为什么说人工智能工作前景越来越严峻了？
目前正在从事ai相关工作，从自己的角度讲一下吧。
1 现在的人工智能并不是真正的智能，相比人类的大脑来说，连幼儿都比不过。目前的人工智能只能从很多先验知识中学习一些强大且较为通用的规则，从而应用到一些类似场景中解放一些重复性劳动。它并不具备任何学习新知识的能力。
2 人工智能门槛降低，从研发角度来说，人工智能=数据+算法+算力，数据主要依赖一些第三方外包标注，算法的话启或只要学过高等代数就可以入局，对一般的大学生来说没有任何门槛，算力其实就是cpu gpu机器，这部分长期被国外巨头掌控，在国内基本都有就业机会。因为门槛低，因此涌入的人越来越多，内卷极其严重。
3 缺乏业务场景，目前除了搜索，推荐，安防，翻译等领域，基本没有成熟的落地业务，像无人车之类的还在烧钱阶段，最后能不能落地还么有定论，这也是ai四小龙集体哑火的原因。这么多年了，ai投资人的钱也消耗的差不多了，没有资本进入市场，那么职位肯定会减少，不可避免。
最根本的原因是人工智能是错误的！
人工智能想实现像人类一样地思维，但人类的思维并不是以计算为基础的，因而以计算机为基础的人工智能显然是弄错了方向，注定会一败再败，没有侥幸的余地。
机器有没有可能不以人类大脑的方式实现类人思维？没有可能！因为我猜人类的思维方式很可能是宇宙中唯一可行的思维方式！这也许是人类至今还无法发现外星文明的主要原因。
我这辈子都在研究大脑思维，自以为破解了意识之谜，但也知道想要人们理解真的不容易，因为这需要超凡的想象！为什么需要想象？因为没有感官直觉！要是有感官直觉的话，还会有我什么事？
尽管如此，但还是希望能有人理册旁腊解，只有到现在，我才会理解为什么明知不可为却还要为之。
人工智能工作，是一个伪概念，没有这一说法。故意瞎扯问题，大街小巷有人找这个工作吗？风扇就是人工智能产品。
全 社会 主要问题是：人工智能无人超市。人工智能无人驾驶。人工智能无人工厂。人工智能无人学校。这个就是高 科技 烂尾楼。
人工智能是一项技术，是一种工具。它如果能够被很好使用，与具体业务相结合，将能发挥很大的作用，但是并不是说只要把人工智能系统开发出来，所有问题都会自动被解决。
2012年后的这次人工智能主要是因Yoshua Bengio、Yann LeCun、Geoffrey Hinton这三位大佬打造的深度神经网络体系，移动互联网的普及提供了大量数据，硬件成本下降使得单位算力价格降低，但是本质上还是基于统计学的，并不能算真正意义上的智能。
深度神经网络的核心在于BP算法、SGD、小批量样本学习，各种变种网络大多是在层与层之间的权重、链接方式，神经元激活函数做文章。通过隐藏层的权重、链接方式、激活函数来产生大量特征，解决了此前需要专家知识构建特征的难题，抛开特征生成方式的其它内容和之前的算法并没有多大区别。神经网络的损失函数本质上是一个非凸问题，并不满足KKT条件，数学界对它的认同远不如SVM，但是架不住它在工业界的应用效果不错。这也造成了这波AI变成了拼数据、拼算力、天马行空的结构魔改的奇葩现象。
算法的落地上大部分是在图像、文本、语音三个大州滑类上。图像层面具体体现在安防、交通、巡检、OCR，这类项目大部分2G的，一般的公司根本拿不到；文本方面用的多的是智能客服、智障音箱、企业内部搜索殷勤（知识图谱）、舆情分析、翻译；语音上某飞的那个乌龙大家都懂的，具体产品上就是大家手机里面的语音输入、录音笔配套的音频转文字，应用场景和频次也没那么多。至于其它变相场景真够呛。
如果说有突破点，那大概率只有对抗生成网络了，毕竟人家缩写牛逼， 不要怂就是GAN.
既然推荐过来了，那就用大龄码农的视角主观臆断一下。
人工智能AI的概念早就有了，想想你看过的科幻电影就是可以，这个人类美好的设想，人们也从没停止追逐的脚步。
只是一直也没什么突破，随着互联网的发展，大数据领域有了一些近展。
人们生活的方式很多都发生在互联网上，数据的获取就变得容易了，
存储这些数据也需要有好的方案，谷歌的分布式存储发布，大数据迎来了一波发展。
AI想要做出分析，是离不开数据的，机器没办法天生就有分析的能力，需要大量的数据做为分析的基础，
所以AI也被人们重新拿出来，炒作了一番。
从现在的结果来看，是有一些进展，但离人工智能还差的非常远的。所以大家更多的提智能，智能城市，智能工厂，智能 汽车 。
就是加上一件好看的外衣罢了。
解放人力，辅助人类，这方向肯定没错，有了想象才会有为之奋斗的目标。
现在AI行业下滑是被高估的结果，回落也很非常。
因为随着人工智能的不断发展进步会砸掉越来越多的行业使越来越多的人失业，就像现在的网购干掉实体店。靠体力工作的职业就不用说我，那些靠脑力劳动的职业比如教师、医生、律师等等随着人工智能的不断成熟，终将会被取代。所以，为了你和我的饭碗，相当一部分人会反对人工智能的向前发展。但是， 历史 的车轮、 科技 进步的车轮是不会以人的意志为转移的，我坚信，人工智能发展的前景是非常光明的，谁也阻挡不了，只有顺势而为才不会被时代抛弃。
通用的人工智能，技术本质很难持续大幅度提升。
而普及依然不够，各行各业的具体应用，依然缓慢。
所以，工作前景，起起伏伏，时好时坏，很正常。
总体来说，是越来越好，越来越普及，使用成本越来越低，利润率越来越低，行业总规模越来越大。
个人觉得，工作前景就是将来的应用。年纪大点的记得，什么神经元网络，之后的一系列想法，支持向量机，深度学习等等。吸引了几代优秀人才。实际上也就是实验室里应用一下，训练和培养学生。真正的白人学者搞得不多。有色人种多一些。为什么？就是新，可以多出论文，然后容易住外国留下。真正做工业技术研究的德，日，搞得不多。日本的国立大学不多，大多是私立大学。希望不要把它当成技术来看 至少是现在。不然的话，人的中年危机重重。
人工智能工作前景严峻，因为最近AI四小龙降薪裁员，找不到落地方案，然后大家都以为AI出现问题了。最近几年人工智能崛起是因为深度学习在图像识别和语音识别获得了突破，这是因为深度学习在感知领域获得了突破，是通过大数据实现了智能，然而对于一般的通用智能深度学习还是无能为力，但是人工智能面临绝境，认为人工智能要陷入低潮了，但是正因为人工智能还没有成熟，所以才是一片蓝海，等到AI成熟了，你进入就没有机会了，只有杀红了眼的价格战。
他们试图同深度学习实现通用智能，但是没有什么突破，我认为我已经掌握了一般智能的实现方法，所以我不认为人工智能会进入低潮，相反可能带来巨大的飞跃。为了实现普通智能我正在开发操作系统编程语言和深度学习框架，一般人是看不懂这些跟一般智能有啥关系，但是如果不是因为有用我为什么做这些研发呢？谁掌握了人工智能核心技术谁就有机会站在人工智能潮头。
如今
没错，如今娱乐圈的门槛确实越来越低了。从现在艺合备济比水人们的业务能力就可以看到这一点，许多人只是素人有可能仅仅是因为颜值就进入了娱乐圈。
老一辈的艺人经常被人们称为德艺双馨。那是因为他们既有品德，同样也有一定的能力，老一辈的人对待表演和对待舞台的态度都更加认真，他们会为了一场舞台努力很久，会为了一个角色细心的钻研，甚至付出10倍百倍的努力。而现在的艺人在这种流量时代之下，在资本运营之下，他们貌似不用太强的业务能力，只要有契机，只要有人捧，只要有运作他们就能活，所以现在人们的业务能力越来越差，进入娱乐圈的门槛也越来越低。
原来人们非常看重科班出身，只有科班皇养支延极院还庆否终出身的人，可能一出来才会有角色，而那些群演也只能够从小透明开始做起，可是现在的娱乐圈却不是这样的年，只要他出身高或者只要他长得帅，那么就有明星公司愿意去包装他，即使他演技不行，他不会唱歌不会跳舞，但是他可以去参加综艺，在综艺上面多露一点据面，通过人设和性格取胜，可问题是这样的娱乐圈以后发展会更好吗？我们都知道娱乐圈之前出现过一些数字小姐，连台词也不背，直接跟对手戏演1234567后期再来进行配音，但是却拿着天价的片酬，除此之外他们北资也不用去琢磨演技，剧本上怎么讲的，他就怎么表演出来，哭的戏哭不出来，那就滴两滴眼药水硬哭。
这也是为什么大众说好的作品越来越少了，拿之前的前辈和现在的艺人来看，两者之间真的是天壤之别，说实话还是原来的电视剧和原来的歌曲是经典，因为那个时候的人他们都有自己的想法，会融入自己的感情，会纪迫希判小理真的为了一个角色去努力，不会了动不动就使用替身，也不会动不动就去抠图，而现在娱动屋华胶植则婷乐圈貌似只要有资本运营，随随便孙背第右句未阳便就能够盘活一个人，其他人再怎么努力再怎么专业演技，貌似都只能够当配角，甚至在许多电视剧里面我们会发现那些配角的演技比主角的都好，甚至为了拿出一定的口碑土界纸，还会请一些老戏骨给那些流浪演员当配，说实话我真的觉得挺可耻的。
人工智能，未来竞争压力大不大？
最近一年多感受明显，AI已经落地，尤其是NLP、OCR等领域技术栈和产品已经足够成熟，提供云服务的企业也不少，使得就业门槛越来越低，最重要是现在大环境不乐观，有AI迫切诉求的企业在减少，差不多固定了以腰部以上企业为主，整个技术团队的招聘名额确实有明显压缩，所以体感明显些。
大环境的短期趋势并不乐观，所以名额有收缩。
如果你选的目标企业可能是一二线大厂，以及独角兽企业，而目前市场大环境的短期趋势并不乐观，不是只有AI，其他所有职位都有明显收缩，一二线厂因为嗅觉和判断更敏锐，未雨绸缪更明显，所以在人员HC上反应会更坚决。
如果不是以上企业，因为越来越多的企业很清晰的明白，现有AI技术的基础应用对能力的要求并不高，要学会它并不太难，硕士甚至本科大学相关专业在基础好的情况下，也能很好的学习适应，所以从成本来考虑，企业其实更乐意校招和内部技术转岗来填补。
大环境变差的情况下，小厂的AI诉求不得不快速压制。
AI的效益，往往需要基于大量的用户数据才能产生规模化的复用效益，小厂不具备这样的数据规模以及一整套数据和算法基础平台，以前大环境不错，AI技术的使用甚至被用来当做融资的优势。在目前大环境不好的情况下，已经不具备养活一个这样规模团队，而如果不能形成团队化、数据规模化就形成不了足够的AI竞争优势，对处于生存压力下对资金更敏感的创业公司来说，还不如先节约成本，干好本行过完冬再说。
老人变新人、外行人的资源挤占
先不说应届生了，IT还有很多在行业之外的从业者，通过“AI培训班、二个月专家速成班”，也急迫的挤进来抢占除大厂外的岗位资源，当然，AI领域也有一定基础门槛，所以部分转去做前后端的开发了，一部分在小厂得到机会开始从事基础的AI开发，使用的也是成熟的外部产品。
大部分AI资源的竞争者还是业内的传统后端开发人员，尤其是入行年限在1~3年以内的，就连园区楼下看门的保安都知道AI的薪资和前景好，社会的发展也一定会朝着这个方向走，所以只要有机会，更乐意转岗学习AI。就职的机会确实还是有的，外部招聘专业人才的成本高昂，企业更乐意内部转岗培养、甚至启用外行人。
这里说下，不是只有AI，IT互联网行业所有的从业者，都存在着职位被外部挤占的事实趋势，毕竟刚工作动不动就一万起的职位，几年就能二三万的工资谁不眼红？你让那些师范类、建筑类、服务业的同学情何以堪？这些速成培训班的企业，也间接革了程序员的命，全员都懂AI时，谁还需要只懂基础型的工程师？
但专家级的“调优”大师，不管在哪个行业、小厂还是大厂都会吃香。
业界主流对AI人才的产品诉求和价值认同，已经被技术发展所磨平。
大厂在大数据平台、算法模型平台、实时离线计算等平台建设上已经相对成熟和稳定了，在具有大规模（上亿）用户和大规模商业（不同垂直的业务产品）场景的场景下，算法的任何细微效果提升，都能带来规模化的巨大收益。
阿里、腾讯、百度、华为等企业又通过云平台，将这些技术的基础设施和通用的业务能力对外部进行了云产品输出。外部企业在用户量和商业场景方面其实诉求不高，而且大厂已经形成了聚虹效应，通过不断收购、投资、创新，切入到不同的细分领域，流量开始逐渐向大厂汇集，使得外部企业的用户规模很难做大，AI介入带来的商业价值从概率上来说，可能性就很低，小厂在目前融资和大背景都不乐观的情况下，最迫切的先解决生存问题，发展壮大后再考虑用户和产品的规模化后带来体验和极致的成本效率问题，他们认为那时的算法介入才更划算，当下的技术做好对业务的支撑即可。
