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人工智能实验室。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，其目标是为科学服务和扩展人类知识。但在过去十年中，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翻天覆地的变化。今天，人工智能已经进入许多实际应用。科学家、技术高管和世界领导人都将人工智能视为一种通用技术，尤其是机器学习，将其视为未来十年最具影响力的技术之一。围绕AI的潜力（和炒作）引起了商业实体、民族国家和军队的兴趣，他们都希望利用这项技术来保持相对于竞争对手的优势。多方面的人工智能军备竞赛增加了对人工智能人才的需求。现在，缺乏在各个行业开展大规模人工智能研究项目的技能和知识的人才短缺。在这种情况下，那些财力雄厚的人设法为他们的项目聘请了人工智能科学家。这导致了AI领域的人才流失，使科学家和研究人员离开了AI诞生并发展成为革命性技术的机构。深度学习如何结束AI寒冬在深度学习革命之前，AI主要由基于规则的程序主导，在这些程序中，工程师和开发人员将知识和操作逻辑手工编码到其软件中。在那些年里，人工智能是出了名的被过度承诺和交付不足，并在未能达到预期后经历了几次“人工智能冬天”。在2000年代初期，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)，这两个领域的基于规则的实现非常差。这一事件的转变让人工智能进入了许多以前被认为对计算机来说无法进入或极具挑战性的领域。其中一些领域包括语音和面部识别、对象检测和分类、机器翻译、问答等。这为人工智能的许多新商业用途铺平了道路。我们每天使用的许多应用程序，例如智能扬声器、语音数字助理、翻译应用程序和手机面部锁，都是由深度学习算法和神经网络提供支持的。神经网络的复兴也在其他领域开辟了新的领域，例如自动驾驶，计算机视觉在帮助自动驾驶汽车了解周围环境方面发挥着关键作用。深度学习提供的可能性吸引了谷歌、Facebook和亚马逊等大型科技公司的兴趣。深度学习已成为这些公司为其客户提供新的更好的服务并获得竞争优势的一种方式。对神经网络的重新兴趣引发了一场从学术机构挖走AI科学家的竞赛。AI人才流失由此开始。人工智能科学家如何成为MVP尽管围绕神经网络大肆宣传，但它们几乎与人工智能本身一样古老。然而，在随后的几十年里，它们一直落后，因此缺乏基于规则的软件的支持和工具。神经网络也从根本上不同于其他形式的编程，为它们发现和开发新的应用程序通常更像是科学研究，而不是传统的软件开发。这就是为什么AI研究需要综合各种数学和计算机科学技能，而不是周末阅读编程书籍所获得的知识。深度学习的突然普及导致对人工智能研究人员和科学家的需求激增。凡是供不应求的领域，都是财力雄厚的抢占先机。在过去的几年里，谷歌、Facebook和OpenAI等富有的科技公司和研究实验室一直在使用巨额薪水、股票期权和其他股息来吸引AI科学家离开学术机构。《纽约时报》2018年的一份报告称，OpenAI向一些科学家支付了超过100万美元的报酬。最近，Google于2014年收购的人工智能研究机构DeepMind的一份支出报告指出，该实验室已向其700名员工支付了4.83亿美元，平均每位员工69万美元（尽管中位数可能远低于此一些高薪研究人员歪曲了平均水平）。人工智能教授和院士能否抵制将学术界留给商业实体的诱惑？罗切斯特大学研究人员最近的一项研究发现，在过去的15年里，美国和加拿大大学的153名AI教授有机会离开他们在商业领域的职位。这一趋势在过去几年中一直在增长，仅2018年就有41位教授采取了行动。2015年，优步为其自动驾驶汽车项目大举招聘，并从卡内基梅隆大学的机器人实验室挖走了50人，其中包括一些顶尖人才。谷歌、亚马逊、微软、Facebook和英伟达都分别聘请了多位来自不同大学的AI教授。还有很多AI教授扮演着双重角色，既与大学保持联系，又为科技公司工作。研究费用导致AI人才流失虽然丰厚的薪水在吸引AI教授和研究人员离开大学和科技公司方面发挥了很大作用，但它们并不是导致AI人才流失的唯一因素。科学家在从事AI研究项目时也面临成本问题。人工智能研究的某些领域需要访问大量数据和计算资源。强化学习尤其如此，这是一种人工智能代理通过大规模试错来发展其行为的技术。强化学习是AI研究的热门领域，尤其是在机器人、游戏机器人、资源管理和推荐系统方面。训练强化学习AI模型的计算成本很容易达到数百万美元，只有富有的高科技公司才能节省下来。此外，其他类型的深度学习模型通常需要访问只有谷歌和Facebook等大型科技公司才拥有的大量训练数据。如果没有大型科技公司的支持和资助，人工智能研究人员也很难实现他们的梦想和项目。对大型技术的支持很少是免费的。AI人才流失意味着什么？随着越来越多的教授、科学家和研究人员涌向商业世界，人工智能行业将面临几大挑战。首先，大学将很难招募和留住教授来培养下一代人工智能科学家。反过来，这将进一步拉大AI技能差距。因此，人工智能研究人员的薪水将保持高位。对于研究人员本身来说，这可能是一件令人愉快的事情，但对于将难以为他们的项目聘请AI人才的小公司来说却不是。人工智能的商业化也将影响该领域未来几年的进步。商业界对人工智能的兴趣主要在于开发具有商业价值的产品。他们对服务于科学和人类普遍福祉的项目不太感兴趣。一个著名的例子是DeepMind，它是为数不多的创造人类水平AI的研究实验室之一。自收购DeepMind以来，谷歌已授予研究实验室使用其无限计算、数据和财务资源的权限。但它也重组了人工智能实验室，创建了一个生产商业产品的部门。DeepMind现在正处于身份危机中，必须决定是成为一个研究实验室还是其营利性所有者的延伸。最后，人工智能人才流失和人工智能商业化将意味着行业透明度降低。营利性组织很少向公众公开其源代码和AI算法。他们倾向于将它们视为知识产权，并在围墙花园后面严密保护它们。这将导致人工智能研究的发展放缓，因为公司将共享更少的知识以保持相对于竞争对手的优势。
