对于未来的展望
首先，实现多模态感知是人工智能技术将要实现的一项重大任务。通过使用多种信息源进行智能判断，将会使得人工智能与人类更加接近；其次，实现自主学习将有利于机器更好地适应新的环境和任务，从而不断提升自身的能力；另外，注重软硬件融合将会推动人工智能技术更快、更节能、更可靠地运算；最后，注重人机协同将实现人工智能与人类进行更加高效协同合作的目标，例如，学习人类行为规律，实现更精准的生产调度等。自主学习是指机器能够不断地从数据中“自主学习”，从而提升自身的能力。这将有利于机器更好地适应新的环境和任务。未来人工智能将会更加注重硬件和软件的融合，实现更快、更节能、更可靠的运算。未来人工智能将会更加注重与人类进行协同合作，实现更好的工作效率。例如，人工智能可以通过学习人类行为规律，实现更精准的生产调度。
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。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要很多其他的科目配合。
就如个性化推荐一样，个性化推荐是一种基于聚类与协同过滤技术的人工智能应用，它建立在海量数据挖掘的基础上，通过分析用户的历史行为建立推荐模型，主动给用户提供匹配他们的需求与兴趣的信息，如商品推荐、新闻推荐等。
