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，在国内基本没有就业机会。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解，只有到现在，我才会理解为什么明知不可为却还要为之。
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.
去年一个医院项目，长期收集病人肚子鸣叫声音（肠鸣音），用了ai简单算法（mfcc,NNs,lstm）做信号处理与特征比对。ai很有用，与场景和硬件结合做产品需要综合能力。项目用到骨传拾音阵列屏蔽噪声，可穿戴低功耗硬件，算法转c工程化。用框架并依托大厂资源（openvino，tensorRT很好但不够）难做到静水潜流，只懂算法也较被动。
1、市场规模：中国人工智能行业呈现高速增长态势
人工智能产业是智能产业发展的核心，是其他智能科技产品发展的基础，近年来，中国人工智能产业在政策与技术双重驱动下呈现高速增长态势。根据中国信通院数研中心测算，2020年中国人工智能产业规模为3031亿元人民币，同比增长15.1%。中国人工智能产业规模增速超过全球。
注：中国信通院的市场规模根据IDC数据测算，统计口径与IDC一致，即包括软件、硬件与服务市场。
2、竞争格局：中国人工智能企业主要分布在应用层 占比超过80%
——中国人工智能企业全产业链布局完善
我国作为全球人工智能领域发展较好的地区，无论是人工智能领域的基础层、技术层、应用层，还是人工智能的硬件产品、软件产品及服务，我国企业都有涉及。在国内，除去讯飞等垂直类企业，真正在人工智能有所长进的巨头依然是百度、阿里、腾讯这三家。
——中国人工智能企业主要分布在应用层，占比超过80%
据中国新一代人工智能发展战略研究院2021年5月发布的《中国新一代人工智能科技产业发展报告(2021)》数据，截至2020年底，中国人工智能企业布局侧重在应用层和技术层。其中，应用层人工智能企业数占比最高，达到84.05%;其次是技术层企业数，占比为13.65%;基础层企业数占比最低，为2.30%。应用层企业占比高说明中国的人工智能科技产业发展主要以应用需求为牵引
3、技术分布：中国人工智能企业核心布局的技术主要为大数据和云计算
从人工智能企业核心技术分布看，大数据和云计算占比最高，达到41.13%;其次是硬件、机器学习和推荐、服务机器人，占比分别为7.64%、6.81%、5.64%;紧随其后，物联网、工业机器人、语音识别和自然语言处理、图形图像识别技术的占比依次为5.55%、5.47%、4.76%、4.72%。
4、细分领域：深度神经网络领域为中国AI研究热门
根据清华大学人工智能研究院、与中国工程院知识智能联合研究中心联合发布的《人工智能发展报告2011-2020》，2011-2020年十大AI研究热点分别为深度神经网络、特征抽取、图像分类、目标检测、语义分割、表示学习、生成对抗网络、语义网络、协同过滤和机器翻译。
—— 更多行业相关数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》
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。
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。
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。
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。
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。