（1）AI創(chuàng)新的步伐正在加速

AI領域中機器學習、計算機視覺、機器人等幾項熱點技術都在加快更新?lián)Q代。如計算機視覺領域，谷歌公司的“谷歌大腦”（Google Brain）模型2013年對于圖像識別的準確度普遍在60%~70%之間，2020年已經(jīng)可以達到90%以上，模型訓練的速度提高了8倍。又如智能翻譯領域，2017年商業(yè)領域帶訓練模型的獨立機器翻譯云平臺僅有8家，2020年增至28家，其中LibriSpeech數(shù)據(jù)庫對于單詞識別的錯誤率從2017年的5%下降至僅1%。

（2）AI研發(fā)工具傳播更加廣泛

曾經(jīng)，尖端的深度學習技術需要大量的數(shù)據(jù)、計算能力和專業(yè)知識，非常昂貴。隨著技術加速進步，AI的應用程序和開發(fā)工具也逐步公開，為更多人所用，許多平臺都是開源免費的，不少領域的訓練成本也都大幅降低。云計算的普及和數(shù)據(jù)共享使用將使AI創(chuàng)新不再是少數(shù)人的專屬，能夠拓展到全球范圍實施。

（3）AI正在改變?nèi)藱C關系

在現(xiàn)代社會中，人們對機器和自動化的需求程度在不斷加深。以智能手機為例，目前的手機都具有多種支持AI的功能，包括語音助手、照片標記、面部識別安全性、搜索應用程序、推薦和廣告引擎等。在手機功能越來越強大的同時，人們對其依賴程度也在升級。此外，智能電器、智慧家居等都在通過提供更加便捷、精準、高效的服務改變?nèi)藗兊纳�活習慣。AI正在將曾經(jīng)的幻想轉化為跨學科的現(xiàn)實，讓機器扮演更加重要的角色。

其發(fā)展應用呈現(xiàn)出更加積極的趨勢，同時也面臨新的挑戰(zhàn)。

隨著AI從精英科學發(fā)展成為主流工具，今后其或在某些方面遇到難以突破的瓶頸。

一是訓練模型需要的數(shù)據(jù)將更為珍貴，各國政府、企業(yè)、研究機構都更加重視并加強對數(shù)據(jù)和隱私的保護，或限制AI的快速發(fā)展；

二是隨著應用的普及，AI在就業(yè)、生物、社會公平，甚至機器與人的關系方面都將面臨現(xiàn)實的倫理挑戰(zhàn)；

三是部分領域AI帶來的顛覆性創(chuàng)新，如自動駕駛，相關監(jiān)管措施是否能及時跟進，將對其應用產(chǎn)生深刻影響。