二十年前，對人工智能研究感興趣的人大多局限于大學和非營利性AI實驗室。人工智能研究項目主要是跨越數(shù)年甚至數(shù)十年的長期合作項目，目標是服務于科學并擴展人類知識。

[[331904]]

但是在過去的十年中，由于深度學習和人工神經網絡的進步，人工智能行業(yè)發(fā)生了翻天覆地的變化。如今，人工智能已進入許多實際應用?？茖W家，技術主管和世界領導人都將AI視為通用技術，尤其是將機器學習視為未來十年最具影響力的技術之一。圍繞AI的潛力(和炒作)引起了商業(yè)實體，民族國家和軍隊的興趣，所有這些實體都希望利用該技術來保持領先于競爭對手的優(yōu)勢。

多方面的AI軍備競賽增加了對AI人才的需求?，F(xiàn)在，缺乏在各個行業(yè)中開展大型AI研究項目的技能和知識的人才短缺。在這種情況下，那些財力雄厚的人設法為其項目聘請了AI科學家。

這導致了AI的人才流失，使科學家和研究人員離開了人工智能誕生和發(fā)展成為革命性技術的機構。

深度學習如何結束AI冬季

在深度學習革命之前，人工智能主要由基于規(guī)則的程序主導，在該程序中，工程師和開發(fā)人員將知識和操作邏輯手動編碼到其軟件中。在那些年里，人工智能因過高的承諾和交付不足而廣為人知，并且在未能達到期望之后經歷了幾次“人工智能冬天”。

在本世紀初，科學家設法使用神經網絡來執(zhí)行計算機視覺和自然語言處理(NLP)，這兩個領域的基于規(guī)則的執(zhí)行效果非常差。事件的轉變使AI可以進入以前被認為是無法進入或對計算機極具挑戰(zhàn)性的眾多領域。其中一些領域包括語音和面部識別，對象檢測和分類，機器翻譯，問題解答等等。

這為AI的許多新商業(yè)用途鋪平了道路。我們每天使用的許多應用程序，例如智能揚聲器，語音驅動的數(shù)字助理，翻譯應用程序和電話臉部鎖，都由深度學習算法和神經網絡提供支持。神經網絡的復興也在自動駕駛等其他領域創(chuàng)造了新的領域，其中計算機視覺在幫助自動駕駛汽車了解周圍環(huán)境方面發(fā)揮著關鍵作用。深度學習提供的可能性引起了Google，F(xiàn)acebook和Amazon等大型科技公司的興趣。深度學習已成為這些公司為客戶提供新的更好服務并獲得競爭優(yōu)勢的一種方式。對神經網絡的重新興趣引發(fā)了從學術機構挖走AI科學家的競賽。從而開始了AI人才外流。

AI科學家如何成為MVP

盡管圍繞神經網絡進行了大肆宣傳，但它們幾乎與人工智能本身一樣古老。但是，在隨后的幾十年中，它們一直處于落后地位，因此他們缺乏基于規(guī)則的軟件的支持和工具。

神經網絡也從根本上不同于其他形式的編程，并且為它們發(fā)現(xiàn)和開發(fā)新的應用程序通常比傳統(tǒng)軟件開發(fā)更類似于科學研究。這就是為什么AI研究需要綜合各種數(shù)學和計算機科學技能的原因，而這幾乎不是您在周末閱讀一本編程書所獲得的那種知識。

深度學習的普及率突然上升，導致對AI研究人員和科學家的需求激增。就像在任何供應不能滿足需求的領域一樣，那些擁有更強大財務資源的人會獲得最大份額。

在過去的幾年中，富裕的科技公司和研究實驗室(例如Google，F(xiàn)acebook和OpenAI)一直在使用巨額薪水，認股權和其他分紅來吸引AI科學家離開學術機構。

一個紐約時報報道，從2018聲稱OpenAI支付一些科學家超過100萬。最近，Google在2014年收購的AI研究機構DeepMind的費用報告指出，該實驗室已向700名員工支付了4.83億美元，平均每位員工690000美元(盡管中位數(shù)可能遠低于該數(shù)字)一些高薪研究人員使平均水平偏高)。

AI教授和院士是否能夠抵制將學術界留給商業(yè)實體的誘惑?

一個最近的一項研究由研究員在羅切斯特大學已發(fā)現(xiàn)，在過去的15年中，在美國和加拿大的大學153名人工智能教授已經離開自己的崗位在商業(yè)領域的機會。在過去幾年中，這一趨勢一直在增長，僅在2018年就有41位教授采取了行動。

2015年，Uber為其自動駕駛汽車計劃大肆招聘，并從卡內基梅隆大學的機器人實驗室搶走了50個人，其中包括一些頂尖人才。谷歌，亞馬遜，微軟，F(xiàn)acebook和Nvidia分別聘請了來自不同大學的幾位AI教授。

也有很多AI教授扮演雙重角色，既保持與大學的隸屬關系，又為科技公司工作。

研究費用導致AI人才流失

雖然豐厚的薪水在吸引AI教授和研究人員遠離大學和科技公司方面起著很大的作用，但它們并不是造成AI人才流失的唯一因素。在從事AI研究項目時，科學家還面臨成本問題。

人工智能研究的某些領域要求訪問大量數(shù)據(jù)和計算資源。強化學習尤其如此，強化學習是一種AI代理通過大規(guī)模的反復試驗來發(fā)展其行為的技術，強化學習是AI研究的熱門領域，尤其是在機器人技術，游戲機器人，資源管理和推薦系統(tǒng)中。

訓練強化學習AI模型的計算成本很容易達到數(shù)百萬美元，而只有富裕的高科技公司才能節(jié)省下來。此外，其他種類的深度學習模型通常需要訪問只有Google和Facebook這樣的大型科技公司才能擁有的大量培訓數(shù)據(jù)。

如果沒有大型技術的支持和資金支持，這也將使AI研究人員很難實現(xiàn)自己的夢想和項目。大型技術的支持很少免費提供。

AI人才外流的影響是什么?

隨著越來越多的教授，科學家和研究人員涌向商業(yè)領域，人工智能行業(yè)將面臨若干挑戰(zhàn)。首先，大學將很難聘請和聘用教授來培訓下一代AI科學家。

反過來，這將進一步擴大AI技能的差距。因此，人工智能研究人員的工資將保持較高水平。這對于研究人員本人來說可能是一件令人愉快的事情，但對于那些將難以為他們的項目聘用AI人才的小型公司卻不是。

人工智能的商業(yè)化也將影響該領域在未來幾年內將看到的進步。商業(yè)領域對AI的興趣主要是開發(fā)具有商業(yè)價值的產品。他們對服務于科學和整個人類福祉的項目不那么感興趣。

一個著名的例子是DeepMind，它是少數(shù)在創(chuàng)建人類級AI的研究實驗室之一。自從收購DeepMind之后，Google授予研究實驗室訪問其無限的計算，數(shù)據(jù)和財務資源的權限。但它也重組了AI實驗室，以創(chuàng)建一個生產商業(yè)產品的部門。DeepMind現(xiàn)在正處于身份危機之中，必須決定是科研實驗室還是其營利性所有者的擴展。

最后，人工智能人才流失和人工智能的商業(yè)化將意味著該行業(yè)的透明度降低。營利性組織很少向公眾公開其源代碼和AI算法。他們傾向于將其視為知識產權，并在其圍墻花園后嚴密保護它們。

由于公司將共享更少的知識來保持自己在競爭者中的優(yōu)勢，因此這將導致AI研究的發(fā)展變慢。