比如上一轮人工智能，大致是用数理逻辑加分治法来一层层分解问题，然后由专门从事此领域的博士们去办理一个足够眇小的问题。
比如在自然措辞处理方面，光分词一项，就由无数论文和实践产品做了非常深入和广泛的探索。

而大模型的问世，让这项研究一下子变得险些没故意义。
很多在这方面投入了十几乃至几十年功夫研究的大神级人物，如果不能很快转变研究方向找到新抓手，那么很大一部分人实在就分开人工智能研究的最新梯队了。

人工智能从最早的专家系统开始，历经决策树，向量机，深度学习等等，到现在transformer大行其道，每一轮范式更替，都会刷下一批专业从业者。
这是一个行业玄色话题，新范式带来新红利的同时，一代老人随老范落幕。

人工智能的博士是非常难读的，很小一个领域，读着读着，运用方向溘然就消逝了。
我熟习的几个浙大同学，后来在行业里玩得比较顺利的，大部分都是读到一半，创造有机会就去搞运用创业了，或者调度自己的定位，改为去发掘新的精良大脑了。
坚持原来的研究方向等待打破，除了费脑，实在也是非常高风险的人生投资。

顺带说一嘴，同时人工智能的某些科普倒很随意，一个三线副教授，也可以大言不惭的说专家系统不算人工智能了。
实在数据驱动和数理逻辑驱动，都是机器智能，不必偏废。
人类的大脑便是这种存算一体构造。
由于数据驱动的办法得到了打破性进展，就否认了逻辑驱动的意义，不过是对智能实质的认知不敷而已。

实在回溯人工智能方法的更迭，每一次进步，都是在数据驱动和逻辑驱动之间的浸染效果得到了新的方法平衡，迭代向前。
机器智力生产力的创造过程，比其他机器生产力的创造过程更加花费人肉智能，这是个把人类中一流大脑当燃料花费掉的行业。