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，但是由于技能毛病精度却一贯上不去，险些没有实用代价。
深度学习的引入
在一次NIST竞赛中，有一个厂家溘然爆发，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能（例如人脸识别）推到了实用的地步。
这个事情对业界的震荡很大，不久后，大家理解到竞争对方之以是能取得这么大的进步，正是由于引入了以“深度学习”为根本的AI技能后，全体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。
在随后的韶光里，大家都迫在眉睫的阅读各种paper，由于公司转型到AI方向以是我也沾光，开始打仗与AI干系的各种技能，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，各种模式识别技能（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”
同时解释了，从技能上来说，“深度学习”并不是一个特殊博识，特殊新颖的技能，而更多是“旧瓶装新酒”，是对大家不雅观念的旋转。
由于在此之前，打算资源缺失落，数据缺失落，以是才使得严重依赖于此的深度学习技能难以实用化。
而经由互联网多年的积累，打算和数据都到位的时候，“尘封”多年的深度学习技能则溘然“否极泰来”。
我从不止一个算法科学家嘴里听过，从对脑力的寻衅来说，深度学习的风雅度远不如传统的数学算法。
乃至，相对付早前的数学研究，大家都以为“深度学习好“傻”，好“暴力”，一种常见的套路是：
设置框架，喂数据，调参数，喂数据，调参数…，循环往来来往。
而且，就这两年来说，好多普通的软件工程师，都逐步开始对算法研究缺少敬畏了，由于目前的人工智能便是 有多少“人工”就有多少“智能”
从此，大家也能够感想熏染到，算法的提高，在很大程度上赖于数据，而不仅是算法工程师的脑力。
以是一大批培训机构如雨后春笋冒了出来，开始收割这批想入行的人，由于早期市场比较乱，以是也让这些机构赚了一笔，但是现在行业已经明朗想要再混水摸鱼是不可能的事情了。
各大院校学生吐槽毕业设计
如果说7、8年前的状况是各个专业转CS的话，现在是全民转AI。各个专业的，例如自动化、微电子、机器、通信、电子信息、材料专业，都有大量的学生在学习机器学习(紧张是深度学习)。学院方面为了相应官方政策，将这些专业学生的毕业设计中添加了，人脸识别、目标检测等项目。
至于我为啥知道这个，是由于前段韶光在西瓜视频上分享了一套MTCNN的视频，结果很多大四的学生都在和我吐槽“毕设”的事情，不论是否是CS专业，只假如能挨边的或者人工智能在该行业有项目落地的，都被安排了。
导致这些没有学习过人工智能乃至编程的苦孩子，到处在各大平台网站找资料学习，然后很多还被培训机构给坑了。
如果读者中有须要MTCNN技能讲解的可以关注我，每天会在西瓜视频分享一节MTCNN的视频给大家
直达连接：「链接」
然后如果须要视频中配套的代码和数据集可以私信我。