人工智能，深度学习，是不是继生化环材之后的第五天坑?

毕业即失业

太长不看：人工智能有可能成为天坑，但是这个可能性很小，成为第五个（下一个）的可能性更是接近于零。
下面说说判断依据。
1. 什么是天坑？

简单地说，天坑指代那些从业人员（包括在读学生）数量明显超出行业消化能力的专业。由于僧多粥少，在经济学规律作用下，这些专业不仅竞争激烈（内卷），而且投入产出比严重下降，因而以世俗角度看待，这些努力是不值当的，误入其中的人便是被坑了。
2. 为什么会产生天坑？

最主要的原因，是普通人获取行业信息和趋势的能力太弱，不仅严重滞后于资本，且容易被各种消息误导。
任何一个天坑的形成，都是源于技术进步、辅以信息不对等，成于盲目跟风。技术本身是客观存在的，但是往往离公众太远，因此公众很难独立解读这些技术进步的意义。一旦资本意识到这项技术有1%的可能性改变世界，他们就会开始布局：一方面以大量的投资迅速完成基础建设，一方面以各种渠道鼓吹技术、制造泡沫，吸引不明就里的从业者（也就是韭菜苗）入局。若干年后，行业趋于成熟，可能出现两种情况：如果落地顺利，则资本大赚，老韭菜们也跟着小赚，转而培植下一代韭菜；如果落地受阻，则老韭菜掉入天坑，资本通过压价攫取剩余价值，保证小赚。换句话说，资本稳赚不赔的条件，就在于早期能够吸引多少韭菜入局——于是在利益的驱动下，他们一定会过分解读技术甚至有意误导民众，以完成早期布局。
注意：我并不是说上述模式有什么问题。在资本主导的世界里，这几乎是必然会反复发生的事情。对于整个社会来说，这或许是最高效的进化方式，只是被收割的韭菜比较惨罢了。
再顺便说一句：作为韭菜的自我修养，我们必须清楚：任何高新技术的发展都有极大的不确定性。千万不能相信资本的一面之词，否则下一个被割的就是你。
3. 人工智能会成为天坑吗？

说了这些以后，我们来看看，人工智能是不是下一天坑的有力竞争者。我们先回答几个简单的问题。

• 人工智能是否存在泡沫？毫无疑问，是的。如前所述，资本不会放过任何一个制造泡沫的机会。
  
• 人工智能落地是否顺利？我的判断是，达到了资本的预期，但是和他们鼓吹的情形（几乎等同于外行或者普通民众的预期）有差距。
  
• 人工智能是否开始内卷？应该有，但是程度不很严重，至少达不到天坑的门槛。虽然人工智能的就业前景不像前几年那么好了，但也只是从特别好回落到了正常的水平，横向对比其他专业还是有优势的。
  
• 人工智能未来前景如何？这也是最重要的问题，但是我们无法预测未来。只能说，技术发展是跃变的过程：上一次跃变发生在2012年（深度学习），它所带来的红利已经几乎耗尽，而下一次跃变的时间地点（领域）都是未知的。尽管如此，我还是看好人工智能，其中一个重要的原因是：人工智能的门槛低、开放程度高——这是其他领域所无法比拟的。
  

4. 韭菜们该怎么做？

这算是附加题了吧。
根据上述分析，韭菜们提高自我修养的方式包括但不限于如下几条：

• 以发展的角度看问题。我时常对我的学生说，除了看深度学习，也要多看看深度学习之前的发展，这样就会更深刻地把握整个人工智能领域的现状——我本人经历了深度学习出现后茫然不知所措的阶段，我不希望他们也这样。
  
• 提升自己的品味。这点非常重要，但也是初学者最难掌握的。尤其是现在，每天都有大量宣称SOTA的文章出现，有各种公众号轮番轰炸。一定要搞清楚哪些文章只是提供了一些小trick，而哪些文章足以更新我们的知识体系。很显然，后者是更重要的，即使它们的结果很差，甚至迟迟没有发表。品味提高以后，被资本恶意误导的可能性也会降低。
  
• 把学问做深做透。选择了一个专业后，至少在2-3年的时间里，不要想太多，把自己的工作做深做透。我的导师张钹先生，曾经多次在组会上说：进了我们组，就当自己上了贼船，与其犹豫不决，不如狠下心来做几年再说。等到走上岗位，我们都会发现，本领就是硬道理。大家都是韭菜，你的根须更深，就算被割了也能快速再长出来。
  
• 保持良好的心态。最后还是要强调：韭菜和做题家一样，更多地是一种自我调侃。就像中国的改革开放是无数做题家造就的一样，人类技术的进步也是一茬茬韭菜铺就的。我们在追求个人发展的同时，也要认清自己终究是普通人的事实。如果真成了韭菜，也不要过分埋怨，毕竟世界上还有许多梦想成为但无法成为韭菜的人，不是吗？
  

原因是，初级（背景不强的）算法工程师，难以被合理估价（定工资）。

算法岗这块，工作内容开放，效果上下限差距巨大。最理想的模式，应该像股票交易员一样，拿底薪+分成。
算法工程师的收入，应该直接与其训练的模型的收益成正比。
有了这个条件，算法岗将会成为最容易就业的职业：对于老板来说，只要投简历，就给offer安排入职，之后能用的自然会留下，厉害的还可以做合伙人，不能用的，底薪不够睡地下室，干几个月自己就滚蛋了。

可惜，现在的工程管理，做不到这个程度。
于是，老板们都在纠结：
一个模型效果不好，到底是问题难度过高，还是工程师挫逼（aka. 摸鱼）？
那么只招公认牛逼的工程师好了，并且是最牛逼的那一群。毕竟大牛技艺proven，普遍比较有志向，爱惜羽毛，就连摸鱼也是负责任的摸。
所以，简历上不漂亮（非985或海博）的工程师就倒霉了。明明你们都是人才，但老板不是你们肚子里的蛔虫，不敢招你们啊。

相比之下，开发岗就没这个问题。一个设计好的项目，什么水平的工程师在什么时间内做成什么样，业界早就有充分经验了。每一个开发都可以精确定价。老板工人两不相欠。

我琢磨着，这波“人工智能”的大潮，不是从alexnet开始兴起来的吗？
怎么就从资本圈里兴起来了？
这届资本圈大佬们，怎么一个个都这么会给自己脸上贴金？

其实，哀鸿的那批人应该先学写代码。
不存在你基本功都没有，就能一步登天成为行业精英，走上人生巅峰的美事。
尤其是刚经过半年自学，打算摩拳擦掌出来闯江湖的。

大众对于AI的认知还处于七上八下的阶段，一会儿吹一波，一会儿踩一脚。
因为不了解，所以对这个行业的画像还很模糊，画风也就容易突变。

这时最好的方法不是盲目跟进某个工种，而是学知识，练技术。
本事到手了，不用愁机会。

Think about what you can.
Do what you have to.
Find what you really want.

不过说实话，这个时代的人，很多都幻想自己成为下一个王凯歆。
一夜暴富的思想都快成主旋律了，整个社会都充满了鸡血，背后是藏不住的疲惫。
何苦呢。

这个回答的主旨就五个字：学会写代码。

补充：
看了 @纳米酱 的回答，我觉得说的非常好。
不同的人位置不同，立场也就不同。
我在创业公司搞AI架构，所以开发也好、全栈也好，杂七杂八的事都得做。
评价的标准自然以“能打”为第一优先级。
在大公司、研究院专职做研究型/项目型算法工程师的话，着眼点肯定是很不一样的。
法师还是战士，要不要转职，你总会有选择的。

最后的最后：
打工而已，别想太多。
日子总要过，办法多得是。

记得去年找工作，转行来计算机的基本都找算法岗，包括，物理生物化学机械等等诸多理工科专业。很明显，理工科的大家谁还没学过数学，算法不就是数学吗，看看西瓜书，run一下mnist。谁还不能去应聘个算法工程师的岗。于是算法岗在短时间内呈空前的红海状态，堪比生化环材，因为生化环材的也都来竞争算法岗了。
另一边，需要扎实代码基础的前后端，甚至底层开发岗位依旧能保证不错的就业形势。
这几年的舆论导向一个劲的鼓吹人工智能人才缺口有多大，聪明人如果只看舆论，还叫聪明人吗。看看目前市场上落地的人工智能应用有哪些，你还会觉得算法甚至整个人工智能人才缺口有说的这么大吗？
即使有，那种就会调个包调个参，看了两周吴恩达的转行思路已经行不通了。