20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的AI实验室。人工智能研究项目主要是跨越几年甚至几十年的长期合作项目，目标是为科学服务，扩展人类知识。

但在过去的十年里，得益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。现在人工智能已经进入了很多实际应用。科学家、技术总监、世界领袖都把AI视为通用技术，尤其是机器学习，是未来十年最有影响力的技术之一。

围绕人工智能的潜力(和宣传)引起了商业实体、民族国家和军方的兴趣，它们都希望利用这项技术保持领先于竞争对手。

多方面的AI军备竞赛增加了对AI人才的需求。现在，各行业缺乏技能和知识来开展大规模AI研究项目的人才非常缺乏。在这种情况下，那些财力雄厚的人设法为他们的项目聘请了人工智能科学家。

这导致了人工智能人才的流失，并使科学家和研究人员远离人工智能诞生并发展成为革命性技术的机构。

在深度学习革命之前，人工智能由基于规则的程序主导，工程师和开发人员手动将知识和操作逻辑编码到他们的软件中。那些年，人工智能以承诺过多、交付不足而广为人知，经历了几次达不到预期的“人工智能寒冬”。

本世纪初，科学家们试图利用神经网络实现计算机视觉和自然语言处理(NLP)，但这两个领域基于规则的实现非常差。

事件的变化使AI进入了许多以前被认为是计算机无法进入或极具挑战性的领域。这些领域包括语音和面部识别、物体检测和分类、机器翻译、问题解决等等。

这为人工智能的许多新商业用途铺平了道路。我们日常使用的很多应用，比如智能音箱、语音驱动的数字助理、翻译应用和手机面锁，都是由深度学习算法和神经网络支持的。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了关键作用。

深度学习提供的可能性吸引了谷歌、脸书和亚马逊等大型科技公司的兴趣。深度学习已经成为这些公司为客户提供新的更好的服务并获得竞争优势的一种方式。

对神经网络的重新兴趣导致了一场从学术机构挖走人工智能科学家的竞赛。由此开始了人工智能的人才流失。