自达特茅斯会议诞生以来，人工智能已经有60年的历史。在过去60年中，人工智能经历了两次繁荣和低谷，现在正处于第三次繁荣期，关于未来的人工智能的走向，其实学界和产业界一直有不同的观点。学界与工业界的前辈早已对人工智能的未来前景有诸多讨论，针对这一产业短期的发展，其实存在不少挑战，主要围绕发展停滞、投资退火、供需不匹配等方面。
一、发展停滞：算法和理论
首先是人工智能技术自身学科与应用发展方面的问题。算法是AI技术服务经济社会、解决实际问题的基础，目前很多学术研究和研发工作都是围绕着如何优化算法而进行的。实际上，目前最尖端的人工智能算法的研发和更新都掌握在Google等少部分企业当中，很多企业标榜的AI，只不过是简单的大数据抓取与现成算法的运用与实现。
以机器视觉为例，经过了5年发展，神经网络算法在这一领域的潜力基本已经被开发殆尽，一位从业者曾这么说：“现在每年这个领域的比赛很多很多，每家公司都是拿自己的一次成绩说事儿，但其实技术都是大同小异，很难形成差异化”、“最后还是要拼价格、看关系。”
而比算法更深一层的理论层面，当前缺乏创新思想突破，还在吃20年前的老本。未来五年到十年，深度学习、人工智能领域出现重大的突破的概率并不太大，AI产业下一阶段的重点还是如何在工业界大量应用落地的问题。正如《浪潮之巅》作者、硅谷风险投资人吴军所言：“人工智能技术20年内恐怕很难再有重大突破，因为今天的人工智能已经用光了40年来所积累的技术红利。”
经过了数年的发展，目前AI技术中的核心算法——深度神经网络算法仍处于“黑箱阶段”，轻微扰动导致的严重的对抗识别的范例尚无法得到有效解释和解决。对此，图灵奖得主、清华大学姚期智院士曾公开表示称：深度神经网络能产生的“价值有限”，即使未来实现了算法的透明化，其结果也很可能“令人失望”；在他看来，与其对现有的神经网络模型小修小补，不如另起炉灶，“探索新路径，寻求突破。”
可以这样说，当前AI技术面临更多的是算法和理论方面的困难，有能力破解这些层次难题的人才是全行业所追寻和争夺的。而实际上，这类高层次人才不易得，学科隐形门槛仍然相当高。试想如果本科阶段没有良好的科学训练，在数学、物理等科学基础方面知识不牢，学生没有办法进入到更加深层的思考和研究。因而很多所谓AI人才实际上在做的也就是一般计算机行业从业者的工作（比如软件制作、运维、销售）。
二、投资退火：噱头多、回报慢
2019年，不少投资人已经在说“我们今年基本已经不看AI技术了”、“算法其实现在头部公司已经出来了，没什么投资机会了。”数据显示，2019年第二季度以来，国内人工智能投融资数量和金额都呈现下降趋势，仅完成30起融资，同比下降45.5%，融资总额达50亿元，不足去年同期的40%。资本寒冬之下，一边是大批第二、第三梯队的AI企业融资艰难，而另一边则是“不差钱”的AI巨头则频频出手，投资布局产业应用端。种种迹象表明，政府订单仍是当前国内人工智能大企业的主要收入来源，在项目连续程度、抗风险能力、资金回流速度等方面所谓的AI企业都不尽如人意。
目前，人工智能企业面临的问题主要是：研发投入巨大，落地场景有限，入不敷出。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、组装手机的企业没法比，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）是今年上半年开始的，融资差不多够18个月花，明年底估计有一批公司倒掉。”阳光之下无新事，2010年前后，石墨烯的美好前景同样曾经迷住了大把投资人，至今七年过去了，全国能量产出三层以下高品质石墨烯的企业还几乎没有，无数热钱全部打了水漂。前期用力过猛，后期落地太慢，一热一冷间，2019年的AI行业已如石墨烯一样，尽显疲态。
三、供给与需求不匹配
当前，人工智能专业对于人才的需求方面主要集中在人工智能产品的设计、研发、运维、销售等方面的工作。人力资源市场方面呈现出：企业对高层次人才的需求极为迫切而现实供给不足，基础岗位供给日渐扩大、缺口逐步填满。某视频网站下相关视频的评论也印证了这一点。
从理性角度出发，无论是高考还是考研，很多热门专业的确是备受考生青睐的。教育资源往这些方面倾斜，有利于推动相关领域在短时间内得到发展，基层人才缺口得到满足。但是，我们也应该能够想见，热门专业崛起很快，更新迭代也很快，很多学生冲着热门专业去，梦想走出校门后便可以获得“屠龙之术”、“闯遍江湖”，殊不知，谁知道若干年后这个领域或者这些市场缺口会不会已经发生了变化，或许未来这个“江湖”就没了。若在不了解的情况下贸然投身此领域，市场升温的时候未必能站在风口，等市场降温却很有可能“凉凉”。
若要从事真正的人工智能领域工作，其实门槛很高，需要在某个领域长时间专注，成为专家、高级工程师等高层次人才后方能获得较高的回报，这也是所有工科行业的特性
四、学习人工智能的建议
不管怎么说，人工智能始终是未来科技发展的一个重要方向，也面对着广阔的未来市场。那么如果要选择在这一领域里面深耕，需要建立怎样的知识体系、选择什么学校呢？建议更多的可以考虑本科阶段学习数学或者计算机科学等基础学科专业，待到研究生阶段再从某个方向里深入突破，这样一方面夯实了学术基础，另一方面也可以在修读的过程中边思考边观察，寻找更加适合自己未来发展的领域和方向。
此外，实践和理论是分不开的，理论先行的基础下开始实践；从而检验自己的学习是否进步；上述回答已经很好地说明了学习的重要性，就不再赘述；在此推荐你在学习的同时可以参加一个新的算法竞赛平台：FlyAI竞赛服务平台，免费使用GPU算力，随时随地开始模型训练；同时，提供免费的企业级GPU训练资源；支持PyTorch、Tensorflow、Keras等主流机器学习框架；免费50G永久数据空间，安心存储数据；自动配置环境，可以随时开始训练。还有多个算法工程师交流群可供学习者们探讨学习；更有奖金赛题支持训练和参加比赛获取奖金。更多详情可以访问FlyAI-AI竞赛服务平台查看
