我是16年上半年从软件开发转到算法工程师的，这些年AI，我亲眼见证了从“黑科技”跌入“俗学”的过程。
早些年，在模式识别领域，例如人脸识别、语音识别等，大家都发力在数学算法(基于机器学习)的时候，虽然努力多年，但是因为技术缺陷精度却一直上不去，几乎没有实用价值。
深度学习的引入
在一次NIST竞赛中，有一个厂家突然爆发，一骑绝尘，直接把竞争对手甩下几个身位，也直接把很多识别技术(例如人脸识别)推到了实用的地步。
这个事情对业界的震惊很大，不久后，大家了解到竞争对方之所以能取得这么大的进步，正是因为引入了以“深度学习”为基础的AI技术后，整个业界的研发重点就迅速切换到了基于深度学习的AI的跑道上。
在随后的时间里，大家都如饥似渴的阅读各种paper，因为公司转型到AI方向所以我也沾光，开始接触与AI相关的各种技术，包括神经网络三大模型、深度学习等等。之后，很多企业和研究所的人工智能平台就搭建了起来，各种模式识别技术(例如人脸、语音)放弃了传统的数学算法研究，直接切换到深度学习平台上。
多少“人工”多少“智能”
同时说明了，从技术上来说，“深度学习”并不是一个特别高深，特别新颖
