并非所有人工智能岗位都要求高学历，因为人工智能领域的职位多种多样，其所需的教育背景和技能要求也各不相同。虽然一些高级人工智能职位（如研究科学家、高级工程师等）可能需要更高的学历，但对于其他技术或应用方面的人工智能职位，拥有实际的技能和经验可能比学历更重要。
在人工智能领域，一些认可的技能可能包括：
1. 编程和软件开发：熟练掌握编程语言（如Python、Java等），具备软件开发和工程实践经验。
2. 数学和统计学：了解数学和统计学的基本概念，包括线性代数、概率论、统计模型等。
3. 机器学习和数据分析：具备机器学习算法、数据处理和分析的基本知识。了解主流机器学习框架如TensorFlow、PyTorch等。
4. 自然语言处理（NLP）和计算机视觉（CV）：对自然语言处理和计算机视觉领域有一定的了解，了解相关技术和方法。
5. 理解业务需求和解决方案：能够理解业务需求，提供符合实际应用场景的人工智能解决方案。
除了以上技能，具备团队合作能力、创新思维和问题解决能力等质量也很重要。在人工智能领域，实际项目和经验往往比学历更重要。因此，通过参与实际项目、自我学习和不断提升技能，可以为在人工智能领域找到就业机会提供有价值的资质。
人工智能（Artificial Intelligence, AI）起源于20世纪50年代，已经走过了半个多世纪的发展历程。它的起源可以追溯到以下几个关键事件：
1. 1950年：艾伦·图灵（Alan Turing）发表论文《计算机器与智能》（Computing Machinery and Intelligence），提出了著名的图灵测试（Turing Test），作为衡量机器智能的标准。
2. 1956年：约翰·麦卡锡（John McCarthy）、马文·明斯基（Marvin Minsky）、克劳德·香农（Claude Shannon）和纳撒尼尔·罗切斯特（Nathaniel Rochester）等科学家齐聚达特茅斯会议（Dartmouth Conference），共同提出了“人工智能”的概念，标志着人工智能领域的正式诞生。
3. 1958年：罗斯·瑞森布拉特（Ross Quillian）发明了基于逻辑和规则的专家系统，是一种能够模拟人类专家决策过程的人工智能程序。
4. 1965年：约瑟夫·维森鲍姆（Joseph Weizenbaum）开发出第一个聊天机器人ELIZA，展示了自然语言处理的潜力。
5. 1970年代：随着专家系统的普及，人工智能进入了第一个繁荣期。然而，由于专家系统存在的局限性，如知识获取难度大、无法处理不确定信息等，人工智能在1970年代末陷入了低谷。
人工智能发展的第二个高潮出现在1980年代，得益于机器学习算法的进步和专家系统的局限性得到解决。其中，最具代表性的成果是杰弗里·辛顿（Geoffrey Hinton）和戴维·鲁姆哈特（David Rumelhart）等人提出的反向传播算法，为神经网络的发展奠定了基础。
1990年代，人工智能继续发展，出现了许多新的技术，如支持向量机（Support Vector Machines, SVM）和演化计算（Evolutionary Computation）等。此外，人工智能还开始在其他领域得到应用，如语音识别、图像识别等。
21世纪初，深度学习（Deep Learning）技术的突破性进展使人工智能进入了新一轮快速发展时期。2012年，杰弗里·辛顿和杨立昆（Yann LeCun）等人在ImageNet图像识别挑战赛上取得了突破性成果，标志着深度学习技术在计算机视觉领域的成功。此后，深度学习技术迅速蔓延到人工智能的其他领域，如自然语言处理、语音识别等。
目前，人工智能正在继续快速发展，各种新技术和应用不断涌现。可以预见，人工智能将在未来社会和经济发展中扮演越来越重要的角色。