前言据我所知，人工智能的突破性发展是在2012年“深度学习三巨头”hinton、lecun、bengio确立了仿生学神经网络模型，深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。但是直到2016年才在我们国内引起重视，开始飞速的发展我也是在那一年迎来了职业生涯的春天，那么目前人工智能的发展到底达到了什么样的高度，它又将会这么定义未来呢？
人工智能正在走向死胡同2016 年起，人工智能成为中国开发者重点关注的技术领域，以深度学习驱动的计算机视觉、自然语言处理、语音相关技术成为渗透最广的三个 ai 技术领域。然而，在这样的环境下，ai 仍是一个非常前沿的学科，对于国内开发者而言有很多需要克服的障碍，首当其冲的就是算法成熟度问题。
此外，不同领域不同产业的 ai 应用场景复杂度与日俱增，给很多开发者树立了天然门槛，并且这个门槛会随着人工智能的发展不断的拔高，就像以前招聘编程人员一样，以前只要求学过、会用不管学历和年龄，现在不但要求工作经验，技术深度和广度还有年龄、家庭环境等等要求，并且逐年苛刻。人工智能繁荣市场下，不少人也给出了 “深度学习走进死胡同” 的论调，深度学习的瓶颈的已经到来，迁移迭代、损失、灾难性遗忘等一直得不到解决。
与此同时，虽然未来应届毕业生投递 ai 算法岗位的人才市场将会人满为患，对大致的技术趋势也能信手拈来。但从另一个角度来讲，我们发现：在国际顶会或学术会议上发表过论文、或有过相关大规模工业级实战经验的同学，议价能力很高；相反，一般水平的同学却有点过剩，国内大多技术交流和学习只能通过github，一家公司ai技术水平和发展方向由本公司技术最高的人决定
“基础薄弱、专业知识匮乏、优质学习资源难觅、交流渠道狭窄……”这是不少ai 从业人员希获取一手前沿技术、洞察趋势时所面临的困境。在这样竞争激烈、人才辈出的形势下，ai 开发者们又该如何脱颖而出？
人工智能的天花板伸手就能摸到人工智能深度学习神经网络模型的发展只有七年，而且期间没有太大的技术突破目前市场上流行的还是以tensorflow和pytorch这两个框架为主（背景牛逼有谷歌和facebook撑腰），然后是三个主流的神经网络训练模型（rnn、cnn、can）然后再加个drl强化学习，目前企业主流需求就是这些。
其他的很少有能投入到商业应用的，基本都是顶级企业才有投入研究，所以除了一些专项的研究成果，其他公司都处在同一水平，对人才的需求也是很低的，但是目前绝大部分转行的人都还在摸索阶段，从网上买书、看吴恩达视频、看社区技术，但是自己也不知道自己学习的方向对不对，自己处于什么水平了，还有一些连自己学的东西到底能不能用都不知道。所以人工智能这个行业虽然很热门但是其实很乱，从转行的人到一些炒弄概念的公司鱼龙混杂，如果没有一个行业内的朋友指导，我感觉翻车很正常。所以这个行业的尴尬点就是天花板很容易摸到，但是站在哪才能去摸才对很难找。
最后想想应该给老铁们准备些什么了，毕竟老是让你们看我水文也怪不好意思的，于是最近整理了一份人工智能的学习体系（脑图），但是没有相应的资料，如果有想要的老铁们可以关注我然后私信找我要就行，都是头条小老弟没有任何条件就可以领取。