還需要學習哪些知識與技術？

這是很多本科生同學比較關心的問題，我結合當前課題組的實際情況來回答一下。

首先，人工智能是一個非常大的研究領域，大的研究方向就涉及到機器學習、自然語言處理、計算機視覺、自動推理、知識表示和機器人學，而不同的研究方向對于研究方法和工具也有不同的要求。

編程語言本身就是一種工具，Python和Java都屬于比較典型的全場景編程語言，但是由于Python本身的庫非常豐富，而且Python語言的語法糖也比較豐富，可以讓研究人員把更多的精力放在算法上，所以Python在人工智能領域有非常廣泛的應用。

但是在落地應用階段，Java和C++的應用就比較多了，一方面這兩種編程語言的性能比較穩定，另一方面這兩種語言的行業應用生態也比較完善，項目實施的風險會相對比較低。

以我的課題組為例，計算機視覺組普遍在使用C++，自然語言處理組更多在使用Python，落地的時候會使用Java，當然Python也是可以做落地的，但是不同小組的leader同學往往有自己的考慮，組內的同學也會形成一個統一的選型。

從學習的角度來說，初期學好Python就夠用了，然后應該把更多的精力用在機器學習、深度學習上，后期進組后，再根據本組leader的要求來學習其他編程語言也完全來得及。

我多年來一直給研究生上機器學習這門課，課程里的案例實現都在采用Python語言來實現，所以從讀研的角度來說，掌握Python也會更方便一些。

學習人工智能對于實踐場景的要求比較高，在學習編程語言的過程中，可以參加一些實踐活動，比如深度學習、推薦系統、知識圖譜等實踐活動不僅會促進編程語言的學習和應用，也會提升對于人工智能技術的理解。

考慮到很多同學并沒有參加實踐的渠道，所以我聯合一些985大學的導師共同成立了一個實踐平臺，陸續開展了深度學習、強化學習、遷移學習、推薦系統、自然語言處理、知識圖譜、計算機視覺等方向的實踐活動和知識講座活動，可以聯系我申請參與，相信會有所收獲。

最后，如果有人工智能相關的問題，歡迎與我交流。