人工智能相关专业难学吗？
本科数学专业，研究生读的机器智能，现在做科研助理，协助老师做一些项目。虽然自己也是搞人工智能的，但是很多时候都需要看别人的论文去学习新的方法和理论。所以，在我看来研究人工智能还是需要具备一定的数理基础。如果你本来学习的就是计算机、数学这些，那学习人工智能可能就不会很吃力；但若你本科学的是经济学、物理学之类的就比较费劲了。 举个例子来说明难度大小：我本身是学统计的，在刚进入这个课题组的时候，老师让我先自学一下神经网络。当时我是这样准备学习的：首先，在网上找到一些介绍神经网络的PPT（比如百度文库），然后粗略地浏览一遍，大概了解什么是神经网络以及有什么应用，这花了两个星期的时间。接下来，我开始看文章，由于我本来就是学习统计的，所以对算法的理解没有障碍，看文章的进程比较快，一个星期看完了五篇左右的文章。最后，开始做实验，把文章提到的方法运用实际数据试试效果，这个花了我整整一个月的时间。一门新学科，如果你之前没有太多的相关的基础，想要完全自主地去掌握并不是太容易。更何况人工智能中包含了许多的交叉学科的知识，需要你去学习和理解。但这并不代表很难，代表你需要花费比别人更多的时间去领悟和尝试。
个人感觉，如果学习时能够结合当前的实际应用，会更有利于对知识的吸收和理解。因为在科研工作中，我们更多地是想像商科一样，做到学以致用。例如我们研究的课题最终目的是想用于预测股票的涨跌或者识别图像中的目标，那么在学习阶段也可以适当加入一些python编程来做一些简单的练习，用sklearn等包来简单实现一下机器学习中的分类与回归，这样可以加深自己对知识理解和记忆。