二十年前，對人工智能研究感興趣的人大多局限于大學和非營利性AI實驗室。人工智能研究項目主要是跨越數年甚至數十年的長期合作項目，目標是服務于科學并擴展人類知識。

但是在過去十年中，得益于深度學習和人工神經網絡的進步，人工智能行業(yè)發(fā)生了翻天覆地的變化。如今，人工智能已進入許多實際應用?？茖W家，技術主管和世界領導人都將AI視為通用技術，尤其是將機器學習視為未來十年最具影響力的技術之一。

圍繞AI的潛力(和炒作)引起了商業(yè)實體，民族國家和軍隊的興趣，所有這些實體都希望利用該技術來保持領先于競爭對手的優(yōu)勢。

多方面的AI軍備競賽增加了對AI人才的需求?，F在，缺乏在各個行業(yè)中開展大型AI研究項目的技能和知識的人才短缺。在這種情況下，那些財力雄厚的人設法為他們的項目雇用了AI科學家。

這導致了AI人才的流失，使科學家和研究人員遠離人工智能誕生和發(fā)展成為革命性技術的機構。

在深度學習革命之前，人工智能主要由基于規(guī)則的程序主導，在該程序中，工程師和開發(fā)人員將知識和操作邏輯手動編碼到其軟件中。在那些年里，人工智能因過高的承諾和交付不足而廣為人知，并且在未能達到期望之后經歷了幾次“人工智能冬天”。

在本世紀初，科學家設法使用神經網絡來執(zhí)行計算機視覺和自然語言處理(NLP)，這兩個領域的基于規(guī)則的執(zhí)行效果非常差。

事件的轉變使AI可以進入以前被認為是無法進入或對計算機極具挑戰(zhàn)性的眾多領域。其中一些領域包括語音和面部識別，對象檢測和分類，機器翻譯，問題解答等等。

這為AI的許多新商業(yè)用途鋪平了道路。我們每天使用的許多應用程序，例如智能揚聲器，語音驅動的數字助理，翻譯應用程序和電話臉部鎖，都由深度學習算法和神經網絡提供支持。神經網絡的復興也在自動駕駛等其他領域創(chuàng)造了新的領域，其中計算機視覺在幫助自動駕駛汽車了解周圍環(huán)境方面發(fā)揮著關鍵作用。

深度學習提供的可能性引起了Google，Facebook和Amazon等大型科技公司的興趣。深度學習已成為這些公司向客戶提供新的更好服務并獲得競爭優(yōu)勢的一種方式。

對神經網絡的重新興趣引發(fā)了從學術機構挖走AI科學家的競賽。從而開始了AI人才外流。