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AI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，目标是服务于科学并扩展人类知识。
但是在过去的十年中，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。如今，人工智能已进入许多实际应用。科学家，技术主管和世界领导人都将AI视为通用技术，尤其是将机器学习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，所有这些实体都希望利用该技术来保持领先于竞争对手的优势。
多方面的AI军备竞赛增加了对AI人才的需求。现在，缺乏在各个行业中开展大型AI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其项目聘请了AI科学家。
这导致了AI的人才流失，使科学家和研究人员离开了人工智能诞生和发展成为革命性技术的机构。
深度学习如何结束AI冬季
在深度学习革命之前，人工智能主要由基于规则的程序主导，在该程序中，工程师和开发人员将知识和操作逻辑手动编码到其软件中。在那些年里，人工智能因过高的承诺和交付不足而广为人知，并且在未能达到期望之后经历了几次“人工智能冬天”。
在本世纪初，科学家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执行效果非常差。事件的转变使AI可以进入以前被认为是无法进入或对计算机极具挑战性的众多领域。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，问题解答等等。
这为AI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，语音驱动的数字助理，翻译应用程序和电话脸部锁，都由深度学习算法和神经网络提供支持。神经网络的复兴也在自动驾驶等其他领域创造了新的领域，其中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引起了Google，Facebook和Amazon等大型科技公司的兴趣。深度学习已成为这些公司为客户提供新的更好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从学术机构挖走AI科学家的竞赛。从而开始了AI人才外流。
AI科学家如何成为MVP
尽管围绕神经网络进行了大肆宣传，但它们几乎与人工智能本身一样古老。但是，在随后的几十年中，它们一直处于落后地位，因此他们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，并且为它们发现和开发新的应用程序通常比传统软件开发更类似于科学研究。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的原因，而这几乎不是您在周末阅读一本编程书所获得的那种知识。
深度学习的普及率突然上升，导致对AI研究人员和科学家的需求激增。就像在任何供应不能满足需求的领域一样，那些拥有更强大财务资源的人会获得最大份额。
在过去的几年中，富裕的科技公司和研究实验室(例如Google，Facebook和OpenAI)一直在使用巨额薪水，认股权和其他分红来吸引AI科学家离开学术机构。
一个纽约时报报道，从2018声称OpenAI支付一些科学家超过100万。最近，Google在2014年收购的AI研究机构DeepMind的费用报告指出，该实验室已向700名员工支付了4.83亿美元，平均每位员工690000美元(尽管中位数可能远低于该数字)一些高薪研究人员使平均水平偏高)。
AI教授和院士是否能够抵制将学术界留给商业实体的诱惑?
一个最近的一项研究由研究员在罗切斯特大学已发现，在过去的15年中，在美国和加拿大的大学153名人工智能教授已经离开自己的岗位在商业领域的机会。在过去几年中，这一趋势一直在增长，仅在2018年就有41位教授采取了行动。
2015年，Uber为其自动驾驶汽车计划大肆招聘，并从卡内基梅隆大学的机器人实验室抢走了50个人，其中包括一些顶尖人才。谷歌，亚马逊，微软，Facebook和Nvidia分别聘请了来自不同大学的几位AI教授。
也有很多AI教授扮演双重角色，既保持与大学的隶属关系，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教授和研究人员远离大学和科技公司方面起着很大的作用，但它们并不是造成AI人才流失的唯一因素。在从事AI研究项目时，科学家还面临成本问题。
人工智能研究的某些领域要求访问大量数据和计算资源。强化学习尤其如此，强化学习是一种AI代理通过大规模的反复试验来发展其行为的技术，强化学习是AI研究的热门领域，尤其是在机器人技术，游戏机器人，资源管理和推荐系统中。
训练强化学习AI模型的计算成本很容易达到数百万美元，而只有富裕的高科技公司才能节省下来。此外，其他种类的深度学习模型通常需要访问只有Google和Facebook这样的大型科技公司才能拥有的大量培训数据。
如果没有大型技术的支持和资金支持，这也将使AI研究人员很难实现自己的梦想和项目。大型技术的支持很少免费提供。
AI人才外流的影响是什么?
随着越来越多的教授，科学家和研究人员涌向商业领域，人工智能行业将面临若干挑战。首先，大学将很难聘请和聘用教授来培训下一代AI科学家。
反过来，这将进一步扩大AI技能的差距。因此，人工智能研究人员的工资将保持较高水平。这对于研究人员本人来说可能是一件令人愉快的事情，但对于那些将难以为他们的项目聘用AI人才的小型公司却不是。
人工智能的商业化也将影响该领域在未来几年内将看到的进步。商业领域对AI的兴趣主要是开发具有商业价值的产品。他们对服务于科学和整个人类福祉的项目不那么感兴趣。
一个著名的例子是DeepMind，它是少数在创建人类级AI的研究实验室之一。自从收购DeepMind之后，Google授予研究实验室访问其无限的计算，数据和财务资源的权限。但它也重组了AI实验室，以创建一个生产商业产品的部门。DeepMind现在正处于身份危机之中，必须决定是科研实验室还是其营利性所有者的扩展。
最后，人工智能人才流失和人工智能的商业化将意味着该行业的透明度降低。营利性组织很少向公众公开其源代码和AI算法。他们倾向于将其视为知识产权，并在其围墙花园后严密保护它们。
由于公司将共享更少的知识来保持自己在竞争者中的优势，因此这将导致AI研究的发展变慢。
