人工智能（AI）背后的人工是指从事人工智能研究、开发和应用的专业人士。这些人才通常拥有相关的技术和学科背景，以及对人工智能技术和应用有深刻理解和兴趣。以下是一些与人工智能相关的职业：

1.机器学习工程师：负责开发和实现机器学习算法和模型，以使计算机能够从数据中学习和改进性能。

2.数据科学家：专注于从大规模数据中获取洞察和知识，为机器学习算法提供有效的训练数据和评估模型性能。

3.自然语言处理（NLP）工程师：专注于开发计算机理解和处理自然语言的算法和技术，用于实现智能对话和文本分析等功能。

4.计算机视觉工程师：致力于使计算机能够识别和理解图像和视频，实现图像识别、目标检测和图像生成等任务。

5.人机交互（HCI）专家：研究和设计人工智能系统与人类用户之间的交互界面，提高用户体验和系统的易用性。

6.人工智能研究员：在学术界或科研机构从事人工智能相关的研究工作，推动人工智能技术的发展和创新。

7.人工智能伦理专家：关注人工智能伦理和社会影响，研究和制定相关政策和指导方针。

8.机器人工程师：专注于设计和开发智能机器人，使其能够感知环境、做出决策并与人类进行交互。

9.数据工程师：负责构建和维护数据基础设施，确保数据的高效处理和存储，以支持人工智能模型的训练和应用。

以上职业只是人工智能领域中的一部分，随着人工智能技术的不断发展，可能会涌现出更多的相关职业。这些人工智能专业人士通过合作和共同努力，推动人工智能技术的发展和应用，使其更好地服务于人类社会。

学习人工智能需要涵盖多个学科领域，因为人工智能是一门综合性的学科。以下是学习人工智能时应该考虑学习的一些主要课程：

1.编程基础：学习至少一种编程语言，如Python或Java，以及计算机科学基础，包括算法和数据结构。

2.数学基础：学习数学知识对于理解人工智能算法和模型是至关重要的，包括线性代数、概率论、统计学和微积分。

3.机器学习：学习机器学习是人工智能学习的核心，包括监督学习、无监督学习、深度学习等技术和算法。

4.自然语言处理（NLP）：学习如何使计算机能够理解和处理自然语言，包括文本分析、语义理解和自动翻译等技术。

5.计算机视觉：学习计算机如何理解和分析图像和视频，包括图像识别、目标检测和图像生成等技术。

6.数据科学：学习如何收集、处理和分析大规模数据，以支持人工智能模型的训练和决策。

7.强化学习：学习强化学习是一种让计算机通过与环境交互来学习的技术，广泛应用于机器人、自动驾驶等领域。

8.人工智能伦理和社会影响：学习人工智能的伦理和社会影响，了解如何在应用人工智能技术时考虑隐私保护、公平性和安全等问题。

9.数据库和大数据：学习数据库和大数据技术，用于处理和管理大规模的数据集。

10.人工智能应用：学习如何将人工智能技术应用到各个领域，例如医疗保健、金融、交通、教育等。

除了以上课程，学习人工智能还需要不断跟进最新的研究和技术进展，积极参与实践项目和竞赛，拓展对人工智能的理解和应用。人工智能是一个不断发展的领域，持续学习和更新知识对于成为一名优秀的人工智能专业人士是至关重要的。