想学人工智能，有必要出国读本科或硕士吗？

从我个人本科和硕士的读书体验上，国外高等教育成熟，国内一流高校的教学水平正在迎头赶上。如果考生在国内能考取到不错的学校，不想读博，且计划在国内发展，在国内读书有更大优势。如果高考或考研分数不理想，与其被调剂，不如出国读书，国外高校更能培养锻炼人。如果你想进行AI研究，或有移民打算，应考虑尽早出国。

笔者硕士毕业于北京大学计算机专业，期间有幸申请到了澳洲国立大学（Australian National University，简称ANU）的交换机会，对国内外人工智能教育均有所体验。毕业后，有四年一线大数据和人工智能从业经验，对AI行业形成了一些个人理解。

University Avenue ANU最美的校园大道

2019年各机构给出的世界大学排名上，澳洲国立大学和北京大学接近，都属于世界顶尖的研究性高校。关于选学校和选专业，一些教育机构喜欢使用排名来衡量不同学校和专业的水平。这些排名一般会从科学研究的角度来衡量学科和学校的实力，如研究者发表的论文数、所获资金支持等。普通的本科生和硕士生其实并不能享受到太多研究经费的福利，其实只需关注教学水平，单单从研究角度衡量教学水平，未免会有失偏颇。所以，这里就从教学体验和就业前景来分析AI领域海外求学的利与弊。

分析需求，规划未来

每个考生以及所在家庭背景不同，对未来规划也不同，在决定是否出国学习人工智能专业的朋友，首先应该对个人情况和未来规划有一个自我剖析的过程。

1. 如果已经有移民打算，那么尽早出国留学能够为今后争取绿卡奠定不错的基础。
2. 想进行AI相关研究，最好申请国外顶尖大学博士生。
3. 如果未来在国内发展，则要权衡是否需要出国读书。

国外AI教育重视培养动手实践能力

笔者在ANU选修了两门AI相关课程，分别为Artificial Intelligence和Algorithms and Techniques for Data Mining，中文名分别为人工智能和数据挖掘算法和技术，这两门课程对于AI的都是极为重要的基础理论。两门课都针对高年级本科生和硕士生开放。

从Artificial Intelligence人工智能这门课的名称可以知道，这就是一门专门讲AI的入门导论，课程中讲到了业界所关注的AI技术，包括规划、表示学习和推理、强化学习等知识。课程由三名老师讲授，其中课程的责任教授是Sylvie Thiebau，她将起到课程的组织者和联系人的角色。当时在读时没有注意，最近查询发现，Sylvie是经典AI领域顶级平台AAAI（the Association for the Advancement of Artificial Intelligence）的顾问。AI本身有众多分支，所以课程选取了三名教授来授课，且三个教授均在各自的领域上有丰富的科研积累。可以说，这门课的师资力量非常雄厚。惭愧的是，几位老师分别来自法国和德国，他们上课时的欧式英语让我这个本来就不适应英文教学的中国学生云里雾里，课堂上我是基本没怎么听懂老师们在说什么，基本靠下课自学课件来学习的…

从国内交换过去的我，体会最深的还是这门课所留的作业（assignment）和习题辅导课（tutorial）。

AI课程第一次作业

很早就听说国外大学课程压力非常大，难以蒙混过关，这门课让我感受颇深。作业一共5个，每个单独拿出来都是一个不小的项目。在项目中，学生要理解老师课堂上所讲的理论，并要学以致用，使用python语言来设计自己的程序，实现一个AI功能。比如，第一次作业就是完成一个小程序，程序模拟吃豆人游戏，要求以最少的试探次数来吃遍所有的点。这是计算机和AI领域一个很经典的搜索和规划问题，学生除了要将课本上的方法搬到自己的作业上，还需要提出一些新颖的方法，否则得分会很低。解这些问题着实让我花了不少精力。更可怕的是，刚将第一次作业提交，第二次作业就来了，而且如果迟于最后时间（due）提交，那整体的得分会大打折扣。留学生们习惯将生活比作机关枪：Due Due Due…Due Due Due…因为，大家都有赶不完的paper和due。

金融工程tutorial助教手稿

国外的习题课（tutorial）也是一个很有特色的地方。习题课一般会安排几个助教（tutor）每隔一两周上一次，每次由十几个人组成小班，课上助教会来带着大家一起来研究和讨论习题并答疑，巩固课堂（lecture）所学知识。在国内的时候，上课之前，我基本不会预习和复习课程，所以第一次上tutorial的时候，什么都没准备，带着空白的大脑来上习题课，结果发现其他同学都已经对作业和课程理解得很深了，助教上来就会直接讲一些高级的内容，甚至发一些小测试让我们来做。如果不提前准备，习题课基本就是云里雾里，浪费了自己的时间。习题课对助教来说也是一种挑战，课上有些学生会提出自己的想法和见解来讨论，因此助教必须把课程精髓吃透，深入理解作业内容，才能在习题课上解答学生各种各样的疑问。有时候，一堂准备充分tutorial甚至可以比教授的lecture给人收获更大。课堂助教一般是在该领域有一定积累的博士生。可以说，tutorial的学制要求学生持续的学习和投入。

ANU图书馆一角

作业难，要求高，还有大量的习题课和实验课要准备，所以ANU的学生必须非常努力。图书馆经常占不到位置，很多学生都要学习到晚上十一点闭馆才走。国外留学生拼命学习的时候，同龄的国内大学生很可能用这个时间在宿舍打游戏或看电视剧呢…

国内的大学一般没有这么明确的习题课概念，在学期结束时，老师会安排一两个学时给学生们答疑讲解作业。一个学期的知识和疑问，都堆积在最后复习之时，学生想学明白很多内容，但是心有余而力不足。国内大学的助教一般只负责批改批改作业，做做简单的答疑，也没有提供专门的小课堂给学生们定期的讨论。

ANU非常强调学术端正，严禁抄袭。有一次作业，另一个中国朋友借鉴了我的程序，可能最后没太大改动，就直接提交了。老师们有一个判定抄袭的系统，两份相似的作业没能逃过这个系统的法眼。我们两个都被老师约谈，并要求给出一个解释报告，我们的作业分数也大打折扣。

有了几年工作经验后，再回头再去思考曾经的编程作业，发现这门课讲授和练习的问题都非常经典，如果能够把这些问题都吃透了，毕业时进入顶级AI企业不在话下。

国外也有水课

刚才提到的AI牛课是ANU计算机和人工智能学科非常硬核的一门课，无论是师资水平、作业设置还是助教答疑上都做足了功夫，对学生也是一种非常好的锻炼机会。然而，并不是所有的课都像这门一样给力，刚才提到的Algorithms and Techniques for Data Mining就是一门水课。课程由Peter Christen讲授，中国学生圈都称他为大水牛Peter，因为他上得这门课确实非常水。数据挖掘（Data Mining）是一门非常需要动手实践的课程，需要将理论应用在实际场景中才能更好理解书本上的原理和技术，但与前一门课的高难度作业相比，这门课让人觉得有点“养老”…首先，课堂上，大水牛Peter基本上是照本宣科；第二，这门课的作业不是编程，而是写报告；最后，课程的tutorial也没有太多激烈的讨论。很多学生选择这门课，就是为了减轻自己的压力，否则一学期太多牛课自己吃不消。其实，国外读书，如果想混一个学位也不难，可以都选这些低难度的课程，作业论文付费找一些枪手来写，凑够学分就能拿到毕业证。

国内AI教育正在迎头赶上

从我个人体验来说，国内的授课型本科和硕士课堂，与国外相比，还有一些差距。比如，对动手能力的锻炼不足，缺少可以讨论的tutorial学制等。

国外的授课型硕士只需要选择几门课程，修满学分就可以毕业。国内的硕士除了要上课之外，经常需要参与导师的课题项目。这些项目的水平参差不齐，有的是进行前沿的科学研究，有的与工业界合作，有的干脆就是导师自己拉的赚钱的小项目。有些项目其实并不能培养锻炼学生的AI能力，而是把学生作为廉价劳动力来使用。

北大塞万提斯像

北大有很多AI相关的专业课，有“机器学习”、“区块链”等。以自然语言处理导论为例，这门课是信息科学技术学院与中文系联合开设的一门对课程，课程留了一个“编程大作业”，要求学生使用计算机对中文进行分析，分出中文语段中的词组，也就是“分词”。作业要求三个学生一组，学期结束时，小组要将所做内容给老师同学做一次汇报展示。相比ANU的作业，这个作业难度并不小，认真做作业的收获也很大。学校没有tutorial机制，我们的助教也不会像ANU的那样，每周组织一次习题课，和学生一起讨论课程作业中的疑难问题，学生全程靠自我督促来学习。

注 北大自然语言处理课程信息及PPT：http://lanco.pku.edu.cn/teaching/index.htm

最近几年国内高校教职门槛水涨船高，很多211高校都需要候选人有至少一年海外交流背景，且发表过大量顶级文章，知名高校新入职的老师不是海外名校毕业的牛博，就是在工业界积累过实战经验的大咖。国内高校教师的水平和视野也正在向国际前沿看齐。

国内高校课程体系陈旧的问题也曾广泛存在。部分高校还在使用几十年的老教材和老题库，远不能适应当下的教学方式。比如，一些高校给计算机系大一新生上的的编程导论课程还在使用C语言，我个人认为C语言并不适合编程入门，ANU就使用高级语言Haskell或Python入门编程。这两年国家开始强调“新工科”建设，要求各高校“淘汰水课，打造金课”，各高校也开设重视学生的动手能力的培养。据我所知，很多高校已经开始废弃老旧的实践课程，引进了与工业界联系密切的上机实践，将偏理论的课程替换为提升动手能力的工科实践课程。一些编程上机作业也开始使用计算机自动判分和查重，从技术上避免出现抄袭借鉴的问题，学校的工科实践教学体系正变得更加严谨公正。可以看到，国内的AI教育正在飞速发展，迎头赶上。

北大人工智能公开课

随着这两年AI成为媒体广泛关注的热门话题，北大也开设了更丰富的课程，最知名的要数北大人工智能公开课。百度创始七剑客雷鸣主持并邀请了国内最强大的人工智能专家团来分享，包括新东方联合创始人徐小平等。公开课内容涵盖了人工智能各个领域，包括技术、产业、人才等多个角度。这门课不仅适合计算机专业学生，其实也是面向全校乃至全社会的人工智能前沿课程。澳洲国立大学位于澳洲首都小城堪培拉，几十万人口的城市除了政府机构和大学外，几乎没有大规模的人工智能企业。整个澳洲也只有悉尼和墨尔本有一些高新技术企业。相比之下，北京AI公司密集，很容易邀请到这么多业界顶级专家来大学开设公开课。

注 北大人工智能公开课链接：https://study.163.com/course/introduction/1003792051.htm

国内外AI教育对比

ANU所提供的课程确实是世界一流的，原因是人家所收的费用也是世界一流的。平均一年的学费要3万澳元，再加上住宿费和生活费，不社交不旅游，一年也要20多万人民币左右，价格不菲。很多学生因为费用太贵，所以越发珍惜读书的机会。

国内的学费相对便宜，本科学费一年只有几千，相比国家对各高校的拨款，以及国外本科教育的费用，这个学费真的是社会主义国家最大福利之一了。硕士研究生的学费这几年在不断规范，开始取消了很多奖学金和补贴，费用根据硕士项目情况从一万到几万不等。从时间成本的角度考虑，英联邦国家的学制短，在英加澳新从本科上到硕士，最短只需要四五年，而在国内，这个时间要六七年。提前两三年参加工作，在职场增加工作经验比上学读书更能锻炼提升人。

从未来发展情况上看，出国读书更有机会拿到国外大学的博士或国外FLAG（Facebook，LinkedIn、Amazon、Google）巨头工作机会。国外读书，容易拿到国外老师的推荐信，这些推荐信在欧美国家被广泛认可。在澳洲我就认识到一位朋友以ANU的硕士为跳板，最终被北美牛校博士录取。

在工作过程中，我也接触到过海外和国内名校毕业的硕士毕业生，两者的素质水平基本不相上下。一些BAT企业甚至更青睐国内高校的毕业生，认为海外高校招生放水，中介机构包装就可以让普通人上海外名校。

北京高校学生很容易就能找到实习。清华大学很多大一大二的学生已经能在校门口的五道口清华科技园找到了知名科技企业实习了。很多国内企业的暑期实习也是针对国内学校的时间表。比如BAT暑期实习招聘三四月份就会启动；国有四大银行的实习生招聘四五月份开始，笔试面试持续时间很久。国外读书的学生在时间和信息渠道上非常不便，找国内实习有劣势。此外，国内学生在校友推荐、入职体制内等方面上都有绝对的优势。

从我个人本科和硕士的读书体验上，国外高等教育成熟，国内一流高校的教学水平正在迎头赶上。如果考生在国内能考取到不错的学校，不想读博，且计划在国内发展，在国内读书有更大优势。如果高考或考研分数不理想，与其被调剂，不如出国读书，国外高校更能培养锻炼人。如果你想进行AI研究，或有移民打算，应考虑尽早出国。