导读：本篇文章首席CTO笔记来给大家介绍有关人工智能和生物学哪个难的相关内容，希望对大家有所帮助，一起来看看吧。
本文目录一览：
1、关于”做人工智能是否一定要学点生物“2、人工智能难学吗？3、研究生出国学人工智能还是生物医学工程？纠结啊。。关于”做人工智能是否一定要学点生物“
不觉得做人工智能一定要先学点生物。
首先，大脑的设计不一定最优。本着”能用就行“的原则，大自然无意识的进化产生了很多并非最优的设计。一个典型的例子是视神经如何从眼底连到大脑视觉皮层，任何一位有经验的工程师都会让视神经信号从视网膜的背后汇集，然后传进大脑，而不是像人类的眼睛这样，信号从视网膜的前面汇集，然后在视网膜上打个洞穿过去（这就是视觉盲点的由来）。如果承认进化论是正确的，那么人脑中的许多复杂设计未必是实现智能所必需，而只是长年进化的副产品。有些设计可能是抵抗细菌病毒入侵，有些可能是供给细胞能量，还有些是处理慢得不能再慢的神经信号传递，还有些可能是以前两栖类爬行类的残留，只要拼在一起可以产生自我意识，就会有物种在无聊时萌发对智能的好奇。因此，从计算角度来说，并没理由相信大脑的设计一定是最优的。把大脑的设计全搞明白再做智能，个人觉得过于迂回了。
其次，以目前的生物学方式研究智能，不一定有效率。发现NO分子，发现膜离子通道，发现化学渗透，这些拿到了生物学诺奖的工作，其重要性不言而喻，但在计算上看起来，只是找到了生物传递信息和转化能量的各种方式，而且其效率与当代计算机体系结构相比差了不只一个数量级。如果目标只是智能，那为什么不用现成的？如果我们把大脑比作是一台复杂的计算机，那么我们现在对大脑的研究，就相当于检测到了总线上几个比特的变化和传递，或者最多是检测到CPU正在进行加减乘除。但对这台计算机究竟在做些什么高层的操作，运行什么算法，毫无感觉。同样的加减乘除，可以是为了牛顿法求平方根，可以是对目标函数做梯度下降，可以是计算一个字串的哈希值，或者正在对一个高维向量进行线性投影。从单纯的加减乘除中要推断出这台计算机在做什么，是非常辛苦困难的工作，不仅要事无巨细地完全记录，还要做大量的综合分析，现在因为实验技术的限制，我们连前者都做不到，更不用谈后者，这就是研究人脑的难点所在。但是如果退一步想，如果对一个未知庞大系统的反向工程太难，那为什么不自顶向下搭起呢？从原理出发，干净清晰，逻辑明确，能提高成百上千倍的效率。人工智能这个领域，现在做的正是这样重头搭起的工作，有便宜的存储，便宜的内存，便宜的CPU和GPU，速度上电脑又比人脑快，数据量大，实验可控制可重复，方便之极。
人工智能难学吗？
51CTO数字化人才来回答这个问题：
目前，人工智能专业的学习内容课程主要包括：机器学习、人工智能导论(搜索方法等)，图像识别、生物进化理论、自然语言处理、语义网、博弈论等。
所需的基础课程主要是信号处理、线性代数、微积分和编程(有数据结构基础)。
从专业的角度来看，机器学习、图像识别和自然语言处理都是大方向，只要你精通其中的一个，你就已经非常强大了。所以不要看太多的内容，有些你只需要掌握，你需要选择一个方向来深入学习。事实上，严格来说，人工智能不难学，但不容易学。它需要一定的数学基础和一段时间的积累。
研究生出国学人工智能还是生物医学工程？纠结啊。。
这主要看你是爱好机械电子还是爱好生物学，如果干上了不喜欢的职业就杯具了。
人工智能是科技前沿，是未来科技的重中之重，如果能去MIT念人工智能，就是一步登天了。
学生物医学，时间太长，接触尸体和临床，虽然生物医学或者生命科学是未来除了人工智能之外的重要领域。但只有基因工程才是前沿中的前沿。
虽然生命科学和人工智能有可能有交集，但我本人还是非常支持学人工智能。
去看看关于MIT的大师们的介绍和书籍吧。
如果是我就不纠结。
结语：以上就是首席CTO笔记为大家整理的关于人工智能和生物学哪个难的全部内容了，感谢您花时间阅读本站内容，希望对您有所帮助，更多关于人工智能和生物学哪个难的相关内容别忘了在本站进行查找喔。