中国传媒大学学院首页

录音专业研究生入学有什么条件，GPA、GRE、GMAT、SAT、雅思/托福需要多少分回,成绩的要求都是多少的，你可以使用答留学志愿参考系统https://tieba..com/p/5251634455，看系统中有多少与你情况相似的学生成功申请了这个学校或者那些专业，看看他们最低多少分就可以被录取，就可以知道申请的成绩条件的要求是多少了。收起

貌似是录音的就业率高一点吧纠结。怎么很多人都告诉我说文艺编导好就业呢。37258410 你可以加这个QQ，这个是我朋友，学录音的貌似录音艺术吧，学科范围广一些，感觉好些。但我问电台的人，说是录音（音乐编辑）很难找工作诶收起

除了音乐学院，一些师范院校的艺术系也有音乐专；另外有些传媒大学也有。专如：北京师范大学 艺术属与传媒学院-音乐学（音乐史，作曲，录音工程，和声、曲式与作品分析，钢琴艺术，声乐艺术）中国传媒大学：音乐学希望有帮助。收起

和声考研的问题主要考些什么内容：1、音乐和声考试分为五个内容2、专业课；3、中西音乐史；4、和声曲式；5、英语；6、政治。收起

看你自己想干嘛来的，看你的课程估计音乐制作就是搞原创，录音艺术就是内当录音师。看了你们的课程容安排感觉没意义，明明就是一样的课程还独立个专业出来，录音艺术里面那些课程在你学习音乐制作的时候基本都会学到。区别的话，录音艺术简单些。音乐制作费脑子和时间，还会让人变夜猫子。 我是学音乐制作的，不过出来之后却当了录音师，录音活多，不过做一首原创顶几十个录音，前提是你能做好。想做Mv的话实习的时候去传媒公司实习就可以了，因为我刚好去传媒公司实习过，Mv制作比较简单，Adobe的两个软件就可以实现了，Premiere 和 After。我觉得吧，会不会学录音艺术对于录音来说将来会更专业一些，会吗？主要是我不会钢琴，怕学音乐制作困难些！看你说起来，还是学音乐制作更专业一些对吗？我准备到了大二，学其中一个专业，选修其中一个专业，你觉得有必要吗？我将来最想从事的还是影视方面的录音，而且我觉得这个学校的录音艺术比音制学的东西多！个人认为你用不着转系，一就一今后想从事的工作来看，学制作学好了的话你可以做影视的原创音乐，然后你的专业里也有录音技术的选修课，同样可以学习录音！而且学习制作也有利于你考研呀！我钢琴不会，会不会影响到我的专业的学习啊！你学音制的？我主要是听别人说，录音艺术好就业一点吧！而且学音制还要有些天赋，我学二胡的！而且我觉得这个学校的录音艺术比音制学的东西多！追答你学制作也是会学录音的，钢琴只要你能弹响就可以，而且天赋？这个还是在锻炼中成长的！收起

北京电影学院的专业考试更注重对考生综合素质的考核。为防止考生将复习备考的重点仅仅局限在参考书的范围内，为了避免误导考生，并且更有利于对艺术人才的选拔，本院不提供任何参考书目，也不划定考试范围。 但还是有参考书目的（本科教学)现代音乐人编曲手册:传统管弦乐配器和MIDI音序制作必备指南 人民邮电出版社 声音合成与采样技术(第3版) 拉斯 黄英侠、 夏田 人民邮电出版社录音与调音 黄瀚、 王宏民 中国广播电视出版社 北京电影学院电影学教程•电影概论 杨远婴 中国电影出版社脉络的呈现:电影创作及理论研究 张会军 中国电影出版社电影声音艺术与录音技术:历史、创作与理论(第1辑) 姚国强、张岳等 中国电影出版社 电影声音艺术与录音技术:历史创作与理论(第2辑) 姚国强、甘凌、 姚睿 中国电影出版社电影电视声音创作与录音制作教程 姚国强 中国电影出版社 审美空间延伸与拓展:电影声音艺术理论 姚国强 中国电影出版社 影视声音艺术与技术 姚国强 中国广播电视出版社 5.1路立体声影视录音操作 黄英侠 中国电影出版社 影视录音 梁洪才等.- 科学技术文献出版社《电影录音工艺》黄英侠 （录音本科生内部教材）《声音效果剪辑师的艺术》黄英侠（电影学院教学参考书）你好！我今天看到你给我的网上留言了，有空详细回答你。来自：求助得到的回答收起

1、广播电视艺术学（130320）下的07广播电视语言艺术回和广播电视（135105）01播音与主持艺术，这答两个专业都属于播音学院的的研究生，区别在于：广播电视艺术学是学术型研究生，是传媒大学的老牌专业，实力极强，考英语一，广播电视是艺术硕士，也就是专硕的一种，当然鉴于艺术类专业的总体实力，这个专业的质量也不用多说，考的是英语二，英语二要比英语一难度一点。另外学硕是三年，专硕是2年。至于06录音艺术，如果没有音频技术背景或者音乐方面的特长，不建议报考。2、分数线低的原因是他是艺术类的，和报考人数没关系3、你是播音专业的，显然继续报本专业更合适，选择录音不是很理想，至于专硕还是学硕，你自己来权衡。4、英语考到40分以上就没问题，当然是越高越好5、初试占60%，复试占40%6、参考书目都不一样，如果确定好专业，可以联系我，我发给你相关书籍。祝你成功！收起

中央音乐3337616631学院，音乐考研专业主要有： 中国古代音乐史、中国近现代音乐史(含当代音乐)、中国传统音乐、中国少数民族音乐、西方音乐史、音乐美学、中国音乐美学史、世界民族音乐、音乐心理学、专业音乐教育学、木卡姆研究、音乐文献翻译、音乐教育学、音乐教育、作曲、视唱练耳、配器、复调、和声、作品分析、律学、作曲技术理论英语文献翻译、指挥、双钢琴演奏、钢琴、电子管风琴、手风琴、小提琴、中提琴、大提琴、低音提琴、长笛、双簧管、单簧管、巴松、圆号、小号、长号、打击乐、器乐伴奏艺术、竖琴、笛子、管子、唢呐、笙、琵琶、阮、三弦、古筝、古琴、箜篌、扬琴、板胡、二胡、民族打击乐、声乐、声乐伴奏艺术(双导师制)、电子音乐作曲、电子音乐技术理论、音乐录音艺术、提琴制作、音乐治疗学、艺术嗓音医学、交响乐、室内乐天津音乐学院，音乐考研专业主要有： 作曲与作曲技术理论，作曲、和声、复调、作品分析、配器音乐学，中国古代音乐史、中国近现代音乐史、中国当代音乐史、乐律学、音乐美学、音乐考古学、中国传统音乐、西方音乐史、民族音乐学、音乐批评学、演奏艺术理论、声乐表演理论、音乐翻译音乐教育，声乐教学、钢琴教学、音乐教育学、音乐心理学、合唱指挥、音乐基本训练与教学音乐复教育要考声乐和钢琴的，另外制有些学校考曲式和声，有些只考其中一门。音乐专业本科有的专业都可以考研，只是有些学校因为导师有限，有些专业不开，相比较音乐学院专业会更全。如果很喜欢自己专业，可以考声乐，此外改专业可以考音乐学的各个小专业，例如中音史西音史等。音乐考研这几年的形势还是理论方向比较好考，英语是要好好学的。表演专业竞争太大，好好学就可以滴，努力吧本回答被网友采纳收起

我有一个师姐考南艺的流行音乐考了两年都没考上，估计不太好考，计算作曲技术这个内专业类似于电脑音乐容制作，得有一定的作曲基础，如果你大学是学作曲的可以考虑考这个专业，这个专业似乎花费比较大，希望能帮到你，加油收起

可以报考,但是比较困难。（大部分高校都要考笔试和面试）不过你若有心就先确定下自己要考的学校，然后再联系这个学校的导师。 先是视唱练耳，其次是演奏专业，声乐专业，指挥专业，作曲专业，艺术管理（星海）但都需要相当强的功底，除非你在这方面有很强的优势，否则希望不大。 但理论专业倒是可以考虑，如中国，外国音乐史，和声，艺术概论，音乐声学，音乐治疗学等 当然上述招生方向不是每间高校都开设的研究生课程，你需要先收集你需要报考的高校的音乐（艺术）研究生的有关资料。而且，音乐学院与综合大学里的音乐系招收的底线也不经相同，一般来说正规音乐学院招收的范围更广，更难。 哈哈o(∩_∩)o...，当然有关系另论。 报考条件 （一）符合下列条件的，可以报名参加国家组织的全国统一招生考试 1．拥护中国共产党的领导，愿为社会主义音乐文化建设服务，品德良好，遵纪守法。 2．考生的学历必须符合下列条件之一： （1）国家承认学历的应届本科毕业生； （2）国家承认的大学本科毕业学历的人员； （3）获得国家承认的大专毕业学历两年或两年以上（从大专毕业到2008年9月1日，下同），达到与大学本科毕业生同等学力人员，以及国家承认学历的本科结业生和成人高校应届本科毕业生，均按本科毕业同等学力身份报考； （4）已在非音乐专业获硕士学位或博士学位人员，可报考委托培养或自筹经费的硕士生。 3．年龄一般不超过40周岁，报考委托培养和自筹经费的考生年龄不限。 4．身体健康状况符合国家规定的体检标准和专业学习要求。 1．德、智、体全面衡量、择优录取、确保质量、宁缺毋滥。 2．考试科目合格标准（100分制）：①主科：表演方向主科85分；其他方向主科80分。②政治、外语分数线及总分要求按国家标准。③其他科目60分。 3．参加单独考试的考生，只能被录取为定向或计划外委托培养硕士生。定向、委托培养的硕士生，须在录取前签订有关合同。 5．报考音乐文献研究方向考生，外语须参加全国统考，考试成绩必须达到当年国家下达的合格分数线。 音乐学类 1．主科 （1）论文写作：写作命题论文形式，各研究方向考同一题目。 （2）口试：内容含所考专业方面的内容。 2．音乐学基础理论 （1）音乐作品听辨 （2）笔试：内容包含①西方音乐史；②中国音乐史；③中国传统音乐；④音乐美学；⑤世界民族音乐（④⑤项内容二选一）。 3．和声、作品分析 4．钢琴（具体要求见★） 报名时须提交本人撰写的、所报考专业研究方向的论文一篇（大学毕业论文或相当于大学毕业论文）。同等学力报考者所交的必须是公开发表的论文。应届普通本科毕业生可以习作（学期论文）替代学位论文。 公共艺术教育 1．主科 （1）论文写作：写作命题论文形式，各研究方向考同一题目。 （2）口试：内容含所考专业方面的内容。 2．和声、作品分析 3．中、西音乐史 报名时须提交本人撰写的、所报考专业研究方向的论文一篇（大学毕业论文或相当于大学毕业论文）。 注：此专业只招收高校在职攻读硕士学位学员。 音乐文献翻译（英语） 1．主科 2．和声、作品分析 3．中、西音乐史 4．口试（包括口语钢琴或其他乐器） 考生须为英语专业本科毕业生，非英语本科毕业应达到英语专业本科毕业水平。报名时须提交本人翻译的译文一篇（附原文）。 注：此专业不招收同等学力考生。 音乐教育 1．主科 2．和声、作品分析 3．中、西音乐史 4．钢琴（具体要求见★） 5．口试 6．视唱练耳加试 报名时须交（本院音教系学生免）本人撰写的有关音乐教育研究的论文（学士论文或相当于学士论文）。同等学力报考者所交的必须是公开发表的论文。应届普通本科毕业生可以习作（学期论文）替代论文。 律学 1．主科 2．和声、作品分析 3．中、西音乐史 4．钢琴（具体要求同音乐学类） 5．口试 报名时须提交本人撰写的、所报考专业研究方向的论文一篇（大学毕业论文或相当于大学毕业论文）。同等学力报考者所交的必须是公开发表的论文。应届普通本科毕业生可以习作（学期论文）替代学位论文。 作曲类 1．主科 2．音乐基础理论 （1） 作曲研究方向：考复调、配器、和声、作品分析； （2） 配器研究方向：考复调、和声、作品分析、作曲； （3） 复调研究方向：考配器、和声、作品分析、作曲； （4） 作品分析方向：考复调、配器、和声、作曲； （5） 和声研究方向：考配器、作曲、作品分析、复调； （6） 视唱练耳方向：考和声（四部和声写作及分析）、作品分析； （7） 电子音乐作曲研究方向：考电子音乐作品综合分析、配器（与作曲研究方向同卷）； （8） 电子音乐技术理论研究方向：考电子音乐作品综合分析、和声（与配器研究方向同卷）。 3．中、西音乐史 4．钢琴（具体要求见★） 5．口试 （1）介绍个人创作或学术研究成果（作曲方向考生主要介绍创作；技术理论方向考生主要介绍学术研究）； （2）回答考官提出的问题。 报考作曲方向的考生报名时须交（本院作曲系学生免）本人创作的作品二至三件（其中包括一首相当于单乐章交响诗或序曲规模的管弦乐作品，作品最好附录音，乐队作品也可以是钢琴缩谱录音）。 报考和声、复调及作品分析方向的考生，报名时须提交本人撰写的、所报考专业研究方向的论文一篇（大学毕业论文或相当于大学毕业论文）。同等学力报考者所交的必须是公开发表的论文。应届普通本科毕业生可以习作（学期论文）替代学位论文。 报考电子音乐作曲方向的考生报名时须提交电子音乐作品二至三件（纯粹的电子音乐作品和真实乐器或人声与电子音乐相结合的混合作品各一件以上），管弦乐作品一件。报考电子音乐技术理论研究方向的考生报名时须提交有关电子音乐技术理论的论文二至三篇及电子音乐作品一件。 指挥 1．主科〔指挥；专业能力综合考试——音乐基础、视唱练耳（四个升降号包括转调）、钢琴、视奏、总谱读法、作曲技术理论综合测试〕。 2．和声、作品分析（与配器研究方向同卷） 3．中、西音乐史 4．钢琴（具体要求见★） 5．合唱改编（仅合唱指挥） 报名时须交报考曲目及其钢琴改编谱（如本院已有现成乐谱可免交）。考指挥时指挥两架钢琴代替乐队或合唱队，并加试总谱阅读能力。 双钢琴演奏 1．主科 2．和声、作品分析 3．中、西音乐史 主科内容包括：（1）钢琴演奏a.练习曲一首（肖邦及以上程度）b.奏鸣曲快板乐章一首c.巴赫十二平均律（四声部）一首；（2）视奏（交响乐双钢琴）。 钢琴 1．主科 2．中、西音乐史 3．和声、作品分析 报名时须交（本院钢琴系学生免）：本人演奏录音磁带或光盘，其中内容包括：①练习曲二首；②复调乐曲一首；③古典奏鸣曲一个乐章。 主科考试内容：①技术性练习曲二首，其中一首选自Chopin Op.10或Op.25（Op.10之no.3、no.6及Op.25之no.2、no.7除外），另一首选自其他作曲家作品；②复调乐曲一首；③古典时期完整奏鸣曲或变奏曲一首（包括Schubert）；④中型乐曲二首，或大型乐曲一部或大型套曲一部；⑤中国乐曲一首。 注：①曲目总时间不得少于60分钟； ②报名时须提交完整详细的演奏曲目及演奏时间； ③所有乐曲应为独奏作品，背谱演奏，考试时由考试委员会指定演奏部分或全部曲目。 弦乐 1．主科 2．和声、作品分析 3．中、西音乐史 报名时须交（本院管弦系学生免）本人演奏的CD或DVD，内容同考试曲目。 考试时由主考指定演奏部分或全部曲目。有钢琴声部的作品必须有钢琴演奏（钢琴伴奏自带）。 主科考试内容： （1） 小提琴： ① 巴赫无伴奏奏鸣曲中的两个乐章（赋格必奏）或d小调组曲中的恰空舞曲全部； ② 奏鸣曲一首； ③ 协奏曲一首（三个乐章）； ④ 自选一首音乐会小品。 注：奏鸣曲与协奏曲风格须有所区别或在时代（以20世纪为分界线）上有所区别。 （2） 中提琴： ① 巴赫无伴奏组曲四、五、六中任选一首全曲； ② 任选下列一首奏鸣曲（全曲）： 勃拉姆斯奏鸣曲，Op.120,No.1 勃拉姆斯奏鸣曲，Op.120,No.2 舒伯特a小调奏鸣曲 ③ 任选下列一首协奏曲（全曲加华彩段）： 欣德米特天鹅协奏曲 沃尔顿协奏曲 巴托克协奏曲 ④ 自选一首音乐会小品； ⑤ 10月10日到系办抽取指定乐章。 （3） 大提琴： ① 巴赫无伴奏大提琴组曲中的一首全曲； ② 技巧性小品一首（自选）； ③ 奏鸣曲一首（从以下5首中自选）： L.V.贝多芬No.3（A大调Op.69） L.V.贝多芬No.4（C大调Op.102/1） L.V.贝多芬No.5（D大调Op.102/2） J.布拉姆斯Op.38（e小调） J.布拉姆斯Op.99（F大调） ④ 协奏曲一首（自选）。 （4） 低音提琴： ① 无伴奏组曲中的一首舞曲（从以下两首自选）： J.S.Bach 六首无伴奏组曲 H.Fryba 无伴奏组曲 ② 完整奏鸣曲一首； ③ 完整协奏曲一首。 管乐 1．主科 2．和声、作品分析 3．中、西音乐史 报名时须交（本院管弦系学生免）本人演奏的CD或DVD。内容同考试曲目。 考试时由主考指定演奏部分或全部曲目。有钢琴声部的作品必须有钢琴演奏（钢琴伴奏自带）。 主科考试内容： ① 高级练习曲一首； ② 古典奏鸣曲或协奏曲一首； ③ 浪漫时期乐曲一首； ④ 现代时期乐曲一首； 打击乐 1．主科 2. 和声、作品分析 3. 中、西音乐史 报名时须交（本院管弦系学生免）本人演奏的CD或DVD。内容同考试曲目。 考试时由主考指定演奏部分或全部曲目。有钢琴声部的作品必须有钢琴演奏（钢琴伴奏自带）。 主科考试内容： 考试曲目分为四项，每位考生须选择其中的任意三项： （1）小鼓 德莱克留斯小鼓练习曲，全书共十二条练习曲，考生自选其中的第一首或第十二首。 （2）定音鼓，任选下列两种之一： ①卡特：《八首定音鼓独奏曲》，任选其中的一首； ②格拉哈姆：定音鼓组曲，任选两段，必须包括慢乐章一段，快乐章一段。 （3）键盘打击乐，任选下列五首作品中的一首。 ① 陈刚原作刘刚改编：《阳光照耀在塔什库尔干》； ② 田中立光：《两个乐章》； ③ 托马斯：《梅林》第二乐章； ④ 安贝圭子：《儿歌变奏曲》； ⑤ 《为杰尔伯特的布鲁斯》； 第一至四首为马林巴琴乐曲，第五首为颤音琴乐曲。 （4）组合打击乐：基纳克斯《反弹》B段。 民族器乐 1. 主科 2. 和声、作品分析 3. 中、西音乐史 考试内容包括： 作品六首：其中包括大型乐曲一首，传统乐曲三首，现代创作乐曲两首。考试时由主考指定演奏部分或全部曲目。 报名时考生应交一份书面材料，详细写明专业学习过程（注明学校、教师及学习时间）。 声乐 1. 主科 2. 和声、作品分析 3. 中、西音乐史 4. 钢琴（凡本院毕业生可申请免试，不计成绩） 报名时须交（本院声歌系应届学生免）本人演唱的CD（不收磁带、MD、DVD），内容（同考试曲目）包括：演唱六首作品。其中包括两首中国作品，四首外国作品（必须唱原文，并须包括三种及以上不同语言）。外国作品中必须含两首咏叹调（其中一首须为17、18世纪作品），一首艺术歌曲。其它一首任选（不得演唱外国民歌和流行歌曲）。考试时由主考指定演唱部分或全部曲目。伴奏自理。 注：此专业不招收同等学力考生。 声乐伴奏艺术 1．主科 2．和声、作品分析 3．中、西音乐史 报名时须交（本院钢琴系学生免）本人演奏录音磁带。内容（同考试曲目）包括： ① 与车尔尼作品740、莫什科夫斯基练习曲等同程度的练习曲一首； ② 奏鸣曲的第一乐章一首； ③ 抒情性乐曲一首； ④ 主科考试前三天到声歌系办公室领取规定伴奏曲目，并可以与独唱者合作一次之后进入考场。 器乐伴奏艺术 1．主科 2．和声、作品分析 3．中、西音乐史 报名时须交（本院钢琴系学生免）本人演奏录音磁带。内容（同考试曲目）包括： ① 与肖邦练习曲等同程度的练习曲一首； ② 巴赫复调一首； ③ 弦乐及管乐奏鸣曲各一首； ④ 现场视奏器乐伴奏一首； 考试时由主考指定演奏部分或全部曲目。 提琴制作 1．主科（制作、乐器演奏、面试） 2．综合1（弦乐史、材料学、音响学） 3．综合2（机械制图、提琴制图） 音乐治疗学 1．主科（音乐治疗基础） 2．和声、作品分析 3．中、西音乐史（包括听辨） 4．口试（包括乐器演奏或演唱） 报名时须提交本人所撰写的音乐类（最好是音乐治疗方面）论文一篇。同等学力报考者所提交的论文必须是已公开发表的论文。 音乐声学 1．主科 2．和声、作品分析 3．中、西音乐史 4．口试（包括钢琴和其他乐器演奏） 报名时须提交本人所撰写的、所报考专业研究方向的论文一篇（大学毕业论文或相当于大学毕业论文）、或音乐作品一部。同等学力报考者所提交的论文或音乐作品必须是已公开发表的论文或作品。应届普通本科毕业生可以习作（学期论文）替代学位论文。 电子管风琴 1． 主科 （1）电子管风琴演奏 （2）现场即兴演奏能力测试：根据给出的动机或音列进行现场即兴演奏乐曲一首（演奏时间为四分钟以内）。 2．和声、作品分析 3．中、西音乐史 报名时须交本人演奏录音光盘。内容（同考试曲目）包括： ① 演奏改编的交响乐曲一首（包括协奏曲和为电子管风琴而作的大型作品， 古典巴洛克、浪漫、近现代均可）； ② 大型复调乐曲一首； ③ 本人创作乐曲一首（时间为5分钟以上，需交乐谱）。 注意事项：①即兴演奏采用动机或音列事先不通知考生，考前有20分钟的试奏和准备时间。②除铅笔外，其他物品一律不得带入考场。 手风琴 1．主科 （1）考生提供所学习巴赫十二平均律（上，下册任选）的3首“前奏曲与赋格”，由主考教师指定演奏其中的一首； （2）考生提供所学习的斯卡拉蒂3首奏鸣曲（任选），由主考教师指定演奏其中的一首； （3）技术性乐曲如托卡塔或音乐会练习曲（原创或改编）； （4）多乐章手风琴原创作品一首； （5）单乐章近现代作品一首； （6）中国乐曲一首。 2．和声、作品分析 3．中、西音乐史 报名时须交（本院手风琴专业学生免）：本人演奏录音或录像光盘，其中内容包括：①复调乐曲一首；②技巧性作品一首；③多乐章手风琴原创作品一首（考生应使用键盘或纽扣式自由低音手风琴）。 注意事项： （1）报名时须提交完整详细的演奏曲目及演奏时间； （2）考生应使用键盘或纽扣式自由低音手风琴参加应试； （3）所有乐曲应背谱演奏，考试时由主考教师指定考生演奏部分或全部曲目。 艺术嗓音医学 1．主科 （1）艺术嗓音医学基础和临床（笔试） （2）口试：（对此新兴学科的认识、了解、研究、目标） 2．基础理论 （1）欧洲声乐发展史 （2）专业英语文献翻译 3．演唱（中外艺术歌曲各一首） 报名时必须提交本人撰写的艺术嗓音医学或声乐教学论文一篇，同等学力报考者所交的必须是公开发表的论文。 注：报考此专业的人员的条件具有一定的耳鼻喉科临床经验、喜欢歌唱的医学院校毕业生或喜欢嗓音研究、具有一定歌唱表演经验或声乐教学经验的音乐院校毕业生。 吉他 1．主科（古典吉他演奏） （1）音阶及琶音； （2）巴赫琉特琴组曲或小提琴组曲任选一组； （3）包括轮指技巧的乐曲一首； （4）维拉-罗勃斯12首高级练习曲中任选两首； （5）自选乐曲一首10-15分钟； （6）19世纪或20世纪协奏曲一首。 2．和声、作品分析 3．中、西音乐史 注意事项： （1）报名时须提交完整详细的演奏曲目、演奏时间及本人演奏录像光盘，其中须包括全部考试内容（本院古典吉他专业学生免）； （2）考生应自备尼龙弦古典吉他和脚凳（或琴托）； （3）所有乐曲应背谱演奏，考试时由主考教师指定考生演奏部分或全部曲目。 ★报考作曲类、音乐学类、音乐教育、指挥、声乐等 各方向的钢琴考试要求 1．巴赫四声部前奏曲与赋格（《平均律钢琴曲》）一首。只弹赋格，可看谱。指挥方向须背谱。 2．奏鸣曲快板乐章一首（贝多芬《暴风雨》奏鸣曲及以上程度）。须背谱。 3．肖邦练习曲（仅指挥方向）。 注：1. 报考中国音乐史、中国传统音乐、中国少数民族音乐、中国音乐美学史、世界民族音乐方向的钢琴考试要求：复调乐曲程度可相当于巴赫三部创意曲；奏鸣曲快板乐章可相当于贝多芬第一、第五奏鸣曲（快板乐章）及以上程度。 2. 报考声乐方向钢琴考试要求：①大、中型乐曲一首；②小型乐曲一首（可用声乐伴奏一首代替）。必须背谱。 3. 凡本院普通本科（不含成教本科）毕业生报考原所学方向，或报考新方向，但本人原所学方向所要求的钢琴程度不低于新报方向者，可申请免试，不计成绩。 加 试 一、加试对象： 1. 非音乐专业毕业的考生； 2. 同等学力考生（含专科学历者、成人高校应届本科毕业生、本科结业）； 3．报考音乐教育方向考生； 4．音乐文献翻译方向考生。 二、加试内容：视唱练耳（音乐文献翻译方向加试要求见三） 三、音乐文献翻译方向加试要求： 1．音乐专业的考生加试：英文写作。 2．外语专业考生加试：视唱和乐器演奏。 考试内容和要求： 1．视唱和乐器演奏：现场视唱一首乐曲（五线谱），演奏一首乐曲。 2．英文写作：用英文写一篇命题作文。收起

人工智能在过去十年中从实验室走向产业化生产，重塑传统行业模式、引领未来的价值已经凸显，并为全球经济和社会活动做出了不容忽视的贡献。当前，人工智能已经迎来其发展史上的第三次浪潮。人工智能理论和技术取得了飞速发展，在语音识别、文本识别、视频识别等感知领域取得了突破，达到或超过人类水准，成为引领新一轮科技革命和产业变革的战略性技术。人工智能的应用领域也快速向多方向发展，出现在与人们日常生活息息相关的越来越多的场景中。近日，清华大学科技情报大数据挖掘与服务系统平台 AMiner发布了研究报告《人工智能发展报告2011-2020》，阐述人工智能过去十年取得的重要成果，并讨论了人工智能的未来发展蓝图，理论、技术和应用方面的重大变化与挑战。本期内参来源：清华大学原标题：《人工智能发展报告2011-2020》作者： 未注明一、飞速发展的十年1、论文发表情况人工智能过去十年发展快速，从学术研究走向商业化。本报告专注于通过分析在国际顶级期刊和会议上的人工智能领域科研论文发表情况来研究该领域的成果产出。由下图可见，从 2011 年以来人工智能领域高水平论文发表量整体上呈现稳步增长态势，取得了很多科研成果。这些科研成果涵盖 R-CNN 算法、神经机器翻译的新方法等。▲过去十年人工智能领域国际顶级期刊会议论文数量趋势从高水平科研论文的国家分布来看，人工智能领域论文发表量居于前十的国家依次是美国、中国、德国、英国、日本、加拿大、法国、韩国、意大利和澳大利亚，如下图所示。美国和中国的高水平论文发表量明显高于其他国家，分别位居第一、二名，中国的论文量紧随美国之后。▲过去十年人工智能领域高水平论文发表量前十国家研究发现，各个国家的人工智能领域高水平科研论文发布具有以下特征。（1）、开展跨国科研合作较多的国家是美国和中国从论文的国际合作网络看，美国和中国的 AI 高水平论文发表均存在较多的跨国合作现象，如下图所示。其中，AI 技术实力领先的美国所参与的高水平论文跨国合作最多，是各国的主要合作国家，过去十年，美国的 33255 篇 AI 高水平论文之中，出现过中国、英国、加拿大、德国、印度等 30 多个合作国家，合作国家数量最多；中国的跨国科研合作国家数量位居第二，在其 22686 篇 AI高水平论文之中，出现了美国、加拿大、新加坡、英国、日本等 20 多个合作国家；英国和德国的 AI 高水平论文跨国合作国家数量均为 18 个。其余国家在 AI高水平论文方面开展的跨国合作数量较少。▲过去十年人工智能领域高水平论文发表国际合作国家分布（2）、中美两国是对方 AI 领域的重要科研合作伙伴在 AI 高水平论文发表方面，美国和中国均是对方的重要科研合作伙伴。过去十年，美国在其 30 多个合作国家之中，与中国合作的 AI 高水平论文数量占比最多，为 18.53%。同时，中国在其 20 多个合作国家之中，与美国合作的论文数量最多，占比 27.16%。可见，开展国际科研合作已成为中美两国 AI 研究成果产出的重要方式。（3）、跨国科研合作可以提高合作本国 AI 研究成果的影响力分析发现，美国的 AI 领域高水平论文平均引用率为 44.99，中国的 AI 领域高水平论文平均引用率为 31.88。相比而言，中国和美国合作论文的平均引用率达 51.2，其影响力明显高于中国和美国各自论文的平均引用水平，这表明跨国合作的科研成果在世界人工智能研发领域的展示和交流几率大大增加。2、获得图灵奖的人工智能技术图灵奖（ACM A.M. Turing Award）是计算机界最负盛名、最崇高的一个奖项，有“计算机界的诺贝尔奖”之称。图灵奖是计算机协会（ACM）于 1966 年设立的奖项，专门奖励对计算机事业做出重要贡献的个人。其名称取自世界计算机科学的先驱、英国科学家、曼彻斯特大学教授艾伦·图灵（A.M. Turing）。图灵奖获奖者必须是在计算机领域具有持久而重大的先进性的技术贡献，大多数获奖者是计算机科学家。第一位图灵得主是卡耐基梅隆大学的 Alan Perlis （1966 年），第一位女性获奖者是 IBM 的 Frances E. Allen （2006 年）。通过 AMiner 智能引擎，可以自动收集历年来图灵奖获得者及其学者画像信息（基本信息、研究兴趣等），以及该学者的论文和专著等信息。由于每年度的图灵获奖者一般在次年 3 月下旬由美国计算机协会（ACM）官方颁发，因此本报告统计了截至 2020 年颁发的近十年（2010-2019 年）图灵奖得主数据。分析发现，图灵奖近十年授予领域具有如下特征。（1）、十年中三次正式颁奖给人工智能领域图灵奖颁发的领域，在一定程度上反映了计算机科学技术发展方向的缩影。数据显示，过去十年图灵奖分别授予给了计算理论、概率和因果推理、密码学、分布式和并发系统、数据库系统、万维网、计算机系统、深度神经网络和 3D 计算机图形学九个领域，具体如下图所示。 从获奖内容、创新角度、研究领域等维度来看，图灵奖注重原始理论创新和学科交叉，具有科研优势积累现象。过去十年的 图灵奖有三次正式授予给人工智能领域。第一次是 2010 年，Leslie Valiant 因对计算理论的贡献（PAC、枚举复杂性、代数计算和并行分布式计算）获得图灵奖，该成果是人工智能领域快速发展的数学基础之一。第二次是2011 年，因 Judea Pearl 通过概率和因果推理对人工智能做出贡献而颁奖；第三次是 2018 年，深度学习领域三位大神 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun 因为在概念和工程上的重大突破推动了深度神经网络成为计算机领域关键技术而荣获图灵奖。Hinton 的反向传播（BP）算法、LeCun 对卷积神经网络（CNN）的推动以及 Bengio 对循环神经网络（RNN）的贡献是目前图像识别、语音识别、自然语言处理等获得跳跃式发展的基础。中国科学院张钹院士在《迈向第三代人工智能》一文中也提到这 5 位图灵奖得主在创建第二次 AI 中所做出的重大贡献。▲2010-2020 年图灵奖授予的计算机领域（2）、人工智能领域获奖人数占据四分之一由下图可见，过去十年，共有 16 位学者获得图灵奖。其中，包括 5 位人工智能领域学者获此殊荣，占比 31%，这反映出人工智能在计算机学科中的地位已不容忽视。同时，人工智能领域图灵奖 从初期的单独获奖者到近年来的共同获奖者，越来越呈现出高层次学者强强联合的研究趋势。（3）、美国培养并拥有八成以上的图灵奖得主过去十年的 16 位图灵奖获得者之中，有 13 位来自美国、2 位来自英国、1位来自加拿大，如下图所示。在美国的 13 位图灵奖得主之中，有 10 位是在美国本国接受的全部高等教育、2 位拥有美国和其他国家教育背景、仅 1 位没有美国教育背景。其中，2011 年获奖者 Judea Pearl 拥有以色列本科教育和美国纽约大学博士教育背景；2012 年图灵奖得主 Silvio Micali 拥有意大利本科教育和美国加州伯克利大学博士教育背景。唯一没有美国教育背景的是 2018 年图灵奖得主 Yann LeCun，他仅有法国教育背景。八成以上图灵奖得主具有美国教育或工作背景的事实，反映出美国人工智能高层次人才培养的强势竞争力。▲2010-2020 年图灵奖得主所在国家及教育背景情况（4）、欧洲培养的高层次人才中有三位被吸引到美国学习或工作并获图灵奖从这些图灵获奖者的教育背景来看，美国与欧洲国家的学术交流非常多。Yann LeCun 拥有法国教育背景后到美国任职并获图灵奖；Judea Pearl 和 Silvio Micali 分别从以色列和意大利被吸引到美国继续深造而拥有跨国双重教育背景，后来均到美国任职并在美国获得图灵奖。此外，英国的这两位图灵奖得主虽然均是在本国接受的高等教育并且获奖时都在本国，但都有过一些美国任职经历。Geoffrey Hinton 博士毕业于英国爱丁堡大学，后来陆续在谷歌、卡内基梅隆大学、加州大学圣地亚哥分校等美国机构任职；Tim Berners-Lee 在英国牛津大学本科毕业后，也有过在麻省理工学院任职的经历。可见， 美国的高等教育体系不仅培养的 了自己本国的 AI 领域高端人才，而且从欧洲国家吸引和留住了多位领域精英。（5）、仅加拿大图灵奖得主没有任何美国教育和任职经历在这 16 位图灵奖获得者之中，仅有加拿大的 Yoshua Bengio 在本国的麦吉尔大学接受了高等教育并在本国蒙特利尔大学任职，并于 2018 年因在深度神经网络概念和工程上的突破而获奖。这在一定程度上反映出加拿大在人工智能领域高层次人才培养和质量上较为成功。（6）、图灵得主们在领域相关论文发表后需要平均等待 37.1 年之后才获奖通过 AMiner 人才画像数据获取这些图灵奖得主所发表的第一篇与获奖理由相关主题的论文，计算得出该论文发表年份距离作者获得图灵奖时间，从而得到这些图灵得主的获奖时间长短，如下图所示。结果发现，图灵奖得主获奖时一般距离其首次发表获奖领域相关论文至少已经三十年以上，平均为 37.1 年。其中， Edwin Catmull 于 2019 年获得图灵奖，距离其在计算机图形学领域发表的最早论文 A system for computer generated movies 已经过去了 47 年，等待获奖时间最久。而获奖等待时间最短的是 Tim Berners-Lee，他于 1990 年发表WorldWideWeb: Proposal for a Hypertext Project 论文，仅在 26 年后的 2016 年就因发明万维网、Web 浏览器以及允许 Web 扩展的基本协议和算法获得图灵奖。▲图灵奖得主的首篇领域论文发表距离获奖年份的时长（7）、八成以上图灵得主获奖时已经度过了其科研论文高峰产出期基于 AMiner 平台上各位图灵奖得主的论文数据和人物画像，分析发现，图灵奖得主一般会在获奖后保持原来的研究方向，但是他们的论文发表量却减少了。有 80.1%的图灵得主在获图灵奖后的论文年均产出量低于其获奖前的年均论文产出量，如下图所示，这反映出他们在获得图灵奖时已经普遍过了其学术产出高峰时期。▲2010-2020 年图灵奖得主获奖前后的年均论文发表量值得一提的是，Yoshua Bengio，Judea Pearl 和 Michael Stonebraker 三位学者是例外，他们在获得图灵奖之后的年均论文产出量较其获奖前均有不同程度的增加，分别增加了 328.07%、49.53%和 12.32%。其中，Yoshua Bengio 在 2018 年获得图灵奖后论文年均发表量激增特别明显，并在 2019 年发表 96 篇论文，达到其论文产出峰值，他的 AMiner 学术画像及年度论文发表量如下图所示。▲2018 年图灵奖获得者 Yoshua Bengio 的 AMiner 学术画像需要指出的是，部分图灵得主在获奖后的论文产出量减少除了其学术产出减少之外，还存在以下两个原因。一是他们可能已不再全力进行学术研究，而是转向参与社会事业等，从而导致其获奖后的论文发表量减少。例如，Whitfield Diffie在 2015 年因密码学的贡献获得图灵奖后，转向致力于促进信息安全和隐私权的保护；Martin Hellman 因密码学的贡献获得同年的图灵奖后，转向致力于研究国际安全与核武器削减。二是也有少量图灵得主在发表相关论文后早已投身于工业界，例如，计算机图形学先驱 Edwin Catmull 在研究生毕业后就在卢卡斯、皮克斯等公司就职，早已离开学术界，曾担任 Pixar 动画和 Disney 动画的总裁，四次获电影 Oscar 奖（1993、1996、2001 和 2008），其 AMiner 学术画像及年度论文发表量如下图所示。▲2019 年图灵奖获得者 Edwin Catmull 的 AMiner 学术画像3、媒体评选出的重大人工智能技术自 2001 年起，《麻省理工科技评论》每年都会评选出当年的“十大突破性技术”。所评选出的技术榜单曾精准预测了脑机接口、智能手表、癌症基因疗法、深度学习等诸多热门技术的崛起，在全球科技领域具有举足轻重的影响力。分析发现，媒体评出的人类突破性技术之中近 30% 与人工智能相关。通过分析挖掘 2010-2020 年《麻省理工科技评论》评选出当年的“十大突破性技术”，发现有 32 项 项 人工智能相关技术入选榜单，占比近 30%，其中包括：2013 年的深度学习、2014 年的神经形态芯片、2016 年的语音接口与知识分享型机器人、2017年的自动驾驶卡车与强化学习，2018 年的流利对话的 AI 助手、给所有人的人工智能和对抗性神经网络、2019 年的灵巧机器人，以及 2020 年的微型人工智能和人工智能发现分子。具体名单如下图所示。▲2010-2020 年入选《麻省理工科技评论》“十大突破性技术”榜单的人工智能相关技术4、国际顶会顶刊最佳论文授予领域分析人工智能领域顶级期刊和会议每年都会在众多学术研究论文之中，通过“双盲评审”，评选出最有新意和价值的研究论文作为最佳研究论文，并授予“Best Paper”奖项。每年大会的最佳论文奖一般分两类，一类是最佳研究论文（Research track），另一类是最佳应用论文（Applied track）。部分会议在每年选出多篇最佳论文（分列第一、二、三名），也有部分顶会每隔几年才会选出一篇最佳论文。从过去十多年的经验来看，国际顶会历年的最佳研究论文都会对之后很多领域的研究有着开创性的影响。因此，不论是从阅读经典文献的角度，还是从学习最新研究成果的角度来说，分析和探讨每年的最佳研究论文都极具价值。本部分收集整理了2011-2020年期间的人工智能领域国际顶级会议最佳论文奖项第一名的全部论文（对于不区分名次的最佳论文则全部收录），再对这些论文所属领域进行分析。统计发现，过去十年荣获“最佳论文”奖项的论文来自 34个国际顶会、共计 440 篇，其中，research track 最佳论文 409 篇，占比 93%。各会议最佳论文量的具体分布如下表所示，FOCS、IEEE VIS、ISSCC 等最佳论文数量较多主要是因为该会议每年颁发 3 篇杰出论文奖（Outstanding Paper Award）且不区分先后名次。ICASSP 等会议最佳论文量较少主要是由于存在缺失数据。▲2011-2020 年人工智能领域国际顶级会议最佳论文授予量分布 （单位；篇）从所属细分研究领域来看，这些最佳论文覆盖了机器学习、计算机视觉、自然语言处理、机器人、知识工程、语音识别、数据挖掘、信息检索与推荐、数据库、人机交互、计算机图形学、可视化、安全与隐私、计算机网络、计算机系统、计算理论、经典 AI、芯片技术等 18 个子领域。（1）、顶会最佳论文奖呈现出较多跨领域授予现象总体而言，尽管这些国际顶级会议将大部分的最佳论文奖都授予给了本会议所属的 AI 子领域，但是授予非本会议领域的最佳论文数量占比较高，达 22.3%。其中，WSDM 是数据挖掘领域重要国际会议，在它授予的最佳论文奖之中，有90.9%的最佳论文被授予给非数据挖掘领域的论文，在所有会议中占比最高。其次，KDD 会议将 88.9%最佳论文奖授予给非数据挖掘领域的论文，WWW 会议将 63.6%的最佳论文奖授予给非信息检索与推荐领域的论文。各个会议最佳论文授予情况具体如下表所示。▲2011-2020 年人工智能领域国际顶级会议最佳论文授予其他 AI 领域比例（2）、信息检索与推荐、机器学习和计算理论出现较多的跨领域授予从跨领域授予最佳论文奖的整体数量来看，信息检索与推荐、机器学习和计算理论是获得最佳论文奖项数量较多的三个领域，占比均超过 10%，详细情况如下图所示。这反映出这三个子领域的跨领域研究成果所获的专业认可度较高，在一定程度上促进了相关技术在多个 AI 子领域的快速发展和进步。▲人工智能领域国际顶级会议最佳论文奖跨 AI 子领域授予分布图从来源会议来看，信息检索与推荐领域最佳论文除了被 RecSys、SIGIR 和 WWW 本领域会议最多授予之外，也较多被数据挖掘领域会议 WSDM、数据库领域的 SIGMOD和 VLDB 授予最佳论文奖，如下图所示。▲信息检索与推荐领域最佳论文跨领域授予会议示例（3）、机器学习技术成果集中在 2016-2018 年获得较多奖项认可过去十年顶会最佳论文授予技术领域的年度趋势如下图所示，其中，色块颜色代表该项技术在某项会议所被授予的最佳论文数量，色块颜色越深表示论文数量越多。从最佳论文奖被授予领域的年度趋势来看，机器学习领域过去十年内最佳论文在 2016 年被授予最多，为 9 篇，其次是 2017 和 2018 年，相关最佳论文数量均为 8 篇。从来源会议来看，共有 14 个顶会将最佳论文奖分别授予给机器学习领域。其中，最佳论文奖授予量较多的两大会议是 International Conference on Machine Learning （ICML）和 International Conference on Learning Representations（ICLR），分别为 13 和 12 篇。▲人工智能领域国际顶刊顶会最佳论文授予领域年度趋势4、安全与隐私领域最佳论文授予数量呈现增多趋势随着人工智能快速发展和应用，许多领域开始注重技术的安全与隐私性。这体现在逐年增多的领域最佳论文数量上。尤其是 2014 年之后，安全与隐私领域年度最佳论文数量均超过 5 篇。过去十年来，CCS、ICML、OSDI、S&P、SIGCOMM 和 WWW 等顶会均曾授予过安全与隐私领域的最佳论文奖。安全与隐私的最佳论文授予主要来自于IEEE Symposium on Security and Privacy （S&P）和 ACM Conference on Computer and Communications Security （CCS）两大会议。5、国际顶会顶刊领域高影响力论文分析论文引用量是衡量一个科研文献被业界认可度的标志，也是该文献影响力的重要体现。本部分针对人工智能国际顶会顶刊 2011-2020 年期间的所发表论文的引用量特征及所属领域进行分析。结果分析发现，某一学术会议中引用量最高的论文未必是该会议授予最佳论文奖的论文，反之亦然。分析还发现， 人工智能不同子领域论文的最高引用量的量级跨度很大。如下图所示，2011-2020 年期间人工智能国际顶会顶刊最高引用量前十论文研究以机器学习领域为首，其次是计算机视觉领域研究论文。 机器学习和计算机视觉领到域论文的引用量级均达到 25 万次以上，明显高于其他子领域最高引用论文的引用量。在所有子领域之中，知识工程领域论文的引用量级最少，不足于机器学习领域论文引用量的 2%。▲2011-2020 年人工智能国际顶会顶刊各子领域最高引用量前十论文的引用量分布具体来看，人工智能各个子领域在过去十年中出现在国际顶级会议期刊上的最高影响力论文相关信息如下表所示。其中，计算机视觉领域最高影响力论文是 2016 年 CVPR 上、以 Facebook AI Research 何恺明为第一作者的“Deep Resial Learning for Image Recognition”文章，其引用量已超过 6 万。机器学习领域引用量最高的论文是发表在 2015 年 ICLR 会议上的“Adam: A Method for Stochastic Optimization”，该文是由 Google Brain 的 Diederik P., Kingma 和加拿大多伦多大学的助理教授 Jimmy Lei Ba 联合发表，目前引用量将近 6 万。▲2011-2020 年人工智能子领域最高影响力论文机器学习领域，影响力排名前 10 论文的引用率都超过万次，且半数以上论文引用率超过 2 万次，如表 4-6 所示。从论文研究主题来看，这 这 10 篇最高影响力论文全部都是与深度学习相关的。从论文来源来看，这 10 篇最高影响力论文之中，有 5 篇来自 NeurIPS 、3 篇来自 ICLR、2 篇来自 ICML。居于首位的是2015 年 ICLR 会议上由 Google Brain 的 Diederik P., Kingma 和加拿大多伦多大学的助理教授 Jimmy Lei Ba 联合发表的“Adam: A Method for StochasticOptimization”论文。影响力排名第二位的是 Apple 公司研究员 Ian J.Goodfellow发表在 NeurIPS 2014 上的一篇论文“Generative Adversarial Nets”，该文也是 GANs的开山之作。影响力排名第三位的论文是 Facebook 科学家 Tomas Mikolov 发表在 NeurIPS 2013 上的“Distributed Representations of Words and Phrases and theirCompositionality”。▲2011-2020 年机器学习领域最高影响力论文前十计算机视觉领域，最高影响力前十论文如表 4-7 所示。其中，最高引用的论文是发布于 2016 年 CVPR 上、以 Facebook AI Research 何恺明为第一作者的“Deep Resial Learning for Image Recognition”文章，其引用量已超过 6 万。这篇论文也荣获了当年 CVPR Best Paper 奖项，联合作者还包括旷视科技的研究员张祥雨、首席科学家与研究院院长孙剑，以及当时就职于 Momenta 任少卿。该文是一篇非常经典的神经网络的论文，主要通过构建了一种新的网络结构来解决当网络层数过高之后更深层的网络的效果没有稍浅层网络好的问题，并且做出了适当解释以及用 ResNet 残差网络解决了问题。▲2011-2020 年计算机视觉领域最高影响力论文前十自然语言处理领域，过去十年中最高影响力前十论文的具体信息如下表所示。其中，最高引用量论文是 Google 研究员 Jeffrey Pennington 在 2014 年 EMNLP会议发表的论文“Glove: Global Vectors for Word Representation”，这篇论文提出的单词表示模型是通过仅训练单词-单词共现矩阵中的非零元素，而不是整个稀疏矩阵或大型语料库中的单个上下文窗口，来有效地利用统计信息。该模型产生一个具有有意义子结构的向量空间，在相似性任务和命名实体识别方面优于相关模型。▲2011-2020 年自然语言处理领域最高影响力论文前十6、过去十年十大人工智能研究热点过去十年十大 AI 研究热点分别为： 深度神经网络、特征抽取、图像分类、目标检测、语义分割、表示学习、生成对抗网络、语义网络、协同过滤和机器翻译。▲AMiner 评选出的近十年十大 AI 研究热点（1）、深度神经网络深度神经网络是深度学习的基础，又被称为深度前馈网络（DFN）、多层感知机（Multi-Layer perceptron，MLP），可以理解为是有很多隐藏层的神经网络。深度神经网络可以在没有大量标记数据的情况下解决问题。代表算法包括卷积神经网络、循环神经网络、递归神经网络等。深度神经网络的被引用量保持了较长时间的稳定平稳增长；深度卷积神经网络技术则于 2014 年开始获得更多引用。目前，深度神经网络（DNN）是许多人工智能应用的基础，从自动驾驶汽车、癌症检测到大型游戏等。在这许多领域中，DNN 实现了超越人类的准确率。数据显示，过去十年中，有 5405 篇以卷积神经网络为研究主题的论文在人工智能国际顶会顶刊论文中发表，其总引用量达 299729，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 125 次。该技术的最终指数评分为98.16 ，位列过去十年最热门 AI 研究主题之首。（2）、特征抽取特征抽取（Feature Extraction）热门是信息检索与推荐中的一项技术，专指使用计算机提取一组测量值中属于特征性的信息的方法及过程，并将所抽取出的有效实体信息进行结构化存储。目前特征抽取已引入机器学习、深度学习、神经网络技术，其中，神经网络计算已应用于图片特征抽取。针对某个特定图片，通过卷积神经网络对图片进行特征抽取得到表征图片的特征，利用度量学习方法如欧式距离对图片特征进行计算，对图片距离进行排序，得到初级检索结果，再根据图片数据的上下文信息和流形结构对图像检索结果进行重排序，从而提高图像检索准确率，得到最终的检索结果。数据显示，过去十年中，有 1747 篇以特征抽取为研究主题的论文在人工智能国际顶会顶刊论文中发表，其总引用量达 95205，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 8 次。该技术的最终评分为 21.51 ，位列过去十年 AI 研究热点亚军。（3）、图像分类图像分类（Image Classification）是指计算机利用算法从给定的分类集合中给某个特定图像正确分配一个标签的任务，其目标是将不同的图像划分到不同的类别中，并实现最小的分类误差，较多应用于计算机视觉、信息检索与推荐领域。2012 年，加拿大认知心理学家和计算机科学家 Geoffrey Everest Hinton 的博士生Alex Krizhevsky 在 ILSVRC 将深度学习用于大规模图像分类中并提出了 CNN 模型，其计算效果大幅度超越传统方法，获得了 ILSVRC2012 冠军，该模型被称作AlexNet。从 AlexNet 之后，涌现了一系列 CNN 模型，不断地在 ImageNet 上刷新成绩。目前的深度学习模型的识别能力已经超过了人眼。数据显示，过去十年中，有 612 篇以图像分类为研究主题的论文在人工智能国际顶会顶刊论文中发表，其总引用量达 50309，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 16 次。该技术的最终评分为 14.14，位列过去十年最热门 AI 研究主题第三名。（4）、目标检测目标检测（Object Detection）作为计算机视觉和图像处理领域一个分支，是指利用图像处理与模式识别等领域的理论和方法，检测出数字图像和视频中存在的特定类别的目标对象，确定这些目标对象的语义类别，并标定出目标对象在图像中的位置。对象检测是对象识别的前提，具有很大发展潜力。对象检测已经有许多有用有趣的实际应用，如人脸识别、行人检测、视觉搜索引擎、计数、航拍图像分析等。深度学习模型在图像分类任务中碾压了其他传统方法。很多对象检测的新方法和新应用推动了深度学习最前沿的科技发展。过去十年中，有 472 篇以目标检测为研究主题的论文在人工智能国际顶会顶刊论文中发表，其总引用量达 49602 次，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 13 次。该技术的最终评分为 12.73，位列最热门 AI 研究主题第四名。（5）、语义分割语义分割（Semantic Segmentation）是让计算机根据图像的语义进行分割，判断图像中哪些像素属于哪个目标。近年来，许多语义分割问题正在采用深度学习技术来解决，最常见的是卷积神经网络，在精度上大大超过了其他方法以及效率。目前语义分割的应用领域主要有：地理信息系统、无人车驾驶、医疗影像分析和机器人等领域。过去十年中，有 275 篇以语义分割为研究主题的论文在人工智能国际顶会顶刊论文中发表，其总引用量达 27893 次，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 23 次。该技术的最终评分为 12.01，位列最热门 AI 研究主题第五名。（6）、表示学习表示学习（Representation Learning），是指将原始数据转换成能够被机器学习的一种深度学习技术。它能够从复杂的原始数据中提炼有效特征，剔除无效或者冗余信息，形成可用的数据表示。在知识表示学习中，词嵌入（Word Embedding）是自然语言处理的重要突破之一，它可以将词表示为实数域向量，进而为机器学习和深度学习提供模型训练的基础。近些年很多专家和学者利用词嵌入的表示学习原理进行相关领域的研究，主要的表示方法包括 Word2Vec、One-hot、词共现等。这些方法已经成为当下人工智能技术应用的基础，为机器学习提供了高效的表示能力。过去十年中，有 711 篇以表示学习为研究主题的论文在人工智能国际顶会顶刊论文中发表，其总引用量达 49892 次，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 8 次。该技术的最终评分为 11.88，位列最具影响力 AI 技术第六名。（7）、生成对抗网络生成对抗网络（Generative Adversarial Networks, GAN）是用于无监督学习的机器学习模型，由 Ian Goodfellow 等人在 2014 年提出。由神经网络构成判别器和生成器构成，通过一种互相竞争的机制组成的一种学习框架。GAN 功能强大，学习性质是无监督的，也不需要标记数据。传统的生成模型最早要追溯到 80 年代的 RBM，以及后来逐渐使用深度神经网络进行包装的 AutoEncoder，然后就是现在的生成模型 GAN。GAN 具有大量的实际用例，如图像生成、艺术品生成、音乐生成和视频生成。此外，它还可以提高图像质量，并且完成图像风格化或着色、面部生成以及其他更多有趣的任务。过去十年在人工智能国际顶会顶刊论文中发表有 362 篇以生成对抗网络为研究主题的论文，其总引用量达 24536 次，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 22 次。该技术的最终评分为 11.44，位列最热门 AI 研究主题第七名。（8）、语义网络语义网络（Semantic Network）是一种以网络格式表达人类知识构造的形式，是人工智能程序运用的表示方式之一，相关研究主要集中在信息检索与推荐、知识工程领域。语义网络是一种面向语义的结构，它们一般使用一组推理规则，规则是为了正确处理出现在网络中的特种弧而专门设计的。语义网络可以深层次地表示知识，包括实体结构、层次及实体间的因果关系；无推理规律可循；知识表达的自然性可以直接从语言语句强化而来。过去十年在人工智能国际顶会顶刊论文中有 1192 篇以语义网络为研究主题的论文发表，总引用量达 44897 次，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 2 次。语义网络技术的最终评分为 10.60，位列最热门 AI 研究主题第八名。（9）、协同过滤协同过滤（CF）是推荐系统使用的一种技术，通过收集来自多个用户的偏好、兴趣、评价标准等用户行为数据来过滤信息，并自动预测（过滤）用户兴趣的方法，为用户提供有针对性的推荐及其所需信息。大多数协同过滤系统都应用基于相似度索引的技术。协同过滤是解决信息超载问题的一个有效办法。无论是基于用户-用户的协同过滤，还是项目-项目的协同过滤，都有效地提高了用户信息的使用效率。过去十年在人工智能国际顶会顶刊论文中有 289 篇以协同过滤为研究主题的论文，其总引用量达 36681 次，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 12 次。该技术的最终评分为 9.98，位列最热门 AI 研究主题第九名。（10）、机器翻译机器翻译（Machine Translation），又称为自动翻译，是利用计算机把一种自然源语言转变为另一种自然目标语言的过程，通常指自然语言之间句子和全文的翻译。它是自然语言处理（Natural Language Processing）的一个分支，与计算语言学（Computational Linguistics）、自然语言理解（Natural Language Understanding）之间存在密不可分的关系。机器翻译是人工智能的终极目标之一，其核心语言理解和语言生成是自然语言处理的两大基本问题。近几年来，随着深度学习技术的发展，神经机器翻译取得了巨大进展，其生成的译文接近自然语句，成为了主流语言学习模型。过去十年在人工智能国际顶会顶刊论文中发表有 389 篇以机器翻译为研究主题的论文，其总引用量达 23119 次，并且在这些顶会顶刊论文引用量排名前十的论文中出现过 14 次。该技术的最终评分为 8.84，成为 AI 研究热点第十名。二、AI 领域高层次人才分析1、全球 AI 领域高层次人才过去十年，全球人工智能发展迅速。中国、美国、欧盟、英国、德国等国家纷纷从战略上布局人工智能，加强顶层设计和人才培养。本报告数据显示，全球人工智能领域学者数量共计 155408 位，覆盖 120 多个国家，主要集中在北美洲、欧洲、东亚地区。人工智能领域论文发表量反映了一个国家在领域的科研实力。在 AI 领域论文发表量 TOP10 的国家之中，美国、中国和德国的论文产出量分别位前三名，其余国家（英国、加拿大、日本、法国、澳大利亚、韩国和新加坡）领域论文产出量均在 2 万篇以下。其中，美国在 AI 领域的论文发表数量和人才数量都位于全球第一，有近四成的全球 AI 领域论文产出是来自美国，并且美国 AI 学者数量约占全球领域学者总量的 31.6%。中国在人工智能领域的论文发表数量（25418篇）和人才数量（17368 位）仅低于美国，同时，大幅领先于其他国家。这反映出中国近年来发布的从产业发展、教育等各个方面支持人工智能发展的一系列支持政策，以及不断加强人才培养和补齐人才短板的行动已见成效。从子领域的领先国家来看，美国在人工智能领域具有明显的科研产出优势，在几乎所有子领域的论文产出量均居于全球首位。中国的 AI 科研产出水平在自然语言处理、芯片技术、机器学习、信息检索与挖掘等 10 多个子领域都紧随美国之后，并且，在多媒体、物联网领域的论文产出量超过美国、居于全球第一；而在人机交互、知识工程、机器人、计算机图形、计算理论领域，中国还需努力追赶。AI 高层次学者是指入选 AI2000 榜单的 2000 位人才。由于存在同一学者入选不同领域的现象，经过去重处理后，AI 高层次学者共计 1833 位。从这些高层次学者分布看，如下图所示，AI 领域全球高层次学者覆盖全球 37 个国家，主要集中在北美洲的美国地区；欧洲中西部也有一定的高层次学者分布；亚洲的高层次人才主要分布于中国、新加坡及日韩等地区；其他诸如南美洲、非洲等地区的高层次学者数量稀少。▲全球人工智能领域高层次学者分布从国家角度看 AI 高层次学者分布，美国 AI 高层次学者的数量最多，有 1244人次，占比 62.2%，超过总人数的一半以上，且是第二位国家数量的 6 倍以上。中国排在美国之后，位列第二，有 196 人次，占比 9.8%。德国位列第三，是欧洲学者数量最多的国家；其余国家的学者数量均在 100 人次以下。人工智能领域高层次学者人数 TOP10 的国家如下图所示。▲人工智能领域高层次学者数量 TOP10 国家总体来看，全球范围内，美国和中国的机构在人工智能领域的论文产出和学者数量较多，占据了 AI 领域论文量排名前 10 机构的全部席位。从 AI 高层次人才分布看，全球 AI 高层次人才隶属于各个国家的高等院校或高科技公司的科研部门。如下图所示，全球人工智能领域高层次学者量TOP10机构之中，位居首位的是美国的谷歌公司，拥有 185 人，也是唯一一家高层次学者数过百的机构；从国家分布来看，清华大学是唯一入选 TOP10 的中国机构，其余均为美国机构，且美国机构高层次学者总体人数遥遥领先。▲全球人工智能领域高层次学者量 TOP10 机构从子领域论文量来看，美国的大学和科技机构在 AI 各个细分方向上的发展较为均衡，且在自然语言处理、芯片技术、机器学习、信息检索与挖掘、人机交互等 10 多个子领域的发展居于全球领先席位。这反映出美国在人工智能领域的顶级实力。中国的 AI 机构在语音识别、经典 AI、计算机网络、多媒体、可视化和物联网等领域实力较强，进入全球先进行列。这些机构主要是位于北京的清华大学、中科院和北京邮电大学，以及浙江大学。2、中国 AI 领域高层次人才过去十年，我国人工智能发展迅猛。2017 年，人工智能首次被写入全国政府工作报告，我国确定新一代人工智能发展三步走战略目标，并将人工智能上升为国家战略层面。本报告数据显示，我国人工智能领域学者数量共计 17368 位，覆盖 100 多个国内城市。从地域分布来看，我国 AI 人才主要集中在京津冀、长三角和珠三角地区。国内AI领域高层次人才也主要分布在京津冀、长三角和珠三角地区，如下图所示。其中，京津冀地区（主要是北京市）在 AI 领域的高层次人才数量最多。长三角地区也有较多的 AI 高层次人才分布。相比之下，内陆地区领域高层次人才较为缺乏。在学者分布地图中，颜色越深，表示学者越集中；颜色越浅，表示学者越稀少。▲我国人工智能领域高层次人才的省市分布图从 AI 高层次学者分布来看，北京仍是拥有 AI 高层次学者数量最多的国内城市，有 79 位，占比 45.4%，接近于国内 AI 高层次人才的一半，如下图所示。北京作为政治中心、文化中心、国际交往中心、科技创新中心具有先天优势，拥有数量众多的 AI 企业和多所知名高校和研究机构，北京的高水平 AI 论文发表量和高层次学者量明显领先于其他国内城市。同时，从子领域发展来看，北京在AI 各个细分方向上的发展较为均衡，相关论文产出量均居于全国领先位置。▲人工智能领域高层次学者数量 TOP10 的中国城市国内人工智能领域研究领先的机构主要以北京、香港、杭州、上海等地的高等院校为主。北京在人工智能领域的资源优势，该城市拥有清华大学、北京大学、中国科学院等知名高校。杭州和香港的机构也处于 AI 子领域研究前列，主要由于前者拥有阿里巴巴和浙江大学，后者则因其香港科技大学和香港中文大学等实力高校。在国内机构之中，北京的清华大学不仅拥有 AI 领域学者数量最多，而且所拥有的领域高层次人才数量也居于国内首位，有 27 位。国内高层次 AI 人才基本都隶属于高校。香港中文大学、浙江大学和中国科学院在人工智能领域的高层次学者数量分别为 16、14 和 11 位。其他的国内机构所拥有的 AI 领域高层次人才数量均不足十位，如下图所示。▲人工智能领域高层次学者数量 TOP10 的中国机构中国 AI 领域高层次人才培养从2018 年起开始重点发展，主要由高校通过成立AI 学院研究院立 、设立 AI 专业的方式进行培养。教育部在《高等学校人工智能创新行动计划》（教技〔2018〕3 号）中提出，要加强人工智能领域专业建设，形成“人工智能+X”复合专业培养新模式。到 2020 年建设 100 个“人工智能+X”复合特色专业，建立 50 家人工智能学院、研究院或交叉研究中心，并引导高校通过增量支持和存量调整，加大人工智能领域人才培养力度。到 2020 年，高校要基本完成新一代人工智能发展的高校科技创新体系和学科体系的优化布局。到 2030 年，高校要成为建设世界主要人工智能创新中心的核心力量和引领新一代人工智能发展的人才高地。教育部于 2019 年 3 月颁布《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》 ， 将人工智能专业列入 新增审批本科专业名单，专业代码为 080717T（T 代表特设专业），学位授予门类为工学。在此之前，国内没有高校在本科阶段设置人工智能专业。2020 年 2 月， 教育部颁布《关于公布 2019 年度普通高等学校本科专业备案和审批结果的通知》 。统计结果显示， 人工智能方面，本次全国范围内获得人工智能专业首批建设资格的共有180 所，相比2018 年的 35 所，增加 414% ， 反映出人工智能专业的热度攀升 。截至目前，国内共有215 所高校成立“人工智能”本科专业。这些高校之中，有 60 所双一流大学（占比 28%），其他 155 所为普通本科院校。从地域分布看，2019 年度新增人工智能专业较多的省份依次是 山东14所 、江苏13所 、 北京11所、安徽10所 、 河南10所 、 四川 10所，其余省份新增人工智能专业的高校数量均不足 10 所。但这些数字加起来占全国高校总量比例仍然较小，高校人工智能本科教育仍处于起步和发展阶段。在 AI 人才紧缺，国家政策推动 AI 发展趋势等因素影响下，相比于建设人工智能专业，很多高校更愿意设立一个人工智能研究独立学院。截至 2019 年 6 月，至少有 38 所高校设立了独立人工智能学院，全面开展本科阶段、研究生阶段的教育，并且在 2019 年开始以人工智能专业招收本科生。据统计 ，截止到 2019 年年底，我国已经有 66 所高校成功建设人工智能学院、研究院、研究中心或研究所，超额完成了教育部在《高等学校人工智能创新行动计划》中强调的到 2020 年在全国高校中建立 50 家人工智能学院、研究院或交叉研究中心的目标。总之，中国各大高校设立人工智能一级学科、建立人工智能学院，有助于精准布点人工智能相关专业以满足国家和区域的产业发展需求，有助于加快建设一流人才队伍和高水平创新团队、进一步推动国际学术交流与合作、专业和教材建设，提高人才培养质量，推动科技成果转化。三、人工智能专利分析专利是创新成果的应用表现形式。本部分将通过人工智能领域专利分析，挖掘该技术的创新应用情况。以墨创全球专利数据库作为数据来源，使用行业专家和相关技术领域专利审查专家共同给出的人工智能领域关键词在标题和摘要中进行检索，搜索时间范围限定为 2011-2020 年。专利数据分析发现，随着核心算法的突破、计算能力的迅速提升以及海量数据的支撑，过去十年的 人工智能专利申请量呈现逐渐上升态势。1、全球 AI 专利分析全球范围内，过去十年人工智能领域的专利申请量 521264，总体上呈逐年上升趋势，如下图所示。▲全球人工智能专利申请量年度变化趋势全球 AI 专利申请数量排名领先的国家/地区如下图所示。从图中可以看出，目前，全球人工智能专利申请集中在中国、美国、日本、韩国。其中，中国和美国处于领先地位，遥遥领先其他国家。中国专利申请量为 389571，位居世界第一，占全球总量的 74.7%，是排名第二的美国的 8.2 倍。▲全球 AI 专利申请量 Top10 国家过去十年，全球人工智能专利申请之中，将近一半的申请人是来自于企业。高校和研究所的相关申请量共计约两成。▲全球 AI 专利申请类型分布人工智能专利申请量前十的机构集中在日本、中国、韩国和美国。其中，日本的佳能是一家致力于图像、光学和办公自动化产品的公司，该公司的绝大多数专利都与成像有关，申请量最高的人工智能功能应用类别是计算机视觉。美国IBM 公司的专利申请很多都与 IBM 的自然语言处理和机器学习技术有关。中国的国家电网的专利申请多与电网控制、配电利用网络、风电场、绿色能源等领域的人工智能开发有关。▲全球 AI 专利申请人排名 TOP102、中国 AI 专利分析过去十年，中国人工智能领域的专利申请量 389571，约占全球申请量的74.7%。总体上，国内的人工智能相关专利申请量呈逐年上升趋势，并且在 2015年后增长速度明显加快，如下图所示。▲中国人工智能专利申请量年度趋势中国各省市 AI 专利申请数量的分布情况如下图所示。从图中可以看出，广东省的 AI 专利申请量以 72737 位居第一，比排名第二的北京市（50906）多出42.8%，具有突出优势。前十名的省份主要分布在东部、中部、西部等地区，分布较为均衡，但是以东部省市居多，江浙沪三省市均位居前五名。这与这些地区的经济水平、发展程度、科研投入及知识产权保护等因素密切相关。▲全国AI专利申请量 TOP10省份中国 AI 专利申请数量排名前十的机构如下图所示，包括 5 家企业和 5 所高校，主要分布在广东、北京、浙江和四川。目前中国在 AI 专利领域的创新主要还是依靠高科技互联网企业和高校科研机构等方面的共同努力。国家电网专利申请量最多，其次是腾讯科技，体现出这两家企业在 AI 领域的创新能力比较突出，对相关技术领域的引领作用较强。▲中国AI专利申请量 TOP10机构四、未来机遇与挑战1、未来发展机遇目前，全球已有美国、中国、欧盟、英国、日本、德国、加拿大等 10 余个国家和地区纷纷发布了人工智能相关国家发展战略或政策规划，用于支持 AI 未来发展。这些国家几乎都将人工智能视为引领未来、重塑传统行业结构的前沿性、战略性技术，积极推动人工智能发展及应用，注重人工智能人才队伍培养。这是AI 未来发展的重要历史机遇。美国：指定AI研究为政府优先事项并调入更多支持资金和资源。美国高度重视人工智能全面发展，包括立法、研发投资、人才培养等多个方面纷纷给予支持。2016 年，美国国家科学技术委员会（NSTC）发布《国家人工智能研发战略计划》全面布局人工智能发展。与此同时，美国总统办公室发布报告《为未来人工智能做好准备》，以应对人工智能带来的潜在风险，以及《人工智能、自动化与经济报告》，强调人工智能驱动的自动化对经济发展的影响。2018 年，美国白宫首次将人工智能指定为政府研发的优先事项，并且成立人工智能特别委员会，旨在协调联邦政府各机构之间人工智能研发优先事项，并向白宫提出行动建议，以确保美国人工智能技术的领导地位。美国国防部高级研究项目局宣布投资 20 亿美元开发下一代人工智能技术。美国国会两院讨论包括《人工智能未来法案》《人工智能就业法案》和《国家安全委员会人工智能法案》等法案。五角大楼成立了“联合人工智能中心”，确保国防部对人工智能相关数据信息的高效利用。2019 年，美国白宫科学和技术政策办公室（OSTP）发布了由总统特朗普签署的《美国人工智能倡议》，将人工智能的重要性上升到美国经济安全和国家安全的层面，要求调配更多联邦资金和资源转向人工智能研究，并呼吁美国主导国际人工智能标准的制定，开展人工智能时代美国劳动力培养的研究。白宫还对《国家人工智能研发战略计划》进行了更新，确定了联邦投资于人工智能研发的优先事项。美国防部网站公布《2018 年国防部人工智能战略摘要——利用人工智能促进安全与繁荣》，并成立联合人工智能中心（JAIC），旨在加快人工智能快速赋能关键作战任务，统筹协调人工智能研发项目，积极维持美国在 AI 方面的战略地位。同年，国防授权法案批准设立人工智能国家安全委员会，该委员会旨在全面审查、分析人工智能技术及系统；商务部成立白宫劳动力委员会，以帮助美国储备人工智能等新兴科技发展所需的人才；国家科学基金会持续资助人工智能基础研究领域。欧盟：重视并推动 AI 发展中的伦理和安全理念。欧盟在人工智能发展战略中坚持推行以人为本的理念，在 2018 年发布了《欧盟人工智能战略》，推动欧盟人工智能领域的技术研发、道德规范制定以及投资规划，并计划在 2020 年底至少投入 200 亿欧元。随后，欧盟宣布在“地平线 2020”研究与创新项目中对人工智能研发投入 15 亿欧元的专项资金，将资助创建欧洲人工智能生态系统的支撑平台。欧盟专门设立了高级别人工智能专家组（AI HLEG），就人工智能的投资和政策制定提出建议，为人工智能的道德发展制定指导方针。该专家组制定了《可信赖的人工智能道德准则草案》，提出实现可信赖人工智能的道德准则和具体要求，包括数据保护和数据透明度等问题。该草案是欧盟为增加政府和私营部门人工智能领域合作的提出的三大战略之一，三大战略包括：增加政府和私营部门对人工智能的投资、为人工智能可能引发的社会和经济变革做好准备、建立适当的人工智能道德和法律框架。此外，欧盟成员国还于 2018 年签署了《人工智能合作宣言》，就人工智能可能引发的社会、经济、伦理道德和法律等重要问题开展合作，确保欧洲在人工智能研发和应用上具有强大竞争力。随后，又发布《促进人工智能在欧洲发展和应用的协调行动计划》，提出设计伦理和设计安全两大关键原则，旨在使欧盟成为发展前沿、符合道德伦理、安全的人工智能技术的世界领先地区，强调将通过以人为本的方式促进人工智能技术发展。2019 年，欧盟启动了 AI FOR EU 项目，建立人工智能需求平台、开放协作平台，整合汇聚 21 个成员国 79 家研发机构、中小企业和大型企业的数据、计算、算法和工具等人工智能资源，提供统一开放服务。此外还发布了《人工智能伦理准则》，以提升人们对人工智能产业的信任。英国：不断加大政策、资金、人才和国际合作方面的布局力度。英国政府在 2017 年发布的《产业战略：建设适应未来的英国》中，确立了人工智能发展的四个优先领域：将英国建设为全球 AI 与数据创新中心；支持各行业利用 AI 和数据分析技术；在数据和人工智能的安全等方面保持世界领先；培养公民工作技能。随后，发布了《在英国发展人工智能》，建议建立人工智能和数据科学的艾伦·图灵研究所，旨在与其他公共研究机构建立合作，统筹协调针对人工智能研究的计算能力。2018 年，英国政府发布《产业战略：人工智能领域行动》，这是英国政府和产业界做出的首份发展人工智能的承诺，将采取切实行动推进人工智能发展，促进英国人工智能和数字驱动的经济蓬勃发展。英国政府在《人工智能领域行动》等多个人工智能方面的政策文件中，提出政府提高研发经费投入，优先支持关键领域的创新等措施。这些举措包括：未来 10 年，英国政府将研发经费（包括人工智能技术）占 GDP 的比例提高到 2.4%；2021 年研发投资将达 125 亿英镑；从“产业战略挑战基金”中拨款 9300 万英镑，用于机器人与 AI 技术研发等。英国政府也积极推出针对初创企业的激励政策。近年来，英国政府不断加大政策、资金、人才、国际合作等方面的布局力度。在政策方面，据英国政府 2018 年推出的《工业战略：人工智能产业政策》报告显示，过去 3 年英国发布了包括人工智能产业在内的工业战略白皮书、人工智能产业政策等各项措施，并成立了人工智能发展委员会、数据伦理与创新中心、人工智能发展办公室及工业战略挑战基金等相关机构，以推动人工智能的发展。在资金方面，英国规划制定了金额超 9 亿英磅（约 78.7 亿元人民币）的一揽子人工智能产业扶持计划，还将投资谷歌、亚马逊、“人工智能元素”（Element AI）以及“慧与科技”（HPE）等一系列跨国科技公司。2019 年 2 月，英国政府宣布投资 1300 万英镑（约 1.13 亿元人民币）支持 40 个人工智能及数据分析项目，旨在提升生产力，改善英国的专业服务。在人才方面，自 2017 年起，英国计划将在 4 年内培育 8000 名计算机科学教师；未来 7 年，通过培训让 5000 名学生具备多样化的数字技术；支持新增 450 个与人工智能相关的博士点；加大包括人工智能人才在内的海外特殊人才引进力度，每年增加 1000 名至 2000 名人才引进。在国际合作方面，2018 年 7 月，英国与法国签订五年协议，在人工智能等数字产业领域加强双方高端科研中心的合作；2019 年 1 月，英国决定与日本在机器人、数据等领域加强深度合作。德国：用 AI+ 工业 4.0 打造“人工智能德国造”品牌。德国政府早在 2013 年提出的“工业 4.0”战略中，就已经涵盖了人工智能。2018 年，德国联邦政府颁布了《高科技战略 2025》，提出“推进人工智能应用，使德国成为人工智能领域世界领先的研究、开发和应用地点之一”，还明确提出建立人工智能竞争力中心、制定人工智能战略、组建数据伦理委员会、建立德法人工智能中心等。在《联邦政府人工智能战略》中制定三大战略目标，以及包括研究、技术转化、创业、人才、标准、制度框架和国际合作在内的 12 个行动领域，旨在打造“人工智能德国造”品牌。在资金投入方面，德国政府宣布将首先投入 5 亿欧元用于 2019 年及之后几年的人工智能发展，并将在 2025 年底累计投入 30 亿欧元。德国经济和能源部在 2019 年发布的《国家工业战略 2030》（草案）中，也多次强调人工智能的重要性。2020 年 1 月 15 日，德国柏林工业大学宣布成立新的人工智能研究所，进一步开展人工智能科研和人才培养。德国联邦政府将在人工智能战略框架内对该研究所追加预算，预计到 2022 年时，研究所将获得 3200 万欧元财政支持。柏林市政府也将为研究所新增人工智能岗位。日本：主张构建有效且安全应用的“AI-Ready 社会”。日本政府积极发布国家层面的人工智能战略、产业化路线图。2016 年成立了人工智能技术战略委员会，作为人工智能国家层面的综合管理机构，以制定人工智能研究和发展目标以及人工智能产业化路线图，负责推动总务省、文部省、经产省以及下属研究机构间的协作，进行人工智能技术研发。该委员会有 11 名成员，分别来自学术界、产业界和政府。2017 年，日本发布《人工智能技术战略》，确定了在人工智能技术和成果商业化方面，政府、产业界和学术界合作的行动目标。2018 年，日本发布《综合创新战略》提出要培养人工智能领域技术人才，确保在 2025 年之前每年培养和录用几十万名 IT 人才。此外，还发布了《集成创新战略》，将人工智能指定为重点发展领域之一，提出要加大其发展力度，同时强调要加强人工智能领域人才培养。2018 年 12 月 27 日，日本内阁府发布《以人类为中心的人工智能社会原则》推进人工智能发展，从宏观和伦理角度表明了日本政府的态度，主张在推进人工智能技术研发时，综合考虑其对人类、社会系统、产业构造、创新系统、政府等带来的影响，构建能够使人工智能有效且安全应用的“AI-Ready 社会”，于 2019 年 3 月正式公布。此原则是将人工智能(Artificial Intelligence, AI)视为未来的关键科技，但在研发应用上，须以联合国的持续发展目标(Sustainable Development Goals, SDGs)为基础，以落实日本“超智能社会”(Society 5.0)为准则，其基本理念是 Dignity、Diversity & Inclusion 及Sustainability，并且建构“尊重人类尊严”、“不同背景的大众皆能追求幸福”及“持续性”的社会。韩国：提升领域竞争力发展成为“AI 强国”。韩国政府于 2019 年 12 月 17 日公布“人工智能（AI）国家战略”，以推动人工智能产业发展。该战略旨在推动韩国从“IT 强国”发展为“AI 强国”，计划在 2030 年将韩国在人工智能领域的竞争力提升至世界前列。并且，提出构建引领世界的人工智能生态系统、成为人工智能应用领先的国家、实现以人为本的人工智能技术。在人工智能生态系统构建和技术研发领域，韩国政府将争取至2021 年全面开放公共数据，到 2024 年建立光州人工智能园区，到 2029 年为新一代存算一体人工智能芯片研发投入约 1 万亿韩元。其他国家：加拿大在 2017 年宣布了泛加拿大人工智能战略，承诺提供 1.25 亿加元的加拿大人工智能研究与开发。这一战略旨在增加加拿大的 AI 和毕业生人数。在埃德蒙顿、蒙特利尔和多伦多建立科学卓越中心。建立加拿大在 AI 经济、伦理、政策和法律研究方面的全球思想领导地位。法国于 2018 年 3 月发布 AI 战略，将投入 1.5 亿欧元把法国打造成 AI 研究、训练和行业的全球领导者。该计划由四个部分组成，一是宣布国家人工智能计划，将在法国各地建立一个由四五个研究机构组成的网络；二是将制定一项开放数据政策，推动人工智能在医疗等领域应用；三是政府将创建一个监管和金融框架，以支持国内“人工智能冠军企业”的发展；四是政府将制定道德规范。印度在 2018 年 6 月发布《人工智能国家战略》，探求如何利用人工智能来促进经济增长和提升社会包容性，寻求一个适用于发展中国家的 AI 战略部署。该战略旨在提高印度人的工作技能，投资于能够最大限度地提高经济增长和社会影响的研究和部门，以及将印度制造的人工智能解决方案推广到其他发展中国家。以色列于 2019 年 11 月发布了国家级人工智能计划，提出以色列要成为人工智能的世界五大国之一。并且政府以五年为一期，每年投资 10 至 20 亿新谢克尔（约 2.89 亿至 5.8 亿美元）开发人工智能技术，总共投资 100 亿新谢克尔（约28.93 亿美元）于人工智能领域。西班牙于 2019 年 3 月发布《西班牙人工智能研究、发展与创新战略》，认为最优先事项是建立一个有效的机制，以保障人工智能的研究、发展、创新，并评估人工智能对人类社会的影响。中国AI发展支持政策：党和国家高度重视 AI 发展，从产业发展、教育等各个方面支持人工智能的发展。习近平总书记也曾多次强调用人工智能开辟社会治理新格局、人工智能为高质量发展赋能。早在 2015 年，《国务院关于积极推进“互联网+”行动的指导意见》就提出加快人工智能核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域推广应用的目标。近年来发布了一系列的支持人工智能发展政策，如下图所示。▲中国人工智能发展重要支持政策进入 2020 年，国家大力推进并强调要加快 5G 网络、人工智能、数据中心等新型基础设施建设进度。人工智能技术被视为新一轮产业变革的核心驱动力量。此外，教育部、国家发展改革委、财政部联合发布了《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》，提出要构建基础理论人才与“人工智能+X”复合型人才并重的培养体系，探索深度融合的学科建设和人才培养新模式。7 月，国家标准化管理委员会、中央网信办、国家发展改革委、科技部、工业和信息化部联合印发《国家新一代人工智能标准体系建设指南》（国标委联〔2020〕35 号），以加强人工智能领域标准化顶层设计，推动人工智能产业技术研发和标准制定，促进产业健康可持续发展。2、人工智能未来技术研究方向人工智能经历几波浪潮之后，在过去十年中基本实现了感知能力，但却无法做到推理、可解释等认知能力，因此在下一波人工智能浪潮兴起时，将主要会去实现具有推理、可解释性、认知的人工智能。2015 年，张钹院士提出第三代人工智能体系的雏形。2017 年，DARPA 发起 XAI 项目，核心思想是从可解释的机器学习系统、人机交互技术以及可解释的心理学理论三个方面，全面开展可解释性AI 系统的研究。2018 年底，第三代人工智能的理论框架体系正式公开提出，核心思想为：（1）建立可解释、鲁棒性的人工智能理论和方法；（2）发展安全、可靠、可信及可扩展的人工智能技术；（3）推动人工智能创新应用。其中具体实施的路线包括：（1）与脑科学融合，发展脑启发的人工智能理论；（2）探索数据与知识融合的人工智能理论与方法。虽然还没有明确第三代人工智能是什么，但是其趋势是清晰的。Gartner 2020 年人工智能技术成熟度曲线图显示，如下图所示。2020 年人工智能技术成熟度曲线共有 30 项技术出现，其中有 17 项技术需要 2 到 5 年才能达到成熟期，有 8 项技术需要 5 到 10 年才能达到成熟期。出现的这些技术基本处于创新萌芽期、期望膨胀的顶峰期和泡沫低谷期，而“稳步爬升的光明期”和“实质生产的高峰期”出现的技术寥寥无几，仅有 Insight Engines（洞察引擎）和 GPUAccelerators （GPU 加速器）。▲Gartner 2020 年人工智能技术成熟度曲线图通过对 2020 年人工智能技术成熟度曲线分析，并结合人工智能的发展现状，本报告认为人工智能下一个十年重点发展的方向包括：强化学习（Reinforement Learning）、神经形态硬件（Neuromorphic Hardware）、知识图谱（Knowledge Graphics）、智能机器人（Smart Robotics）、可解释性 AI（Explainable AI）、数字伦理（Digital Ethics）、自然语言处理（Natural Language Processing）等技术处于期望膨胀期，表明人们对 AI 最大的期待，达到稳定期需要 5-10 年，是 AI 未来十年重点发展方向。（1）强化学习（Reinforement Learning。 ）。强化学习用于描述和解决智能体在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。强化学习不受标注数据和先验知识所限制，而是通过接收环境对动作的奖励（反馈）获得学习信息并更新模型参数。由于智能体和环境的交互方式与人类和环境的交互方式类似，强化学习可以认为是一套通用的学习框架，可用来解决通用人工智能的问题。（2）神经形态硬件（Neuromorphic Hardware。 ）。神经形态硬件旨在用与传统硬件完全不同的方式处理信息，通过模仿人脑构造来大幅提高计算机的思维能力与反应能力。采用多进制信号来模拟生物神经元的功能，可将负责数据存储和数据处理的元件整合到同一个互联模块当中。从这一意义上说，这一系统与组成人脑的数十亿计的、相互连接的神经元颇为相仿。神经形态硬件能够大幅提升数据处理能力和机器学习能力，能耗和体积却要小得多，为人工智能的未来发展提供强大的算力支撑。（3） 知识图谱（Knowledge Graphics。 ）。要实现真正的类人智能，机器还需要掌握大量的常识性知识，以人的思维模式和知识结构来进行语言理解、视觉场景解析和决策分析。知识图谱将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力，被认为是从感知智能通往认知智能的重要基石。从感知到认知的跨越过程中，构建大规模高质量知识图谱是一个重要环节，当人工智能可以通过更结构化的表示理解人类知识，并进行互联，才有可能让机器真正实现推理、联想等认知功能。清华大学唐杰教授在知识图谱的基础上提出的“认知图谱=知识图谱+认知推理+逻辑表达”，为人工智能未来十年的发展提供了研究方向。（4）、智能机器人（Intelligent Robot）。智能机器人需要具备三个基本要素：感觉要素、思考要素和反应要素。感觉要素是利用传感器感受内部和外部信息，如视觉、听觉、触觉等；思考要素是根据感觉要素所得到的信息，思考出采用什么样的动作；反应要素是对外界做出反应性动作。智能机器人的关键技术包括多传感器信息融合、导航与定位、路径规划、智能控制等。由于社会发展的需求和机器人应用行业的扩大，机器人可以具备的智能水平并未达到极限，影响因素包括硬件设施的计算速度不够、传感器的种类不足，以及缺乏机器人的思考行为程序难以编制等。（5）、可解释人工智能 （Explainable AI）。虽然深度学习算法在语音识别、计算机视觉、自然语言处理等领域取得令人印象深刻的性能，但是它们在透明度和可解释性方面仍存在局限性。深度学习的不可解释性已经成为计算机领域顶级会议（如 NIPS）火药味十足的讨论话题。一些方法尝试将黑盒的神经网络模型和符号推理结合了起来，通过引入逻辑规则增加可解释性。此外，符号化的知识图谱具有形象直观的特性，为弥补神经网络在解释性方面的缺陷提供了可能。利用知识图谱解释深度学习和高层次决策模型，是当前值得研究的科学问题，可以为可解释的 AI 提供全新视角的机遇。张钹院士指出当前人工智能的最大问题是不可解释和不可理解，并提倡建立具有可解释性的第三代人工智能理论体系。（6）、数字伦理（Digital Ethics。 ）。作为新一轮科技革命和产业变革的重要驱动力，人工智能已上升为国家战略，人工智能将会在未来几十年对人类社会产生巨大的影响，带来不可逆转的改变。人工智能的发展面临诸多现实的伦理和法律问题，如网络安全、个人隐私、数据权益和公平公正等。为了让人工智能技术更好地服务于经济社会发展和人民美好生活，不仅要发挥好人工智能的“头雁”效应，也要加强人工智能相关法律、伦理、社会问题等方面的研究。数字伦理将是未来智能社会的发展基石，只有建立完善的人工智能伦理规范，处理好机器与人的新关系，我们才能更多地获得人工智能红利，让技术造福人类。（7）、自然语言处理（Nature Language Processing ）。深度学习在自然语言处理取得了巨大突破，它能够高效学习多粒度语言单元间复杂语义关联。但是仅仅依靠深度学习并不能完成对自然语言的深度理解。对自然语言的深度理解需要从字面意义到言外之意的跃迁，这需要引入复杂知识的支持。丰富的语言知识能够提升模型的可解释性，可覆盖长尾低频语言单位的知识规则能够提升模型的可扩展性，而异质多样的知识与推理体系能够提升模型鲁棒性。因此有必要研究知识指导的自然语言处理技术，揭示自然语言处理和知识产生及表达的机理，建立知识获取与语言处理双向驱动的方法体系，实现真正的语言与知识智能理解。3、 面临的问题随着人工智能的快速发展和应用，人们越来越重视随之而来的安全和伦理问题。AI 发展面临着诸多安全和伦理方面的挑战。安全挑战主要包括三个方面：一是人工智能可以替代体力劳动和脑力劳动，相应的岗位替代作用影响着人类就业安全；二是建立在大数据和深度学习基础上的人工智能技术，需要海量数据来学习训练算法，带来了数据盗用、信息泄露和个人侵害的风险。许多个人信息如果被非法利用，将会构成对隐私权的侵犯。三是人工智能具有强大的数据收集、分析以及信息生成能力，可以生成和仿造很多东西，甚至包括人类自身。随之而生的虚假信息、欺诈信息不仅会侵蚀社会的诚信体系，还会对国家的政治安全、经济安全和社会稳定带来负面影响。人工智能发展面临的伦理挑战主要来自以下方面。一是人们对智能化的过度依赖。人工智能发展带来的简易、便捷的智能化工作和生活方式的同时，严重挤占了人们用于休息的自由时间、用于劳动的工作时间和用于个人全面发展的时间，由此催生了许多人的懒惰和对智能产品的过度依赖；同时，个性化新闻推荐或者自动生成的新闻，真假难辨的广告和宣传给人们封闭在“信息茧房”里。甚至逐渐失去了独立自由决策的能力，成为数据和算法的奴隶。二是情感计算技术和类脑智能技术的创新融合发展， 可能扰乱人们对于身份和能动性的认知。人类大脑与机器智能直接连接，会绕过大脑和身体正常的感觉运动功能；增强型神经技术的应用也可能改变人的体能和心智。这是对人类社会的道德社会规范和法律责任的挑战。三是智能算法歧视将带来的偏见。人工智能以大数据和深度学习为基础，数据、算法以及人为因素会导致计算结果的偏见和非中立性，比如性别歧视、种族歧视以及“有色眼镜”效应。数据和算法导致的歧视往往具有更大的隐蔽性，更难以发现和消除。例如，微软在 Twitter 上上线的聊天机器人 Tay 在与网民互动过程中，由于大量恶意数据的输入，成为集性别歧视、种族歧视等于一身的“流氓”，它不但辱骂用户，还发表了种族主义评论和煽动性的政治宣言。四是人工智能对人类造成的威胁和伤害。智能武器是可自动寻找、识别、跟踪和摧毁目标的现代高技术兵器，包括精确制导武器、智能反导系统、无人驾驶飞机、无人驾驶坦克、无人驾驶潜艇、无人操作火炮、智能地雷、智能鱼雷和自主多用途智能作战机器人等，它将成为未来战场主力军，信息处理和计算能力成为战争胜负的决定因素。人工智能武器是继火药和核武器之后战争领域的第三次革命。人工智能如果被赋予伤害、破坏或欺骗人类的自主能力，将是人类的灾难，后果难以想象。面对人工智能带来的安全和伦理问题，受到越来越多各方关注和应对。2020年，美国国防部下属的国防创新委员会推出了《人工智能伦理道德标准》，公布了人工智能五大伦理原则，即负责、公平、可追踪、可靠和可控。无论作战还是非作战人工智能系统，均须遵守上述原则，否则美国防部将不予部署。牛津大学成立了人工智能伦理研究所（Institute for Ethics in AI），并委任了由 7 位哲学家组成的首个学术研究团队。中国人工智能学会伦理专业委员会也正着手进行中国人工智能伦理规范研究。科技是未来竞争的制高点。虽然科技无国界，但是科技公司有国界。当前世界各国对人工智能技术发展都不遗余力地投入和支持，同时，还使用不同方法保护自己的科技成果，封锁前沿技术和“卡脖子”技术外流路径，这将在一定程度上限制人工智能技术创新要素的自由流动。从全球范围来看，中国和美国人工智能领域科研论文和专利产出数量最多的两个国家。但是近年来， 中美 两国在人工智能技术领域的 贸易关系 则存在 摩擦。2018 年11月19日美国商务部工业安全署（ BIS ）出台了一份针对关键新兴技术和相关产品的出口管制框架 ，其中在人工智能领域包括神经网络和深度学习、进化和遗传计算、强化学习、计算机视觉、专家系统、语音和音频处理、自然语言处理、规划、AI 芯片组、AI 云技术、音频和视频操作技术共计 11 项技术。2019年 10 月 7 日， 美国 BIS 部门把 8家计算机视觉领域的 中国科技企业加入 “ 实体清单 ”。清单中的实体须在有许可证的情况下才可购买美国技术与产品，但美政府有权拒绝许可申请。在字节跳动 TikTok 公司出售在美业务的谈判过程中，2020 年8 月28 日，》 中国商务部、科技部调整发布了最新版的《中国禁止出口限制出口技术目录》（商务部 科技部公告 2020 年第 38 号）。在最新目录中， 语音合成、人工智能交互界面、语音评测、基于数据分析的个性化信息推送服务、无人机、量子密码等技术均被列入“限制出口”名单。根据《中华人民共和国技术进出口管理条例》，凡是涉及向境外转移技术，无论是采用贸易还是投资或是其他方式，均要严格遵守《中华人民共和国技术进出口管理条例》的规定，其中限制类技术出口必须到省级商务主管部门申请技术出口许可，获得批准后方可对外进行实质性谈判，签订技术出口合同。在大型跨国公司的收购过程中， 相关国家政府批准出售是交易宣告成功的必要条件。对于字节跳动出售 TikTok 业务来说，有可能出现其中一个国家政府出面阻止交易的情况。根据人工智能技术关键词获取中美两国的论文数据，生成中国和美国在不同领域的研究成果对比图，如下图所示。分析发现，在被限制出口的计算及服务业技术中， 中国在以人脸识别为代表的计算机视觉、语音识别与自然语言处理（特别是中文）上有着较美国领先的优势，主要体现在高水平论文发表量、专利申请量两方面。▲中国和美国 2011-2020 年在三个 AI 子领域的高水平论文量和专利申请量对比图在语音识别、图像识别、自然语言处理技术上，中国国内市场提供了稳定庞大的用户与数据供应，以及政策支持为产业发展带来的所需资源和资本聚集，这些本土化优势，对于外国企业来说是不可复制的。中国目前在计算机视觉领域的领先企业以 SenseTime，Face ++，YITU 和海康威视为代表， 技术优势主要体现在人脸识别，在2017 年中国在 这一领域获得的专利数量大约是美国公司的6 倍，其应用场景多为安全监控系统。相比而言，由于隐私政策，欧美的 人脸识别技术难以发展实行，例如 2020 年 8 月 12 日英国法院裁决警察部门使用自动面部识别（AFR）违反了数据保护和平等法以及隐私权。在语音识别领域，中国企业表现较优秀，特别是在中文识别和处理上。科大讯飞 iFlytek、依图科技 YITU、百度、腾讯、阿里巴巴等企业依靠中国庞大的中文用户，能获得远超美国能获得的中文语音数据库，这使得其语音识别 AI 有更好的语音识别学习条件。例如，腾讯可从其月活超 10 亿的微信用户那里获得中文语音数据。 这一点是中国企业在中文语音识别技术上不可复制的优势 。在自然语言处理领域，百度的能力被认为超过微软和谷歌。受 Google 的 BERT启发，百度的自然语言处理模型 ERNIE 最初是为理解汉语而开发的，但是它也能够更好地理解英语。Google 的模型在学习时会在每个序列中隐藏 15％的单词，然后尝试根据上下文进行预测。基于类似的方法，百度团队通过让其 AI 模型预测文章中一串被隐藏的汉字，来学习文字组合的联系。不同于被微软和谷歌使用的英文，中文的特性要求 ERNIE 模型必须能够理解汉字组合后的出现的内在含义。结果显示，其在 GLUE 得分为第一名 90.1，超过微软和谷歌的模型得分。▲中国和美国 2011-2020 年在三个 AI 子领域专利公开趋势研究发现， 中国在人工智能和机器学习技术领域发展迅速，相关领域中在 国学者的论文发表量在 2008 年前后已经赶超美国。值得注意的是， 中国杰出学者的国际合作对象国家不均衡，呈现出美国“一家独大”局面。以合发论文为产出指标看中国杰出学者开展国际合作的情况，中国杰出学者与美国合作紧密度最高，人数占比约 62.3%，其次是英国（14.7%）、德国（13.7%）、澳大利亚（9.5%）和新加坡（9.2%）。随着贸易战的不断升级蔓延，中美关系日益复杂，正常的科技与学术交流受阻，容易对我国的相关技术领域发展与人才培养造成不利影响。在严峻的国际大环境下，未来人工智能技术自由交流发展将无疑受到影响。考虑到数据安全等多种因素，未来的基于数据分析的个性化信息推送服务技术，对外技术支持与技术服务出口都将受到限制。智东西认为，每一次的经济大发展都与科技的突破紧密相关，近些年世界经济很大程度上都是由信息产业的发展带动起来。现在，人工智能技术的逐渐成熟，下游应用不断拓展等种种迹象表明科技正迎来新的爆发期，全球科技竞赛也将再次掀起高潮。中国想要在这轮科技革新中占得先机，就需要加强技术预判，找准方向，提早部署，特别是在一些基础性、突破性的领域精准布局。收起

今天，掌上高考APP“知分选专业”栏目带大家了解的是2020年中国传媒大学各专业录取情况。中国传媒大学简称“中传”，是教育部直属的“一流学科建设高校”、“211工程”重点建设大学、“985优势学科创新平台”重点建设高校，被誉为“中国广播电视及传媒人才摇篮”“信息传播领域知名学府”。知名校友有：白岩松、康辉、丁文华、刚强、海霞、欧阳夏丹、李梓萌、郭志坚、赵月枝等。（排名不分先后）学校始建于1954年，2004年8月由北京广播学院更名为中国传媒大学。在教育部第四轮学科评估中，该校新闻传播学、戏剧与影视学被评为A+学科，艺术学理论被评为A-学科。那么，“中传”2020年各专业录取分数及对应位次是多少呢？一起来了解~北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西 山东 河南湖北湖南广东广西海南重庆四川贵州云南西藏陕西甘肃青海宁夏新疆据中国传媒大学官网介绍，“中传”是信息传播研究领域的学术重镇。学校设有协同创新中心，建有传播研究院、艺术研究院、国家广告研究院、雄安新区发展研究院、新媒体研究院、互联网信息研究院、脑科学与智能媒体研究院，建有26个国家级、省部级科研平台，2个国家级实验教学示范中心，6个北京市实验教学示范中心。学校主持完成了国家数字中短波广播技术标准制订与系统研制、参与国家手机电视、移动多媒体技术标准制订，在数字广播技术领域处于国内领先、国际先进水平。所以，如果你对以上研究领域或学校开设的专业有兴趣，可以多多关注哦~收起

在教育部发布的《关于公布首批“新工科”研究与实践项目的通知》中提到，要求推进“新工科”的建设，重视数学、统计学、物理学、生物学、控制、人工智能与计算机、心理学、社会学、法学等学科专业教育的交叉融合，并形成一个新的人工智能+X的复合专业培养模式。人工智能，可以说是近几年迅速火热起来的一个专业、行业。自从火热起来以后，各行各业都在朝着这个方向靠拢，而高校作为人才的主要培养地，也是人才的主要输出渠道，也各个率先发力，争先开设人工智能专业。到2019年3月统计，共有35所大学开设了人工智能专业，大多数都是工科领域非常强大的大学。截止到2020年3月，教育部公布的《2019年度普通高等学校本科专业备案和审批结果》中，申请新增人工智能专业的高校，达到了180多所，另外像数据科学与大数据技术专业，也是新增比较多的人工智能相关专业。中国科学院大学在2017年成立了人工智能学院；中山大学在2018年开设了人工智能学院；北京邮电大学在2020年开设了人工智能学院。除了这几所大学，还有不少大学，虽然没有成立相关学院，但是也开设了人工智能相关专业：如人工智能、数据科学与大数据技术专业、大数据管理与应用。在本次新增人工智能专业的高校名单中，教育部直属的高校有15所，工业和信息化部直属高校1所，国家民族事务委员会直属高校2所，北京市4所、天津市6所、云南省5所等，基本上全国各省都有新增。这些新增人工智能专业的大学，但大部分都是工科类大学，除985、211以外，很多师范类高校，也申请了人工智能专业。但是，如果没有人工智能专业，难道就做不了人工智能吗？当然不是的。计算机类专业、数学类专业、统计学类专业、自动化、电子信息工程已经足够用了。但是，单一学习这些专业，想要从事人工智能是不够的；人工智能专业的诞生，原本是想要把这些专业的核心课程拿出来，再加上硕士阶段的人工智能相关课程，组成人工智能专业。但是理想很丰满，现实很骨感，就像是人工智能，就是为了适应热门行业的产物，强行把行业和专业划等号，但凡是对人工智能行业有所了解的，都知道人工智能行业和人工智能专业是两码事。很多媒体更可笑的是，在对人工智能一无所知的情况下，鼓吹人工智能岗位缺口几百万，毕业就业年薪高达几十万：“人工智能人才缺口超过500万，补齐人才短板乃是当务之急“人工智能就业前景越来越严峻了，你还在坚持吗？”“如何看待2020届校招算法工程师求职人数远大于招聘岗位的现象？”看看这些耸人听闻的标题，我想说的是冷静、冷静、再冷静，说句不客气的话，大部分自媒体除了抓眼球，蹭热度之外，对人工智能这个词基本是一无所知，反正觉得大家都在说，那就是好，什么缺口500万，都敢说，误导了不少人。人工智能的误区：1、人工智能和金融很像，没有具体的、统一的、清晰的概念，也没有具体的指向。这是一个全新的领域，人工智能的概念，已经大大超越了行业的概念，它是模仿、研究人类智力活动的决策、优化、控制、学习等问题的集合，几乎和所有行业都有可能产生密切的联系。所以人工智能包含的范围太大，而且作为一项新兴技术，是在不断变化和延伸的；想从事人工智能相关的岗位，本科学历基本是不可能，也不现实的，至少也需要硕士研究生学历，还有很多岗位，甚至要有博士学历才可以做。2、人工智能不是一个具体的专业，人工智能应该像计算机科学与技术、自动化一样成为一级学科，而不是一个专业。因为人工智能是一个很大的范围，比如很多学校大多数设置的是XX专业的人工智能方向。我的建议：1、我不建议选择人工智能做为本科专业的；2、如果确实是非常喜欢人工智能，那985以下的学校就不要考虑了，因为学这个专业一定是需要考研深造的，我们都知道，好的大学不仅升学率高，学校还有保研名额，可以为将来的发展提供很好的资源和平台。3、由于，人工智能是新开设的专业，所以没有一个相对成熟的教学模式，可以说目前的状况就是，学校各自为政，很多学校就是把数学、计算机、统计、电子、通信等各专业的课程全凑在一起，课程比例划分也五花八门，造成课程不仅繁多而且没有重点。并且，第一批选择人工智能专业的学生还没有毕业，所以在报考时，也没有可以参考的以往数据，将来的就业情况也不了解，所以选择的时候一定要慎重。如果是，考生真的比较想学习人工智能，并由决心往这个方向发展，那么首先要了解，人工智能专业它涉及到哪些方面，那本科我推荐选择这些专业：我们说人工智能，最核心的是什么，是决策、算法，这个算法实际体现出来就是数学，虽然数学有算法，但是数学的算法并不能直接解决问题，所以如果数学要变成人工智能，必定离不开计算机，那是不是数学加上计算机，就能变成人工智能呢？并不是的，因为要模仿人的思维过程的话，必要要研究人，比如说脑科学，心理学，生物，所以如果笼统一点，简单的说，将来想学人工智能，选择数学、计算机是可以的，如果再深入一点，涉及到人文、生物等，那选择生物、医学，将来也是可以和人工智能挂上钩的。如果你是已经是人工智能在读了，如果想要更好的就业：1、如果你是本科生，最好读个研究生，能读个博士更好；2、公司在实际招聘人工智能岗位中，都是会有一个特定的方向，比如：图像、声音、自然语言处理、大数据等，那每一个方向所需要重点具备的算法原理和实践经验都不一样。所以，自己一定要能在一到两个方向上，比较擅长。总的来说：未来人工智能肯定会发展起来，但是就目前而言，中短期内，行业肯定需要高质量的人才，需要在人工智能的某一领域学精学专业，可能有一段时间会有很多被行业热吸引进来的人，但是，那些滥竽充数的终究会被淘汰出去，如果你是有本事的人工智能专家，你在哪里都抢手。收起

11月20日，网上一则关于人工智能（AI）应届博士生招生方案火了，博士生年薪一年之内从50万涨到80万。人工智能为什么这么火？哪些大学开设有相关专业？本文为你揭秘！文中这样讲述目前人工智能领域人才的稀缺：一年前，针对AI领域的应届毕业生，硕士生约能拿到30万元的年薪，博士生则高达50万元。今年，薪水行情仍在蹭蹭上涨。有企业给应届生的薪水拔高了10%~20%；也有企业上涨幅度更大，尤其是给博士生的薪水从去年的50万元年薪倏地蹿到80万元；也有准备布局AI领域的新锐企业，虽然还没考虑好具体的价位，但是打算花高价从互联网巨头处抢夺人才。该报道还发现一个“有趣”的现象，就是企业并不直接去招聘会现场招募AI人才，因为太抢手了，这些人基本都不用去招聘会：即使是AI专业的应届生，也完全不需要大费周章来现场找工作，企业会早早通过导师或实验室找到他们；而对那些有经验的研发人才，猎头会主动上门联系。在经验丰富的人才稀缺的背景下，应届博士生相对于硕士生而言，更是“香饽饽”。他们大多已经跟随导师做过相关的项目，并因此积累了一定的AI技术和经验，因而很受企业的欢迎。有公司的人力资源负责人表示，他还不清楚如果招AI人才，具体要开多少价位。但他确定的是，这些人才看重的不仅仅是薪酬，还看重平台和稳定的前景等。他们要抢人的话，只能开价更高。人工智能是产业发展的趋势，在产业推动和人才培养方面，政府和高校起着很大的作用。去年3月的全国“两会”上，“人工智能”首次正式被写入政府工作报告。去年7月，国务院印发《新一代人工智能发展规划》。去年11月15日，科技部召开新一代人工智能发展规划暨重大科技项目启动会，会上宣布成立新一代人工智能发展规划推进办公室，由科技部、国家发展改革委、财政部等15个部门构成。在今年的政府工作报告中，人工智能继续被提及，报告指出要“加强新一代人工智能研发应用”。在人才市场巨大的需求推动下，去年以来，一批以人工智能为代表的高新技术专业在高校间开启了一波兴建潮。2018年4月2日，教育部印发《高等学校人工智能创新行动计划》提出，完善人工智能领域人才培养体系，完善学科布局、加强专业建设、教材建设、人才培养，推动人工智能领域一级学科建设。继2017年中国科学院大学、西安电子科技大学等高校设立人工智能学院之后，2018年，清华大学、南京大学等一批高校也纷纷设立人工智能学院或研究院。2018年有上交大、西安交大、北邮、电科大4所高校自主招生开设人工智能专业。可以预测未来会有更多的高校把人工智能纳入自主招生范畴。吉林大学人工智能学院2018 年 5 月 26 日成立。吉林大学人工智能学院院长常毅表示，学院接下来的发展将「三管齐下」：一是夯实人工智能的基础理论研究;二是以「人工智能 + 企业」模式，加大与国内高科技企业的合作;三是突出学科交叉，将人工智能与其它学科紧密结合。天津大学人工智能学院2018 年 5 月 16 日成立。天津大学人工智能学院侧重脑认知计算、先进机器学习、智能语音处理、自然语言处理等方向。到 2020 年，天津大学人工智能学院初具规模。南开大学人工智能学院2018 年 5 月 16 日成立。南开大学人工智能学院侧重特种机器人、智慧医学工程、智慧城市、智慧金融等方向。哈尔滨工业大学人工智能研究院2018 年 5 月 5 日成立。该院将按照理论、技术、平台、应用 4 个层次，人工智能基础与机器学习、智能控制理论、脑科学与类脑智能、机器感知与模式识别、自然语言处理与知识工程、混合增强智能、自主智能、人工智能应用(包括智能制造、智能土木、智能金融与商务、智能养老、智能遥感等)8 个方向组建。南京图灵人工智能研究院2018 年 4 月 20 日成立。由清华大学交叉信息研究院与南京市共同建立的新型研发机构。南京大学人工智能学院(本科招生)2018 年 3 月 6 日成立。由周志华教授主持工作，初定本科生招生规模为 60-100 人。南京大学人工智能学院是南京市政府合作项目，与计科院、软件学院平级。上海交通大学人工智能研究院2018 年 1 月 18 日成立。中国科学院院士、上海交通大学人工智能研究院院长毛军发表示，研究院将立足于数据、算法、芯片这三大要素，在人工智能基础理论与技术方面，研发新一代机器学习理论与开源软件，结合已有的研究优势及未来媒体网络协同创新中心、上海市可扩展计算与系统重点实验室等基地，引领智能时代事实上的「操作系统」，形成网络环境下超人感知认知能力。苏州大学人工智能研究院(本科招生)2017 年 11 月 19 日成立。研究院将围绕学科方向，开展博士、硕士及本科生的培养，逐步形成「人工智能 + X」复合专业培养新模式，拓展人工智能与数学、计算机科学、物理学，生物学、心理学、社会学、法学等本科专业教育的交叉融合，在人工智能医疗大健康、机器人、AR/VR，智慧城市等多个科研方向，以开展原创性重大理论与实践问题研究和取得重大标志性成果为目标，开创国家(地区)重大战略需求领域科学研究，扩大国际交流与合作，提高国际影响力。西安电子科技大学人工智能学院(本科招生)2017 年 11 月 2 日成立。在人才培养方面，人工智能学院将以智能科学与技术等本科专业为主体进行培养，未来还将成立「图灵实验班」，探索人工智能领域拔尖创新人才培养路径。科学研究方面，依托学校「智能感知与计算国际联合研究中心」、「智能感知与图像理解实验室」教育部重点实验室、「智能感知与计算国际合作联合实验室」等研究平台，以及在感知认知、机器学习、自然计算与计算智能等领域的研究基础，西电人工智能学院将面向复杂影像感知与人工智能、类脑智能与深度学习、视频感知与光电智能系统、数据科学与大数据关键技术、智能控制与机器人系统和高性能智能计算等开展科学研究。中国科学院大学人工智能技术学院2017 年 9 月 10 日成立。由中国科学院自动化研究所承办，中国科学院计算技术研究所、沈阳自动化研究所、软件研究所、声学研究所、深圳先进技术研究院、数学与系统科学研究院、重庆绿色智能技术研究院参与共建，是我国在人工智能领域首个开展教学和科研工作的新型科教融合学院。人工智能技术学院由中国科学院自动化所所长徐波担任院长。中山大学智能工程学院(本科招生)2017 年 5 月成立。现有两个二级学科：模式识别与智能系统、检测技术与自动化装置;两个本科专业：自动化、智能科学与技术;将重点发展以下三个领域： 1. 智能信息处理领域：智能影像、虚拟现实、数据挖掘与分析、计算机视觉、机器学习等。2. 智能控制技术领域：运动控制、智能芯片、智能传感器、智能器械等方向。3. 智能系统工程领域：智能汽车、自动驾驶系统、车联网、无人机系统、无人船系统、先进制造等方向。除了这些知名院校，一些地方本科和独立学院，也纷纷开设与人工智能有关的专业。首批国家新一代人工智能开放创新平台名单：①依托百度公司建设自动驾驶国家新一代人工智能开放创新平台，②依托阿里云公司建设城市大脑国家新一代人工智能开放创新平台，③依托腾讯公司建设医疗影像国家新一代人工智能开放创新平台，④依托科大讯飞公司建设智能语音国家新一代人工智能开放创新平台。首批国家新一代人工智能开放创新平台为什么选择了它们？看百度，无人车量产计划表正在提前！16日上午，百度创始人、董事长兼CEO李彦宏在2017年百度世界大会上说，今年7月百度AI开发者大会之后，他被问的最多的问题，是自己坐无人车上北京五环有没有吃到罚单，事实是确实收到了一张罚单。无人驾驶罚单已经来了，无人车量产还会远吗？外界对于无人车量产的时间表是2020年，百度“不满足”，正在把这个时间提前。前不久百度刚刚宣布和金龙汽车合作，生产一款无人驾驶的小巴车，在2018年7月份实现量产。看阿里云公司，打造全球最大规模的人工智能公共系统！阿里云ET城市大脑是目前全球最大规模的人工智能公共系统，可以对整个城市进行全局实时分析。目前ET城市大脑已经在杭州、苏州等地落地。杭州城市大脑接管了杭州128个信号灯路口，试点区域通行时间减少15.3%，高架道路出行时间节省4.6分钟。在主城区，城市大脑日均事件报警500次以上，准确率达92%；在萧山，120救护车到达现场时间缩短一半。看腾讯，AI产品为患者送上健康的福音！8月初，腾讯发布了一款AI医学影像产品——腾讯觅影。腾讯觅影是首款AI食管癌筛查系统，准确率超过90%；在肺结节方面，觅影可以检测出3毫米及以上的微小结节，检测准确率超过95%。未来腾讯觅影将与医学院和医疗结构合作助力更多病种检测。看科大讯飞，在语音识别领域连创佳绩！现在科大讯飞语音识别的准确率已经从2010年刚刚发布语音云时的60.5%升级到95%，语音合成技术在国际语音合成比赛Blizzard Challenge上取得12连冠的成绩。智能科学与技术本科专业是一门融合了电气、计算机、传感、通讯、控制等众多学科领域，多学科相互合作、相互研究的跨学科专业。有些考生认为智能科学与技术专业有“智能”两个字，就一定是学习如何制造机器人的专业，其实并非如此。智能科学与技术专业并不教学生如何制造机器人。制造机器人相当于制造人的四肢，需要考虑硬件标准是否合乎工作要求。而智能科学与技术专业要做的是在硬件基础上，给机器人赋予一个类似人的大脑、神经传导及信息处理系统，让这个机器大脑通过一定的方式判断、决策并控制机器人如何行动，使得机器人最有效地发挥作用。目前，全国仅有20多所高校招收智能科学与技术专业，其中，开设该专业较早的高校有北京大学、北京邮电大学、南开大学、西安电子科技大学、华南理工大学、中南大学、中山大学、北京科技大学、厦门大学、东北电力大学、首都师范大学、北京信息科技大学、西安邮电大学等。近几年，华南理工大学、大连东软信息学院等院校也新开设了该专业。需要注意的是，智能科学与技术专业的录取平均分一般略低于计算机科学与技术等专业。光电信息科学与工程属于工学中的电子信息类。2012年教育部调整专业名称，将光信息科学与技术、光电子技术科学、信息显示与光电技术、光电信息工程、光电子材料与器件等五个专业合并为“光电信息科学与工程”。光电信息科学与工程专业要求学生具有较扎实的数学、物理基础和较强的逻辑思维能力，喜欢科学实验和动手实践，更重要的是需要具有一颗深入探究新事物的好奇心。很多选择光电专业的过来人都说，光电专业有几个特点：一是课程难；二是本科生找工作难；三是出国深造的多。其实这三点是有联系的。第一点从专业课能够看出来，这个专业比较偏物理，还有一些光学、量子力学、电子等比较难的课程。当然如果你想跨专业考研，还是比较有优势的。第二点也比较好理解，这个专业就业面向的不是科研院所就是高科技企业，起点一般都是研究生，本科生需求并不多。既然市场需求如此，考研和出国深造的势必就多了。目前全国开设该专业的院校有200余所。其中代表院校如：浙江大学、华中科技大学、天津大学、国防科学技术大学、南开大学、哈尔滨工业大学等。各高校根据自身发展和情况有不同的优势和侧重，主要培养方向有：光电仪器、光学工程、光通信技术、光电信息技术等。新能源科学与工程属于工学中的能源动力类。由于它是面向新能源产业的，其学科交叉性强、专业跨度大，学科基础来自于多个理科和工科，与物理、化学、材料、机械、电子、信息、软件、经济等诸多专业密切相关。比如，华中科技大学的新能源科学与工程专业的培养目标是集清洁与可再生能源科学及工程知识与现代信息技术为一体的跨学科复合型高级技术人才和管理人才。厦门大学新能源科学与工程专业是面向核能、太阳能、风能、生物质能、化学储能、能效等国家急需的新能源产业方向，培养具有创新精神和实践能力的科学研究、技术开发、工程应用、经营管理人才的新兴专业。河海大学新能源专业以风能为主要方向。研究的是新能源发展所涉及到的基本气动力学理论、控制理论和发电运行理论。学习空气动力学、电路、控制理论等专业基础课。学习风力机、风力发电机组控制，风力机塔架与基础、海上风电场、风电场规划与选址等专业课。最早设置新能源科学与工程专业的高校，包括浙江大学、华中科技大学、厦门大学、西安交通大学、东北大学、中南大学、重庆大学、河海大学、华北电力大学、上海理工大学、南京理工大学、江苏大学等。生物制药专业旨在培养能够从事生物药物研制、生产与工艺设计、质量控制和生产管理以及生物医药所涉及的保健品、医药相关产品的生产与应用工作的高级科学技术人才。“生物制药”“生物工程”“制药工程”的区别：生物制药、生物工程、制药工程均属于工科，生物制药和生物工程均属于生物工程类，制药工程属于化工与制药类。这三个专业的研究领域和侧重培养方向不同，生物制药即把生物工程技术应用到药物制作领域的过程，从而获得生物医药品；生物工程专业是通过掌握生物技术及其产业化的科学原理、工艺技术过程和工程设计等基础理论和基本技能，能在生物技术与工程领域从事设计生产管理和新技术研究、新产品开发的工程技术人才；制药工程专业涉及化学制药、中药制药、生物制药、农药等领域，主要注重于工程，侧重于运用化学工艺制造生产出药品。据统计，我国开设生物制药专业的院校有50多所。其中，中国药科大学、华中科技大学、武汉大学、长春中医药大学、南京中医药大学等5所学校，在专业发展、师资力量和专业实验设施等方面力量最雄厚，是大家力所推荐的实力院校。智能电网信息工程的毕业生能在电网公司、发电公司、信息技术公司、科研设计、高等院校、相关行业或部门从事设计、开发、生产运行与管理、科学研究、技术支持等工作。2010年批准开设智能电网信息工程专业的院校全国只有两所：一是华北电力大学，一是南京邮电大学。2011年开始招生至2015年，新专业有了第一批毕业生。从华北电力大学智能电网信息工程专业2011级毕业生毕业去向分析，该专业总就业率为94%，其中，出国攻读学位的占3%，国内读研占21%，直接就业比例为70%。在直接就业的70%之中，去国家电网公司的占53%，去南方电网的占6%，其他国企占11%。到2015年全国开设智能电网信息工程专业的院校已有十余所。主要包括：华北电力大学(北京)、电子科技大学、南京理工大学、南京邮电大学、南京工程学院、青岛科技大学、辽宁工程技术大学、广东技术师范学院、长春工程学院、银川能源学院、杭州电子科技大学。这里要提醒高中生家长注意的是，一些院校的智能电网信息工程专业不是全国招生，考生在报考时一定要以当年下发的招生专业目录为准，查看各学校各专业在当地是否有招生计划。收起

7、8月正是高考择校择专业的关键时期，很多学校新开了很多高科技等国家重点发展的科技类专业，如人工智能、材料等专业，那么，人工智能考研择校可以选择哪些学校呢？全国人工智能专业高校排行榜1.清华大学“清华学堂人工智能班”（以下简称智班）由世界著名计算机科学家姚期智院士于 2019年5月18日创办，成立智班是清华大学在人工智能整体学科布局上的重要举措，既是对清华乃至国家在人工智能领域优化科技创新体系和学科体系布局的积极响应，也将进一步拓展清华拔尖创新人才培养的学科格局。图灵奖得主、清华大学交叉信息院院长姚期智院士将担纲智班首席教授。2.北京大学北京大学是我国最早开展人工智能研究的大学之一，1988年成立人工智能领域最早的国家重点实验室之一——视觉与听觉信息处理国家重点实验室，2002年建立我国第一个智能科学系。从上世纪的指纹识别、人工耳蜗算法、汉字信息处理，到近期的媒体智能、大数据智能、类脑智能、自主智能系统等国家新一代人工智能发展规划重点方向，北大在人工智能基础理论、关键技术和创新应用等方面取得了一系列重大成果和突破。3.浙江大学浙江大学于1978年招收了第一批人工智能研究方向的硕士研究生，开始了人工智能方向的研究。1982年7月30日，浙江大学人工智能研究室成立，1987年人工智能研究室升格为人工智能研究所。经过数十年发展，浙江大学在人工智能的科研方面成果显著（如跨媒体智能、大数据智能、文物复原与保护、脑机接口、增强现实等），积累了一批经验丰富的教师队伍，为人工智能专业建设提供了厚实的师资保障。2017年国务院印发《新一代人工智能发展规划》，教育部也出台《高等学校人工智能创新行动计划》，浙江大学潘云鹤院士均为牵头人，浙大多位教授参与这些方案的制定。4.上海交通大学上海交通大学于2019年获批新增人工智能专业并开始招生。人工智能专业建设单位电子信息与电气工程学院是上海交通大学创建最早的学院之一，也是目前学校规模最大、办学实力最强的学院之一，拥有国内第一大电类学科群，涵盖强弱电、软硬件学科。自2016年起学院依托IEEE试点班在国内率先开展人工智能方向本科人才培养，已建立了一套完整的课程体系，为人工智能专业建设奠定了坚实的基础。人工智能专业由世界人工智能领域知名专家、图灵奖得主、美国康奈尔大学与上海交通大学双聘教授，中科院外籍院士John Hopcroft亲自掌舵，学院七个一级学科及图灵研究中心提供最优质师资保障，聚力打造交大人工智能专业人才培养的优势特色。人工智能专业面向国家“创新驱动发展战略”与“新一代人工智能发展规划”的重大需求，以培养具有社会责任感、创新精神、实践能力、人文情怀和全球视野的卓越创新人才为目标，探索人工智能基础研究拔尖人才和交叉应用高端人才培养的新模式。5.南京大学南京大学于2018年3月5日下文正式成立人工智能学院，致力于建设一流的人工智能基础研究基地和人才培养基地，打造人工智能学科高峰，以自身实践探索人工智能内涵式发展新道路，形成“基础研究”、“人才培养”、“产业创新”协同发展态势，建成国际一流的学术重镇和人才高地。吕建院士领导的南京大学计算机软件新技术国家重点实验室2007、2012、2017 连续三次获评优秀，名列全国计算机领域第一；形成了一支以周志华教授为首的在人工智能领域具有国际影响力的优势团队。南京大学文理工医学科形成交叉优势，为人工智能学院的成立奠定了坚实基础。6.复旦大学复旦大学人工智能学院以本科生为起点，下设“智能科学与技术”和＂数据科学与大数据技术（拟建）＂两大专业。来自中英两国智能机器人与类脑人工智能范畴的科学家、工程师及产业界代表齐聚复旦大学，共同展望智能机器人范畴发展带来的机遇和挑战，研讨感知记忆、控制决策、脑机融合等前沿与关键技术发展趋势。从高通在人工智能范畴的研究史咱们可以看出，“终端人工智能”是未来的发展方向。7.哈尔滨工业大学哈尔滨工业大学人工智能研究院于2018 年 5 月 5 日成立。该院将按照理论、技术、平台、应用 4 个层次，人工智能基础与机器学习、智能控制理论、脑科学与类脑智能、机器感知与模式识别、自然语言处理与知识工程、混合增强智能、自主智能、人工智能应用(包括智能制造、智能土木、智能金融与商务、智能养老、智能遥感等)8 个方向组建。8.中国科学技术大学中国科学院大学人工智能学院成立于2017年5月28日，是我国人工智能领域首个全面开展教学和科研工作的新型学院。人工智能学院由中科院自动化所担任主承办单位，联合计算所、沈阳自动化所、软件所、声学所、深圳先进技术研究院、数学与系统科学研究院、重庆绿色智能技术研究院等为共同承担单位。人工智能学院面向国际科学前沿，下设模式识别、人工智能基础、脑认知与智能医学、智能人机交互、智能机器人、智能控制等6个教研室，拥有模式识别国家重点实验室、复杂系统管理与控制国家重点实验室、国家专用集成电路设计工程技术研究中心、中国科学院分子影像重点实验室等研究机构。以上就是关于人工智能择校的前8个实力派学校，去年，人工智能专业博士毕业生被华为以200万年薪高薪聘用，给了很多学习相关专业的学生以勇气继续学习人工智能专业，人工智能作为高科技专业，发展前途十分可观，已经成为很多理工科学生的选择。收起

中科院，一提起来，大家的敬仰与羡慕之情便油然而生。这里汇聚了一批顶尖科技人才和中国科学院院士。中科院，总觉得离我们普通人很远，其实她就在我们身边。近日，中科院第四所大学深圳理工大学亮相在第22届中国国际高新技术成果交易会上，立刻引起了全国人的关注。今天我们一起来详细了解中科院与中科院创办的大学，各大学2020年的招生、录取情况，同学们看看你能考上哪所？中科院：是国家在科学技术方面的最高学术机构和全国自然科学与高新技术的综合研究与发展中心，与祖国同龄。中国科学院汇聚和造就出一大批为新中国科技事业作出重大贡献的科学家，先后有1300余位科学家当选为中国科学院院士，培养造就了近千名新一代科技领军人物和科技尖子人才，形成了一支高水平的科技创新队伍，同时向社会输送了大批高素质创新创业人才。14:31中科院创办大学介绍一、中国科学技术大学中科大：是中国科学院所属的一所以前沿科学和高新技术为主，兼有医学、特色管理和人文学科的综合性全国重点大学。中央直管副部级建制，由中国科学院、教育部和安徽省三方共建；位列世界一流大学建设高校、985工程、211工程。位于安徽合肥市。世界一流学科：数学、物理学、化学、天文学、地球物理学、生物学、科学技术史、材料科学与工程、计算机科学与技术、核科学与技术、安全科学与工程2020年全国录取分数线 新高考省份必须选考物理。中科大应该是中国最难考的大学之一了，看看2020年在辽宁的招生计划只招了28人。二、中国科学院大学中国科学院大学简称“国科大”，是一所以科教融合为办学模式、研究生教育为办学主体、精英化本科教育为办学特色的创新型大学。前身是1963年开始试办的中国科学院研究生院。2014年开始招收本科生。与中国科学院直属研究机构在管理体制、师资队伍、培养体系、科研工作等方面高度融合。学校由京内四个校区（玉泉路、中关村、奥运村、雁栖湖）、京外五个教育基地（上海、武汉、广州、成都、兰州）和分布在全国的116个培养单位组成。国科大2020年部分省份录取分数线 看看这分数，中科学院大学从规模上与中国科学技术大学还有一些差距，但是由于是中科院所属院校，凭借中科院在考研、实习、就业的方面的优势，这所大学现在分数也是排在前10，也是难考的大学之一。2020招生计划2020年，中国科学院大学将在北京、江苏、陕西、四川、河南、湖南、云南、浙江、山东、辽宁、湖北、福建12个省市预计招收本科生共计400名左右，含招收内地西藏班和内地新疆高中班8名。其中在陕西、四川、河南、湖南、云南、湖北6省份招收国家面向贫困地区专项招生计划30名左右。大学招生计划不多。三、上海科技大学上海科技大学，简称上科大，是一所由上海市人民政府与中国科学院共同举办、共同建设，由上海市人民政府主管的全日制普通高等学校。2013年正式建立。是一所小规模、高水平、国际化的研究型、创新型大学。位于上海—浦东新区—张江高科技园中区。学校以理工科为主，设立物质科学与技术学院、生命科学与技术学院、信息科学与技术学院、创业与管理学院、创意与艺术学院、人文科学研究院和生物医学工程学院，实行大学院制，学院下不设系。学校设立免疫化学研究所、iHuman研究所、数学科学研究所、大科学中心。2014年学校开始招收首届本科生，2020年面向全国18个省（市）选拔招录了422名本科生。学校2020年在物理学、化学、材料科学与工程、生物科学、生物医学工程、电子信息工程、计算机科学与技术、数学与应用数学、管理科学等9个本科专业招录学生。2020年各省录取分数线上海科技大学由于地理位置的优势，中科院所属大学的优势，虽然招生人数同样不多，但是分数依然很高。也是很难考的大学。四、中科院深圳理工大学中科院深圳理工大学，是中科院携手深圳市，依托中国科学院深圳先进技术研究院而建。2020年已经开始招收研究生。在学科设置上，中科院深理工瞄准区域经济发展战略的新兴产业，围绕“新基建”重点领域，布局合成生物学、脑科学、机器人与人工智能、生物医学工程、材料科学与工程、生物医药等六大优势学科领域。首批开设生物科学、计算机科学与技术、生物医学工程、材料科学与工程、药学5个专业，相应设立工程生物、生命健康、计算机科学与控制工程、生物医学工程、材料科学与工程、药学等六大学院和合成生物学、脑科学、机器人与人工智能、生物医学工程、先进电子封装材料、生物医药等六大研究院。预计到2025年，形成涵盖理、工、医、管等门类的学科体系。中科院深理工建立学院、书院、研究院“三院一体”的人才培养模式。其中，学院主要负责教育及部分基础研究；书院侧重学生创业意识人格培养，兼顾思想政治教育，多方面立体培育“全人格”学生；研究院则以科研为重，引领科技创新发展新路径。2021年开始招收本科生，首届本科招生预计300人左右。2021年招生情况分析预计2021年首届本科生招生，大家对学校还不太了解，分数应该不会太高，大家要抓住机会。但由于依托于中科院人才的培养优势，以及深圳市地理位置的优势，分数也不会低。而且随着办学时间不断增加，大家的认可度逐渐增加，分数会逐年升高。以上中科院所属的四所大学，应该理科学霸心仪的大学，同学们，努力吧，加油！#2021高考#收起

自2013年底将盛大游戏和盛大文学等主要资产出售后，盛大完全转型成为投资公司，创始人陈天桥也逐渐淡出公众视野。今日，久未露面的陈天桥夫妇对外宣布，向美国加州理工学院捐赠1.15亿美元，这笔钱主要用于脑科学研究。从官方提供的新闻稿来看，除了单纯捐款外，陈天桥夫妇和加州理工大学的合作计划还包括这些内容：1、在加州理工学院里，成立一所以陈天桥雒（luo）芊芊（陈天桥妻子）为名的脑科学研究学院。2、建设一座以陈天桥雒芊芊命名的生物研究综合大楼。3、资助和培养脑科学研究的学者，为学院购置研究设备。陈天桥与脑科学陈天桥最早对脑科学的投资是在2015年。2015年春节，陈天桥托人从复旦大学生命科学院借了20多本英文原版的本科生和研究生脑科学基础教材。随后的半年里，陈天桥在美国，一家接一家地拜访脑科学研究机构，考虑对相关项目的投资事宜。（来自）时代周报但陈天桥的投资首站并没有放在美国，而是以色列。当年11月，盛大正式参与了以色列一家名为ElMindA的大脑科技公司的C轮融资。这家公司致力于戴上一个“头盔”就能完成一些有关脑部治疗的创新研发。陈天桥真正高调表示要研究脑科学，是在今年下半年。今年11月，盛大对外宣布要投入10亿美元开展脑科学研究。依据的报道，这个研究分为三个部分：新华社一是基础研究，计划投1亿美元给复旦大学，直接在硅谷建设中国高校海外脑科学研究基地。二是大脑治疗。在了解了大脑的基本运作后，可以对抑郁症、阿尔茨海默病、帕金森症、惊恐症、焦虑症等与大脑相关的疾病开展治疗。“我们现在老觉得这个药不行,那个药不行,讲白了是因为我们根本不知道大脑是怎么运作的。”陈天桥如此说道。三是大脑开发，这和当前最热门的类脑研究、人工智能直接相关。“用15年的时间能不能把真正的阿凡达创造出来?也就是说,用你的意念去控制机器人,传一个信号过去,机器人就能替你下深海进太空。”依据陈天桥的说法，之后“甚至不排除在盛大内部设立自己的脑科学研究机构，并启动全球招募”。为什么要研究脑科学？对于这个问题，胡润（对，就是做排行榜的那个人）此前在专访陈天桥时问过，当时陈天桥的回答是：“搞清楚大脑之后，对人类大有好处。而且，这个东西很有挑战性。”类似的说法，陈天桥身边的人也曾经对媒体表露过：“他认定娱乐的终极体验就是欺骗大脑。那么大脑为什么会被欺骗？人类又为什么会喜悦和悲伤？搞清楚大脑之后，对人类大有好处。”“他觉得这个东西很有挑战性。”从这个层面来看，陈天桥的这次投入颇有公益和慈善性质。当胡润问他是不是因为“从游戏行业发家，有负疚之心”，所以用这样的方式进行捐赠，陈天桥说“腾讯是从游戏中挣钱发展的，甚至苹果、微软、索尼都是从游戏中挣钱的，所以这两者没有关系”。“我从来没期望盛大就是揭开脑科学秘密的那个机构,但当人类最终揭开这个大秘密时,有盛大的贡献我会感觉非常的快乐。”不过，陈天桥还说了一句话，“如果，我们现在以AI为工具，那么AGI就会是下一波科技发展的主力，而我认为，我们的终极目标应该是：ASI——超级人工智能， Artificial Super Intelligence ，这也是脑科学的发展方向。”由此可见，陈天桥对脑科学的大手笔投入，也是对下一个趋势的预判。收起

中传MJC · 334一、简答（3*20分）1. 议程设置含义及新媒体环境下新变化（暑期课程）2. 网络用户的特征（基础课）3. 虚拟现实技术（公众号推送）简析：爱传播的学生应该不会被第一道题难住，这是专题课和热点课都有讲到的内容。这道简答题有些论述题的意思，中传今年改革第一年，题型有些变化，从目前来看，简答题分值由15分/道变为20分/道，考察的内容是变多、变深的。不过题目的开放性也提高了，像“虚拟现实技术”这道，其实可答的内容有很多，虚拟现实技术在新闻领域的应用，虚拟现实技术的伦理之思，虚拟现实技术对新闻真实的重塑，都可以答，言之有理，理论与案例结合，都可以拿到不错的分数。二、论述（2*45分）1. 媒介融合（暑期课程）2. 新媒体环境下，“讲好中国故事”的理念和策略（模考真题）（暑期课程）简析：中传延续考察了媒介融合，其实媒介融合已经红太久了，甚至有些过气，当时有预感是考县级媒体融合。不过这道题也不算有什么难度，毕竟大家对媒介融合都已经不陌生了，而这道题想要答得好，脱颖而出，那就需要多举例，多输出自己对媒介融合的深度思考。当然对于这道题而言，谈县级媒介融合也不算跑题。“讲好中国故事”这属于对外传播、国际传播的经典议题，每年都会有一道题目变着法考到这个内容，答案也基本上就是那些内容。整体而言，334的论述题还是相对简单的，不过简单也有简单的坏处，毕竟简单的题大家都能答上很多。不得不说，334越来越重传播轻新闻了。中传MJC · 440一、简答题（5*20分）1. 舆论监督是什么？舆论监督工作的基本原则是什么？（模考真题）2. 集合行为产生的条件是什么？（基础课）3. 简述传播效果研究的发展阶段。（暑期课程）4. 《新青年》的发展阶段和历史意义5. 论述结构新闻报道的思路简析：除了结构新闻报道的题目外，其他题目均比较常规，爱传播系列课程中均有提及过。集合行为属于群体传播的内容，是细化的考点，考一道20分的简答题，就同时考察大家对理论的熟悉度、对理论的消化度了，也就是希望大家能够结合案例阐述理论。《新青年》属于中新史的内容，其实历史的考察很难说有什么规律，考什么都不为过，还是劝大家一网打尽。结构新闻报道这个可以算一个区分考生的题目，考察的是大家的日常关注和积累，懂得人可以说很多，不懂的人可能就没话说。二、论述题（50分）1. 结合具体案例，谈谈后真相时代如何理解新闻真实？（暑期课程）简析：“后真相”是近年的考察热点，这道题是将后真相作为一个时代背景的，重点让阐述的是“新闻真实”，这是新闻学恒久的论题，大家或多或少都可以谈论一些。但是需要注意的是，这是一道50分的题，该答多少字内容？谈论到哪种程度才可以拿到不错的分数？可能是这届学生比较头疼的。建议大家尝试着从“媒体”“真实” “民主”三个方面去作答，为受众提供真实、准确的信息一直是新闻媒体服务于民主的重要功能之一，随着“后真相时代”的来临，媒体的信息提供功能面临挑战，那么大家可以思考什么是新闻真实？（媒体的报道不过都是对真实的阐释罢了）后真相时代对新闻真实的影响？后真相时代媒体应该如何促进新闻真实？后真相的影响完全是负面的吗？民众在整个过程中又扮演了什么角色？能够论及到这个深度，分数应该会不错了。中传新闻学 · 708一、简答（4*15分）1. 口语传播的历史地位和特点2. 四级办电视的历史进程（基础课）3. 公共电视在各国的特点4. 不同媒介制度下的受众的不同简析：改革第一年考这些，真让人服气啊。口语传播可能大家不陌生，甚至能够用英尼斯的理论侃得头头是道儿，但是考察它的历史地位估计就蒙圈了，好在后面还问了特点，能够挽得住一些分数，不得不说，仅仅考背诵不思考，对学科的内容缺乏综合的理解，可能真的行不通了。四级办、公共电视这两道题有一些坑，可能有广电基础的同学能答上一些，其他同学就不一定了，这道题如果不会写，真的别跟自己过不去。不过血与泪的教训是，考哪里一定要了解出题老师的研究方向，新闻学院很多老师都是研究广播电视的，出这些题真的可以理解。第四题，是一道区分考生的题目，一定要注意问的是不同媒介制度下的受众，你把媒介制度答一通而不分析其中的受众理念是跑题的，而后者是不是你们的知识盲区？考研难度上升是大势所趋，学东西得学透了。二、论述题（2*45分）1. 新的媒介不会取代旧的媒介，从中外新闻传播史说说你的看法 2. 我国舆论传播的变化以及舆论传播的主体（暑期课程）（模考真题）简析：第一道题花样考新闻史，史论结合，考察大家对理论的吸收程度，以及对中外新闻传播史的熟悉程度，可能大家在看到题目之前，从来就没想过这个问题，如何在快速的时间内，组织好一个框架合理、内容丰满的答案，这个就比较重要，还是那句话，活学活用才是硬道理。舆论是每年都会被考察的内容，很重要的考点，这道题目难度中等，后半问比较好答，前半问还是有一定的难度的，关于舆论的学习，建议大家多看论文，论文关注的是前沿的问题，探讨的也比较深入。中传新闻学 · 814一、简答（4*10分）1. 互联网环境下我国主流媒体如何坚持马新观？（模考真题）2. 人工智能对于新闻媒体生产的技术革命3. 阐述象征性互动论（基础课）4. 传播效果研究历史简析：马新观这个知识点当时是作为论述题给大家预测的，考10分的简答应该难不倒大家。人工智能这道题其实前两年中传也考察过，但是今年考察的是其带来的技术革命，这个大家可以从机器人写作、算法推送等方面举例作答。象征性互动论以前被作为名词解释考过，这次考了简答，大家除了要答出理论内容，还应该结合实际答出理论带来的启示。传播效果研究历史，这道题目除了答出效果四个阶段的内容外，再说一下经典效果研究用的方法会比较好。这道题目不算难。二、论述题（2*20分）1. 移动互联网下媒体的新闻生产方式变革，受众解读方式和接收方式改变，谈谈你的理解2. 谈谈实证研究在20世纪40年代到70年代中传播效果研究的应用简析：第一道题看似和简答第二道题有些冲突，但其实没关系，这道题目考察的是移动互联网的背景下，需要大家从移动技术特性和移动传播特点出发，谈新闻生产和受众解读、接收方式的改变，可答的面很广，包括表现、影响。第二道题也跟简答第四道题不冲突，审题要清晰，这里是说实证研究的应用情况，完全让答研究方法的内容的，比如议程设置理论用的是固定样本交叉检验的方法，要答这些的。是一道区分考生的题目，猜想到可能是新闻学搞方法的老师出的题，之前上课的时候就被问过这个问题哈哈哈。三、新闻评论（30分）关于校园欺凌的简析：题目不难，因为这个话题大家不陌生，改革之后MJC不考实务了，但是新闻的同学坚持考了，而且今年考了评论，但是明年考不考也不一定啊，关于实务建议大家还是每种题目都会写。四、综合应用（2*20分）1. 关于“人工换脸”的广播谈话节目策划2. 关于“浙江动物园因启用人脸识别技术被起诉”事件的广播微评简析：新闻学院真的很多老师都是研究广播电视的，也不知道是不是改革之后换了一波出题老师，实话说今年确实有点儿坑了，不过关于广播谈话节目策划，大家把邀请嘉宾、谈话主题、谈话提纲、如何准备、如何播发一系列的内容写上去，分数应该就还可以的。“人工换脸”这个话题之前公号推送过的，也被用作过评论的素材，关注爱传播公号的同学可能对这个事件并不陌生。之前被练的多的是微博微评，广播微评有些超纲？诶，不对，纲在哪里？哈哈哈，看来新闻学院要求大家对各种广播电视新闻实务门儿清，可能这届学生都没有准备过这个，下届的学生务必要注意这个了。中传传播学 · 708 + 815 【708】一、简答（4*15分）1. 口语传播的历史地位和特点2. 四级办电视的历史进程3. 公共电视在各国的特点4. 不同媒介制度下的受众的不同二、论述题（2*45分）1. 新的媒介不会取代旧的媒介，从中外新闻传播史说说你的看法 2. 我国舆论传播的变化以及舆论传播的主体【815】一、名词解释1. 社会认同理论2. 本雅明3. 芝加哥学派4. 议程设置简析：考纲说了考名词解释，果真就考了，传播研究院真的很守信！名词解释题都属于基础的内容，也是经典的考点，属于送分题，大家背诵之后基本都能写上去。二、简答1. 简述人类文明与媒介创新的关系2. 简述传统媒体和新媒体在传播方式上的差异简析：第一道题属于媒介与社会的内容，不算难，大家谈一下技术与社会的互动就好，要用到英尼斯、麦克卢汉等技术学派的观点，以及传媒与社会意向、控制革命论等理论观点。最好也要结合当下的媒介环境哦。第二道题也属于保守的内容，比较下传播方式的差异，以及差异的影响是什么，答上去就可以了。记得界定下新媒体概念哦。总之，简答题难度是中等难度。三、论述1. 社会生产力和传媒理论创新的关系2. 谈谈你怎么构想全媒体传播体系简析：第一道论述题，着实有些难了，拿来当考博的题目都可以，这个题目是需要高屋建瓴的能力的，考察的是对学科的理解，这可不是背参考书就可以掌握的，建议大家备考过程中注意看论文，看传播学四大刊的论文，看各位大咖的论文，看完你会发现啊真香，像这道题的答案就可以从李金铨、陈力丹老师的论文里找到的，一定要重视这个，新闻传播考研考察的越来越深了。第二道题的开放性很强，怎么构想全媒体传播体系，这个大家可以结合着中央厨房、三台合一等业界的尝试去谈，这道题目是很实务的，大家基于对内引导舆论、对外传播大国形象两个考量去构想就好，具体的设计和操作大家言之有理即可。论述题的难度是上去了的，启示大家备考一定要下狠功夫，多思考理论，多关注业界。作者: 叮叮编辑: 芒果主编：羽生我是爱酱，专注新传考研辅导五年，想得到更多新传前沿热点及干货分享，可以关注我，或请关注公众号：爱传播。收起

首先，信息与计算科学专业本科生考研选择大数据专业是比较适合的，选择大数据专业未来有更多的发展机会，作为目前发展前景比较好的方向之一，大数据领域汇集了大量的行业资源，大数据产业链也已经初具规模。大数据技术本身就建立在数学、统计学和计算机三个学科之上，所以这三个专业在读研时选择大数据方向是完全可以的。信息与计算科学专业本身就是数学与计算机专业的结合，该专业的前身就是计算数学专业，有大量的毕业生在毕业后会选择从事程序员岗位，所以该专业读研往大数据方向发展是比较适合的。信息与计算科学专业读研选择大数据方向主要的优势就集中在数学方面，而数学知识的掌握情况对于大数据方向的研发来说是非常关键的。大数据目前的研究重点在于数据价值化领域，数据价值化主要的手段就是数据分析，而数据分析说到底就是个算法问题，不论是采用统计学分析方式还是机器学习的分析方式，说到底就是个数学问题。对于信息与计算科学专业的本科生来说，如果要考研大数据方向，需要注意以下几个方面的内容：第一：注重计算机相关知识的学习。除了要注重初试阶段的考试科目之外，还应该适当拓展一下专业知识面，以便于为后续的复试做好准备。第二：根据自己的发展规划选择目标学校。目前有能力培养大数据方向研究生的高校比较多，比如财经类高校也具备培养大数据方向研究生的能力，对于考生来说应该根据自身的发展规划来选择目标高校。第三：重视统计学知识的学习。对于数学相关专业的学生来说，要想往大数据方向发展，还应该重点学习一下统计学知识，由于统计学本身也是数学专业的延伸，所以学习难度并不大。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！收起

昨天，小编已经介绍过5个考研成功率较高专业，好专业不可能只有这么少，今天小编继续推荐，想成功上研的小伙伴一定不要错过，如果昨天的专业你了解的甚少，那就在今天的文章中找适合你的吧。1、光信息科学与技术专业读研比例30.2%光信息科学与技术属于理科大类，电子信息科学类。光信息科学与技术是信息技术的支柱，是一门结合物理学、电子学、光学和计算机科学等多种学科，对光信息科学与技术进行研究的新兴交叉学科，与计算机技术、电子科学与技术、物理学、现代测绘技术相互渗透，紧密联系。研究涉及的领域包括用光取代电信号对声音、图像、数据等多媒体信息进行传输、存储和和信息交换的光通信技术；用光进行临床医疗、器械控制、精密测量、遥感探测、智能制导等应用的光电一体化控制技术等。光信息科学与技术是光学和信息科学与技术相结合的交叉学科，它主要研究光信息的产生、获取、转换、传播、存储等过程中的普遍规律及其应用。本专业培养具备光信息科学与技术的基本理论、基本知识和基本技能，能在应用光学、光电子学以及相关的电子信息科学、光纤通信、计算机科学等领域从事科学研究、教学、技术开发和管理等工作的光信息科学与技术专门人才。就业方向：毕业生可在与此专业相关的高等院校、科研部门、企事业单位、行政管理部门从事科学研究、教学、应用开发和管理工作。推荐院校：北京理工大学、北京交通大学、北京邮电大学、复旦大学、上海交通大学、同济大学、天津工业大学、天津理工大学等。2、生物医学工程专业读研比例30.2%生物医学工程学是一门理工医相结合的交叉学科，它是应用工程技术的理论和方法，研究解决医学防病治病，保障人民健康的一门新兴的边缘科学。生物医学工程学研究的学科方向主要有：计算机网络技术和各类大型医疗设备；计算机网络技术包括：数字化医学中心，医学图象处理及多媒体在医学中的应用，生物信息的控制及神经网络生物医学信号检测与处理。随着科学技术的发展，各类大型医疗设备在医院中的应用越来越广泛，大型医疗设备的操作、维修及管理人员是各大医院及公司急需的人才。本专业培养具备生命科学、电子技术、计算机技术及信息科学有关的基础理论知识以及医学与工程技术相结合的科学研究能力，能在生物医学工程领域、医学仪器以及其它电子技术、计算机技术、信息产业等部门从事研究、开发、教学及管理的高级工程技术人才。就业前景：可在管理机构和国家机关，医学机构(临床研究、高度专业化的医学护理，管理)，在医疗器械的使用、销售和服务上，研究所，大学(基础研究，教学)，国际制药、保健品企业(管理、研究和开发)，私人机构和医生合作，毕业生可直接参加高度专业化的医学护理和解决临床基础研究的问题，由他们研制的器械和系统对于疾病的观察、诊断、治疗、缓解起着很重要的作用。推荐院校清华大学、复旦大学、四川大学、上海交通大学、浙江大学、华中科技大学等。3、材料化学专业读研比例29.3%材料化学(Material Chemistry)专业一般是作为材料科学与工程系/学院中的一个专业方向。材料化学专业所研究的大多跟传统产业有关，属于解决实际问题的理论学科，因此材料化学专业研究的课题没有那么新潮和热门，但是在现实生产中，对优秀的材料化学方面人才的需求是巨大的，例如说冶金行业，在钢铁、有色金属冶炼过程中效率低、产品质量差、生产过程中浪费严重等问题，都需要用材料化学的知识来解决。中国虽然一直以陶瓷闻名世界，但实际世界上精密陶瓷(用于电子材料中，价钱非常昂贵)绝大部分是由日本制造的，就是因为我们在配料、控制烧结条件等环节技术力量太差，而材料化学正是解决这些问题的。所以材料化学专业不仅实用价值高，而且发展空间大。推荐院校：北京大学、复旦大学、西安理工大学、中国科学技术大学、浙江大学、山东大学、南京大学等。4、船舶与海洋工程读研比例29.3%船舶与海洋工程是为水上交通运输、海洋资源开发和海军部队提供各类装备和进行海洋工程设计建造，对国民经济发展及国防建设现代化具有十分重要意义的工程领域。我国已成为世界造船大国之一，船舶制造是发展我国国民经济的重要组成部分，海洋工程建设是我国海洋开发战略的基础之一。作为新世纪高新技术之一的海洋技术近年来发展迅猛，对我国的综合国力发展有重要影响。本专业培养具备现代船舶与海洋工程设计、研究、建造的基本技能和管理基础知识、计算机编程及应用能力，能在船舶与海洋结构物设计、研究、制造、检验、使用和管理等部门从事技术和管理方面工作的船舶与海洋工程学科高级工程技术人员。推荐院校：上海交通大学、哈尔滨工程大学、天津大学、湖北海军工程大学、哈尔滨工业大学、大连理工大学、西北工业大学等。5、材料科学与工程读研比例26.7%材料科学与工程专业以材料学、化学、物理学为基础，系统学习材料科学与工程专业的基础理论和实验技能，并将其应用于材料的合成、制备、结构、性能、应用等方面研究的学科。材料科学与工程专业培养具备包括金属材料、无机非金属材料、高分子材料等材料领域的科学与工程方面较宽的基础知识，能在各种材料的制备、加工成型、材料结构与性能等领域从事科学研究与教学、技术开发、工艺和设备设计、技术改造及经营管理等方面工作，适应社会主义市场经济发展的高层次、高素质全面发展的科学研究与工程技术人才。从业领域：本专业的毕业生多进入各钢企、制造企业、汽车厂，以及陶瓷、水泥、家电等企业。就业范围广泛。一般的，材料科学与工程专业金属方向多进入钢企和相关研究院，高分子及非金属方向多进入陶瓷、玻璃、涂料、家电等行业，多属大型国企、军工、民企和科研院校。而材料科学与工程专业中，偏应用的材料加工和其他一些研究方向，相对找工作容易一些。由于材料科学与工程专业的特殊性，读研的比例相当高。而上述企事业单位提供的研发、技术职位也大多需要硕士及以上学历。推荐院校：清华大学、北京科技大学、哈尔滨工业大学、西北工业大学、上海交通大学、武汉理工大学、华南理工大学、北京航空航天大学、浙江大学、中南大学这些专业中有没有你报考的专业呢？2021考研备考转眼就要进行下半程了，如果你还在用学校未开学、没有好的学习环境作为懒惰的理由，那小编只能说，祝你好运！收起