自达特茅斯会议诞生以来，人工智能现已有60年的前史。在曩昔60年中，人工智能阅历了两次昌盛和低谷，现在正处于第三次昌盛期，关于未来的人工智能的走向，其实学界和工业界一向有不同的观念。学界与工业界的长辈早已对人工智能的未来远景有许多谈论，针对这一工业短期的开展，其实存在不少应战，首要环绕开展阻滞、出资退火、供需不匹配等方面。
首先是人工智能技能本身学科与运用开展方面的问题。算法是AI技能服务经济社会、处理实际问题的根底，现在许多学术研讨和研制造业都是环绕着怎么优化算法而进行的。实际上，现在最顶级的人工智能算法的研制和更新都把握在Google等少部分企业傍边，许多企业标榜的AI，只不过是简略的大数据抓取与现成算法的运用与完结。
以机器视觉为例，经过了5年开展，神经网络算法在这一范畴的潜力根本现已被开发殆尽，一位从业者曾这么说：“现在每年这个范畴的比赛许多许多，每家公司都是拿自己的一次成果说事儿，但其实技能都是迥然不同，很难构成差异化”、“最终仍是要拼价格、看联系。”
而比算法更深一层的理论层面，当时缺少立异思维打破，还在吃20年前的成本。未来五年到十年，深度学习、人工智能范畴出现严峻的打破的概率并不太大，AI工业下一阶段的要点仍是怎么在工业界许多运用落地的问题。正如《浪潮之巅》作者、硅谷危险出资人吴军所言：“人工智能技能20年内恐怕很难再有严峻打破，由于今日的人工智能现已用光了40年来所堆集的技能盈利。”
经过了数年的开展，现在AI技能中的中心算法——深度神经网络算法仍处于“黑箱阶段”，细微扰动导致的严峻的对立辨认的典范尚无法得到有用解说和处理。对此，图灵奖得主、清华大学姚期智院士曾揭露表明称：深度神经网络能发生的“价值有限”，即便未来完结了算法的透明化，其成果也很或许“令人绝望”；在他看来，与其对现有的神经网络模型小修小补，不如重整旗鼓，“探究新途径，寻求打破。”
能够这样说，当时AI技能面对更多的是算法和理论方面的困难，有才能破解这些层次难题的人才是全职业所寻觅和抢夺的。而实际上，这类高层次人才不易得，学科隐形门槛依然适当高。试想假如本科阶段没有杰出的科学练习，在数学、物理等科学根底方面常识不牢，学生没有办法进入到愈加深层的考虑和研讨。因此许多所谓AI人才实际上在做的也便是一般计算机职业从业者的作业（比方软件制造、运维、出售）。
2019年，不少出资人现已在说“咱们本年根本现已不看AI技能了”、“算法其完结在头部公司现已出来了，没什么出资机会了。”数据显现，2019年第二季度以来，国内人工智能投融资数量和金额都出现下降趋势，仅完结30起融资，同比下降45.5%，融资总额达50亿元，缺乏去年同期的40%。本钱隆冬之下，一边是大批第二、第三梯队的AI企业融资困难，而另一边则是“不差钱”的AI巨子则一再出手，出资布局工业运用端。种种迹象表明，政府订单仍是当时国内人工智能大企业的首要收入来历，在项目接连程度、抗危险才能、资金回流速度等方面所谓的AI企业都不尽善尽美。
现在，人工智能企业面对的问题首要是：研制投入巨大，落地场景有限，捉襟见肘。苦哈哈干了几年，发现企业的估值没高多少，估值跟送外卖的、拼装手机的企业无法比，跟靠市盈率、市梦率估值的企业一比，发现自己太苦了。
早在2017年9月，李开复就曾预言：“人工智能创业有泡沫，（融资热）是本年上半年开端的，融资差不多够18个月花，明年末估量有一批公司倒掉。”阳光之下无新事，2010年前后，石墨烯的美好远景相同从前迷住了大把出资人，至今七年曩昔了，全国能量产出三层以下高品质石墨烯的企业还几乎没有，许多热钱悉数打了水漂。前期用力过猛，后期落地太慢，一热一冷间，2019年的AI职业已如石墨烯相同，尽显疲态。
当时，人工智能专业关于人才的需求方面首要会集在人工智能产品的规划、研制、运维、出售等方面的作业。人力资源商场方面出现出：企业对高层次人才的需求极为火急而实际供应缺乏，根底岗位供应日渐扩展、缺口逐渐填满。某视频网站下相关视频的谈论也印证了这一点。
从理性视点动身，无论是高考仍是考研，许多抢手专业的确是备受考生喜爱的。教育资源往这些方面歪斜，有利于推进相关范畴在短时间内得到开展，底层人才缺口得到满意。可是，咱们也应该能够想见，抢手专业兴起很快，更新迭代也很快，许多学生冲着抢手专业去，愿望走出校门后便能够取得“屠龙之术”、“闯遍江湖”，殊不知，谁知道若干年后这个范畴或许这些商场缺口会不会现已发生了改变，或许未来这个“江湖”就没了。若在不了解的情况下轻率投身此范畴，商场升温的时分未必能站在风口，等商场降温却很有或许“凉凉”。
若要从事真实的人工智能范畴作业，其实门槛很高，需求在某个范畴长期专心，成为专家、高级工程师等高层次人才后方能取得较高的报答，这也是一切工科职业的特性
不管怎样说，人工智能始终是未来科技开展的一个重要方向，也面对着宽广的未来商场。那么假如要挑选在这一范畴里边深耕，需求树立怎样的常识系统、挑选什么校园呢？主张更多的能够考虑本科阶段学习数学或许计算机科学等根底学科专业，待到研讨生阶段再从某个方向里深化打破，这样一方面夯实了学术根底，另一方面也能够在修读的过程中边考虑边调查，寻觅愈加合适自己未来开展的范畴和方向。
此外，实践和理论是分不开的，理论先行的根底下开端实践；然后查验自己的学习是否前进；上述答复现已很好地说明晰学习的重要性，就不再赘述；在此引荐你在学习的一起能够参与一个新的算法比赛渠道：FlyAI比赛服务渠道，免费运用GPU算力，随时随地开端模型练习；一起，供给免费的企业级GPU练习资源；支撑PyTorch、Tensorflow、Keras等干流机器学习结构；免费50G永久数据空间，安心存储数据；主动装备环境，能够随时开端练习。还有多个算法工程师沟通群可供学习者们讨论学习；更有奖金赛题支撑练习和参与比赛获取奖金。更多概况能够拜访FlyAI-AI比赛服务渠道检查