前言
据我所知，人工智能的突破性发展是在2012年“深度学习三巨头”Hinton、LeCun、Bengio确立了仿生学神经网络模型，深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。但是直到2016年才在我们国内引起重视，开始飞速的发展我也是在那一年迎来了职业生涯的春天，那么目前人工智能的发展到底达到了什么样的高度，它又将会这么定义未来呢？
人工智能正在走向死胡同
2016 年起，人工智能成为中国开发者重点关注的技术领域，以深度学习驱动的计算机视觉、自然语言处理、语音相关技术成为渗透最广的三个 AI 技术领域。然而，在这样的环境下，AI 仍是一个非常前沿的学科，对于国内开发者而言有很多需要克服的障碍，首当其冲的就是算法成熟度问题。
此外，不同领域不同产业的 AI 应用场景复杂度与日俱增，给很多开发者树立了天然门槛，并且这个门槛会随着人工智能的发展不断的拔高，就像以前招聘编程人员一样，以前只要求学过、会用不管学历和年龄，现在不但要求工作经验，技术深度和广度还有年龄、家庭环境等等要求，并且逐年苛刻。人工智能繁荣市场下，不少人也给出了 “深度学习走进死胡同” 的论调，深度学习的瓶颈的已经到来，迁移迭代、损失、灾难性遗忘等一直得不到解决。
与此同时，虽然未来应届毕业生投递 AI 算法岗位的人才市场将会人满为患，对大致的技术趋势也能信手拈来。但从另一个角度来讲，我们发现：在国际顶会或学术会议上发表过论文、或有过相关大规模工业级实战经验的同学，议价能力很高；相反，一般水平的同学却有点过剩，国内大多技术交流和学习只能通过GitHub，一家公司AI技术水平和发展方向由本公司技术最高的人决定
“基础薄弱、专业知识匮乏、优质学习资源难觅、交流渠道狭窄……”这是不少AI 从业人员希获取一手前沿技术、洞察趋势时所面临的困境。在这样竞争激烈、人才辈出的形势下，AI 开发者们又该如何脱颖而出？
人工智能的天花板伸手就能摸到
人工智能深度学习神经网络模型的发展只有七年，而且期间没有太大的技术突破目前市场上流行的还是以TensorFlow和Pytorch这两个框架为主（背景牛逼有谷歌和Facebook撑腰），然后是三个主流的神经网络训练模型（RNN、CNN、CAN）然后再加个DRL强化学习，目前企业主流需求就是这些。
其他的很少有能投入到商业应用的，基本都是顶级企业才有投入研究，所以除了一些专项的研究成果，其他公司都处在同一水平，对人才的需求也是很低的，但是目前绝大部分转行的人都还在摸索阶段，从网上买书、看吴恩达视频、看社区技术，但是自己也不知道自己学习的方向对不对，自己处于什么水平了，还有一些连自己学的东西到底能不能用都不知道。所以人工智能这个行业虽然很热门但是其实很乱，从转行的人到一些炒弄概念的公司鱼龙混杂，如果没有一个行业内的朋友指导，我感觉翻车很正常。所以这个行业的尴尬点就是天花板很容易摸到，但是站在哪才能去摸才对很难找。
最后
想想应该给老铁们准备些什么了，毕竟老是让你们看我水文也怪不好意思的，于是最近整理了一份人工智能的学习体系（脑图），但是没有相应的资料，如果有想要的老铁们可以关注公众号免费领取。在一起就是缘分，大家不要客气。
网友评论