前言

人工智能专业在西交已经不是新开设的专业了，事实上在 ChatGPT 引发的人工智能热潮之前，西交便已经成立了这一专业，而至于其研究机构人工智能与机器人研究所（人机所/IAIR）更是有着悠久的历史。

遗憾的是，诚然人工智能专业已经有了多年的开设经验，但是人工智能作为新兴领域，尚在高速发展之中，因此计划赶不上变化，本专业的培养方案大多数时候并不能很好的满足读者的实践或者科研需求。当下的领域中，每一名专业的从业者都在向前追赶，而回过头为后人总结来时的路的人并不算多。在这种高速发展中，人工智能的未来，与过去的传统优化算法和机器学习算法交织在一起，形成了一张庞大的知识图谱，而如何从这张图谱中找到知识的主干，对于初来乍到的读者来说可能过于困难，因而了解一些学习的路线也是一件比较必须的事情。

人工智能这一领域的内容从代数到逻辑、从支持向量机到 Agent，无数的算法与内容等待着读者的探索。与此同时，培养方案中的课程安排的确会覆盖其中的诸多内容。遗憾的是，这些内容从应用的角度来看大多数是过时的。

为了照顾大多数的新生，人工智能专业的培养方案中第一学年以数学基础为主，之后在第二学年开始引入人工智能相关的数学以及算法的基础内容，而在第三学年才开始正式介绍当今流行的深度学习算法的内容。这种照顾确实是周到的，但是作为代价，大量的效率被损失，同时大量意义不大的基础知识被传授给了每一位学生，并增加着应试压力。与此同时，上机的内容大多数时候也并不全面，对于大多数在实践中可能应用的内容，又是仅仅是浅尝则止。

人工智能专业的学习路线中，科研毫无疑问是其中的主旋律，伴随着如今科研环境越发内卷，本科保研者中的 CCF-A 顶会/刊一作占比正在逐年提高，他们会是竞争保研最头部资源的有力竞争者，这迫使着每一位读者远在课程提及之前便已经越过了课程内容，并参与了最前线的科研工作。

在这种现状下，了解更多的学界常见的内容才是更好的选择，这也是为何路线这一章节得以设立，而非让读者自行根据培养方案进行学习。一方面，培养方案的进度会导致读者直到大三才会刚刚开始接触人工智能领域的流行方向的古早算法；另一方面，这些方案也可能并不能很好的满足在本文中提及的竞赛或者科研中对于知识积累的需求。

因此本篇章拟介绍人工智能专业的常规学习路线，这些学习的内容部分是 Up to date 的，而剩余的部分则可能随着技术的发展而落后，因此在后续有待其他贡献者的补充。