从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统(AutoML)试图通过自动创建机器学习系统降低人员成本。人工智能是以互联网为基础的技术升级。云南VPU人工智能超融合
人工智能的研究内容：人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及范围极广。人工智能学科研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。1、知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。常用的知识表示方法有:逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。2、常识，自然为人们所关注，已提出多种方法，如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。NPU人工智能计算机视觉人工智能的成熟体系会带来翻天覆地的变化。
人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的:人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性(见下)。另一个定义指人工智能是人造机器所表现出来的智能。总体来讲，目前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。强人工智能观点认为有可能制造出真正能推理(Reasoning)和解决问题(解决问题)的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类:1、类人的人工智能，即机器的思考和推理就像人的思维一样。2、非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
一个人工智能的子领域，表示了理论(从哲学和心理学的角度)和实际(通过特定的实现产生的系统的输出是可以考虑的创意，或系统识别和评估创造力)所定义的创造力。相关领域研究的包括了人工直觉和人工想像。大多数研究人员希望他们的研究结尾将被纳入一个具有多元智能(称为强人工智能)，结合以上所有的技能并且超越大部分人类的能力。有些人认为要达成以上目标，可能需要拟人化的特性，如人工意识或人工大脑。上述许多问题被认为是人工智能完整性：为了解决其中一个问题，你必须解决全部的问题。即使一个简单和特定的任务，如机器翻译，要求机器按照作者的论点(推理)，知道什么是被人谈论(知识)，忠实地再现作者的意图(情感计算)。因此，机器翻译被认为是具有人工智能完整性：它可能需要强人工智能，就像是人类一样。AI促进了计算机工业网络工业的发展。
用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学，斯坦福大学和麻省理工学院，而各自有单独的研究风格。JOHNHAUGELAND称这些方法为GOFAI(出色的老式人工智能)。60年代，符号方法在小型证明程序上模拟高级思考有比较大的成就。基于控制论或神经网络的方法则置于次要。60~70年代的研究者确信符号方法结尾可以成功创造强人工智能的机器，同时这也是他们的目标。人工智能能进行机械式的推理、预测、判断。AI人工智能主机
人工智能的功能是非常强大的。云南VPU人工智能超融合
建立对新技术的信任：第二个障碍是技术本身，它较初对许多人来说是难以理解的。在这里，重要的是消除人们普遍担心的问题，即由AI控制的机器人会在晚上突然突然爆发自己的意志。有人声称，人工智能系统如何做出决定是不可预测和不可理解的。那不是真的神经网络是乘法和加法的序列。它们是确定性的，其工作原理可以与学校的数学联系起来，但是它们确实有许多参数。因此，您无法一目了然地告诉他们他们是如何做出决定的。也有人呼吁AI使其决策路径易于理解，较好是遵循if-then-else模式的可理解规则。如果可能的话，将不需要复杂的模型，因为常规编程就足够了。但是，人工智能是对问题的答案，在这些问题中，如果易于解释的其他规则则不存在任何解决方案。在这些系统中建立信任所需要的是可测试的，可靠的系统，可以通过使用该系统并了解AI在给定用例中的响应方式来进行探索。当这项测试快速而轻松地进行时，发现的结果以及由AI驱动的机器人将受到信任。云南VPU人工智能超融合
