的VGA數據，既能保證信號的連續實時，又能保證清晰不失真，從而完美解決了VGA信號的實時採集壓縮這一難題。

JHF2 基於PC的網路視頻伺服器的設計
視頻伺服器可以看作是不帶鏡頭的網路攝像機，或是不帶硬碟的DVR，它的結構也大體上與數字硬碟錄像機相似，是由一個或多個模擬視頻輸入口、圖像數字處理器、壓縮晶元和一個具有網路連接功能的伺服器所構成。視頻伺服器將輸入的模擬視頻信號數字化處理後，以數字信號的模式傳送至網路上，從而實現遠程實時監控的目的。由於視頻伺服器將模擬攝像機成功地「轉化」為網路攝像機，因此它也是網路監控系統與當前CCTV模擬系統進行整合的最佳途徑。網路視頻伺服器除了可以達到與網路攝像機相同的功能外，在設備的配置上更顯靈活，克服了網路攝像機通常受到本身鏡頭與機身功能較弱等不足。

JHF3 教育資源庫管理系統的設計
教育資源庫是教育信息化中的主要組成部分，教育資源庫的建設包括軟硬體平台、資源和服務等方面的建設。教育資源庫軟體平台是支撐教育資源管理和使用的基礎平台，是整個軟體平台的核心。系統平台支持基於B/S結構的各類Web應用，通過「Web Service」技術提供了一整套介面機制實現跨平台、跨伺服器的系統耦合，實現統一用戶、統一登錄、統一產品入口等重要功能。從資源使用和管理的流程出發，平台的功能包括資源目錄瀏覽、資源檢索、資源前台服務管理、系統後台管理、計費管理、資源統計、個人知識管理器等主要功能，對八類標准資源子庫實施操作。

SSD1 ▲應用不確定性推理評估交通流及安全性
城市交通擁已經成為社會急需解決的迫切問題，也是當前個學科協同作戰的重大課題。擬採用人工智慧中的不確定性推理方法評估交通流及安全性問題，並提出合理的建議。
SSD2 ▲大學校園安全報警系統研製
根據校具體情況，聯系公安部處、學生處等有關部門，研製該系統軟體，對於解決災害和突發事件等建立安全預警專家系統有實際意義，且能通過計算機軟體和人工智慧的工具實現理論與實際相結合。

SSD3 基於PC的數字硬碟錄像機的設計
數字硬碟錄像機硬體組成上採用PC機，通用性強；軟體採用了嵌入式LINUX操作系統，以及在此基礎上開發的應用軟體，沒有版權問題的困擾。既無需購買昂貴的操作系統，又遺棄了使用盜版軟體的尷尬。操作系統為嵌入式LINUX系統，操作系統可以做的相對比較小，既可以載入在硬碟上，也可以固化在優盤、CF卡、電子硬碟上，寫入數據後永不丟失，便於系統本身的穩定以及方便升級。系統穩定性好、通用性強、適用性廣，對斷電、非法操作、病毒等均不受影響。

GSY1 基於支持向量機行人檢測
模板匹配的方法在行人檢測問題中也是適用,用於匹配的模板的形狀類似棒棒糖。多數清況下,行人會在手放在身體兩側,這意味在多數清況下,行人是有可能被檢測,此外行人的運動也具有特徵,同樣也可被檢測出來.有多種特徵選擇演算法可供選擇,選擇了小波系數作為窗口的局部特徵,這里小波系數是對特定濾波器的響應.特徵選定以後,可以按照訓練支持向量機方法,諸如自舉方法進一步改善系統性能。

GSY2 基於行人檢測的WEB服務探測技術
1）感知界面 互聯網出現使人為中心的人機交互逐步演變為人網交互,用計算機代替人實現對多媒體數據流自動分析,進而實現網路多媒體數據有效的管理,查詢和組織,交互檢索,可視化反饋界面,網路交互.面向WWW的多媒體的檢索系統.
2）多媒體推理 從智能和推理地角度,任何涉及多媒體處理的活動,如多媒體展示,多媒體著作,視覺設計,都可以當作多媒體推理.

GSY3 地理信息系統的設計與實現
將地理信息系統技術應用決策和管理,論述系統的設計方法,實現方案和技術特點.

GSY4 一種自適應逃逸微粒群演算法
針對收斂速度慢,容易陷入局部最小等缺點,給出一種自適應逃逸微粒群演算法,逃逸行為是一種變異操作,逃逸微粒群能有效進行全局和局部搜索,收斂速度快,採用復雜函數優化模擬自適應逃逸微粒群演算法結果.

GSY5 幾何配准與立體觀察
幾何配準是圖象空間疊加,鑲嵌,加網格的前題,是分析和比較同一類型或不同類型的成像系統在同一時間攝取同一景物的圖象的首要條件,否則就不可能正確繪出各類型(平面和立體)的復合圖象或時間上變化圖形。

⑨ 人工智慧最需要什麼樣的知識

差不多需要很多很多的智商吧因為人工機器人差不多都是非常自然的智能的比我們人工要多得多但是他也是人工智慧的智商也是有限的但是也不不是很差一般都是由專業人士來操控的而不像我們這種一般人而操控的差不多是智商都超過100的吧大概

⑩ 如果想往人工智慧發展，本科應該報什麼專業

可以報考以下幾個專業：

1、人工智慧專業

人工智慧專業是中國高校人計劃設立的專業，旨在培養中國人工智慧產業的應用型人才，推動人工智慧一級學科建設。2019年3月，教育部印發了《教育部關於公布2018年度普通高等學校本科專業備案和審批結果的通知》，根據通知，全國共有35所高校獲首批「人工智慧」新專業建設資格。

2、計算機科學與技術專業

因為人工智慧是計算機學科的一個分支，所以想往人工智慧發現發展，也可以學習計算機科學與技術專業。計算機科學與技術是國家一級學科，主修大數據技術導論、數據採集與處理實踐（Python）、Web前/後端開發、統計與數據分析、機器學習等。

3、軟體工程專業

軟體工程專業是2002年國家教育部新增專業。軟體工程專業是一門研究用工程化方法構建和維護有效的、實用和高質量的軟體的學科。它涉及到程序設計語言，資料庫，軟體開發工具，系統平台，標准，設計模式等方面。

4、電子信息專業

電子信息專業是一個電子和信息工程方面的較寬口徑專業。本專業學生主要學習信號的獲取與處理、電廠設備信息系統等方面的專業知識，受到電子與信息工程實踐的基本訓練，具備設計、開發、應用和集成電子設備和信息系統的基本能力。

5、自動化專業

自動化專業是以數學與自動控制理論為主要理論基礎，以電子技術、計算機信息技術、感測器與檢測技術等為主要技術手段，利用各種自動化裝置分析與設計各類控制系統，為人類生產生活服務的一門專業。

專業有四個發展方向，第一個是過程式控制制方向，第二個是嵌入式系統方向，第三個是運動控制、機器人方向，第四個是人工智慧方向。