二十年前，对人工智能研究感兴趣的人大多局限于大学和非营利性AI实验室。 人工智能研究项目主要是跨越数年甚至数十年的长期合作项目，目标是服务于科学并扩展人类知识。
但在过去10年，由于深度学习和人工神经网络的进步，人工智能行业发生了巨大变化。今天，人工智能已经在许多实际应用中找到了它的存在价值。科学家、科技高管和世界领导人都将人工智能、尤其是机器学习视为未来10年最有影响力的技术之一。
人工智能的潜力(和炒作)吸引了商业实体、民族国家和军方的兴趣，它们都希望利用这项技术保持相对于竞争对手更高的优势。
多方面的人工智能储备竞赛增加了社会对人工智能人才的需求。目前，具备技能和知识来开展跨行业重大人工智能研究项目的人才严重短缺。在这种情况下，那些财力较雄厚的公司已经设法为他们的项目聘请了人工智能科学家了。
这导致了AI的人才流失，使科学家和研究人员离开了人工智能诞生和发展成为革命性技术的机构以及公司。
深度学习如何结束AI冬季
在深度学习革命之前，人工智能主要由基于规则的程序主导，工程师和开发人员手动将数据和操作逻辑编码到软件中。但是那时的现状是：公司或者机构为AI项目投入巨大的财力物力，就像将一个小石子丢入大海一样，没有激起大的水花，短时间无法得到成效，常常因为项目无法交付而造成损失，因此AI技术持续进入严冬。
在这十年交替的时候，科学家们设法使用神经网络来执行计算机视觉和自然语言处理(NLP)，来化开AI严冬的冰块，但是这两个领域基于规则的表现和执行效果非常糟糕。
科技的飞速发展和人们认知的转变使人工智能分化了许多领域，这些领域以前被认为是禁区或对计算机技术来说极具挑战性的。这些领域包括语音和人脸识别、目标检测和分类、机器翻译、问答等。
这为人工智能的许多新的商业用途铺平了道路。我们每天使用的许多应用，如智能扬声器、语音数字助手、翻译应用和电话面部锁，都是由深度学习算法和神经网络驱动的。神经网络的复兴还在自动驾驶等其他领域开创了新局面，计算机视觉在帮助自动驾驶汽车理解周围环境方面发挥了关键作用。
深度学习提供的巨大利益也吸引了一些国际大公司的关注，吸引了谷歌、Facebook和亚马逊等大型科技公司。深度学习成为这些公司向客户提供新的、更好的服务，并在竞争中获得优势的一种方式。
人工智能（AI）人才流失最主要原因是：对神经网络重新燃起的兴趣引发了从学术机构挖走人工智能科学家的竞赛。这才是人工智能人才流失的本质。
人工智能的教授和学者们是否能够抵制住离开学术界、投身商业实体的诱惑？
很显然是抵不住商业界的诱惑，因为在商业界他们可以得到更好的资源，更好的科研水平与机遇。
罗彻斯特大学(University of Rochester)研究人员最近的一项研究发现，在过去15年里，美国和加拿大大学有153名人工智能教授离开了自己的岗位，去商业领域寻找机会。这一趋势在过去几年里一直在增长，仅2018年就有41位教授离开了自己的岗位，去寻找新的机会。
但是也有很多AI教授扮演双重角色，既保持与大学的教育关系，又为科技公司工作。
人工智能人才流失的影响是什么？
随着越来越多的教授、科学家和研究人员涌入商业领域，人工智能行业将面临巨大挑战。首先，大学将很难雇佣和留住教授来培训下一代人工智能科学家。
这将进一步拉大人工智能技能差距。因此，人工智能研究人员的工资将保持在高位。对于研究人员本身来说，这可能令人高兴，但对于那些难以为自己的项目聘用人工智能人才的小公司来说，就不是这样了。
人工智能的商业化也将影响该领域未来几年的发展。商业部门对人工智能的兴趣主要是开发具有商业价值的产品。他们对那些服务于科学和造福人类的项目不太感兴趣。
一个著名的例子是DeepMind，它是少数几个致力于创造人类级别人工智能的研究实验室之一。自从收购DeepMind以来，谷歌为研究实验室提供了无限的计算、数据和财务资源。但该公司也对人工智能实验室进行了重组，创建了一个生产商用产品的部门，它们也在往商业界投靠，来赚取一部分利润。
最后，人工智能人才的流失和人工智能的商业化将意味着该行业的透明度降低。盈利性组织很少向公众提供他们的源代码和人工智能算法。他们倾向于将其视为知识产权，并将其严密地保护在自家围墙之内。
这将导致人工智能研究的缓慢，因为企业将分享更少的研究知识，以保持他们的竞争优势。
如果喜欢作者的给个关注支持一下呗，Victer感谢各位支持！
回首过去，我们思绪纷飞，感慨万千；立足今日，我们胸有成竹，信心百倍；展望未来，我们引吭高歌，一路欢笑。
