人工智能专业虽然具有很高的潜力和应用价值，但也存在一些弊端和学不到的内容，主要包括以下几点：

学习难度高：

人工智能专业结合了理学和工学，学习内容广泛且抽象，对于成绩中等偏上的非顶尖学生来说学习难度较大。需要学习很多其他专业学不到的课程，如神经网络、机器学习等，这些课程理论居多，学习起来会觉得抽象。

产业链不完善：

在国内，人工智能的产业链尚不完善，多数企业只需要具备基本操作能力的中级人才，而高端的算法专家需求较少。这导致从事人工智能相关工作的薪资待遇相对较低，尤其是与顶尖算法专家相比。

技术问题：

人工智能系统存在无法识别虚假和错误信息的问题，即“垃圾进，垃圾出”的现象。此外，缺乏保密性，一旦保密信息被输入到模型中，模型无法保密，只能销毁模型。不稳定性也是一个问题，例如GPT等模型对同一问题可能会给出多种不同且互相矛盾的回答，缺乏逻辑自洽性。

课程设置不合理：

有些高校的人工智能专业课程设置拼拼凑凑，学生学到的知识看起来很炫酷，但实际操作起来根本不知道咋用。普通高校学出来的学生，很容易连简历筛选都过不去。

专业口径宽泛：

人工智能专业属于电子信息类专业，是一门跨学科的前沿学科，涉及计算机科学、数学、心理学、哲学等多个领域。这导致学生虽然学了很多内容，但可能难以精通任何一个方向，最终可能变成“调参侠”。

行业缺口大，但人才供给不足：

尽管人工智能行业发展迅速，但高级算法专家的需求较少，导致很多毕业生难以找到合适的工作，或者只能从事一些基础性的工作。

实践环节薄弱：

有些高校的人工智能专业特别注重理论课程，而忽视了实践环节和创新能力培养，导致学生在实际操作中缺乏经验和创新能力。

建议

选择合适的学校和专业：选择有良好师资力量和实践机会的学校，避免选择课程设置不合理、师资力量薄弱的学校。

注重实践和创新：在学习过程中，注重实践能力的培养和创新思维的训练，多参与项目实践和创新比赛。

持续学习：人工智能是一个快速发展的领域，学生需要不断学习和更新知识，以适应行业的发展需求。

职业规划：提前进行职业规划，了解行业需求和就业形势，选择适合自己的职业方向和发展路径。