1.2 向人工智能 2.0 迈进
按照潘云鹤院士《人工智能迈向2.0》一文中给出的定义，人工智能2.0是基于重大变化的信息新环境和发展新目标的新一代人工智能，所涉及的技术包括大数据智能、跨媒体智能、自主智能、人机混合增强智能和群体智能等。
1. 大数据智能
基于大数据的深度学习通过与增强学习的结合，利用增强学习过程中积累的知识，不断优化和提升自身的理解水平，实现了大数据驱动的知识学习，促进了大数据智能的产生，使得原本依赖于暴力计算的深度学习焕发了活力，具备了单一任务中的分析、推理和决策能力，并将在一定程度上解决深度学习的黑箱问题。实际上，AlphaGo通过其“估值网络”和“快速落子”两大法宝，已经发展出了“直觉感知”和“推理”的能力，初步具备了大数据智能。
2. 跨媒体智能
人类可以通过视觉、听觉、嗅觉、味觉、触觉等，以及其他知识进行综合感知，形成对周围世界的全面认识，这也是人工智能所希望达到的目标之一。跨媒体智能技术就是要让人工智能能够综合理解文本、图像、语音、视频、地理信息或其他类型数据及其相关属性。通过跨媒体计算，人工智能可以打破单一数据的局限性，随时多维度感知周围世界的几乎所有信息，实现跨媒体语义贯通，为人工智能的智能行为奠定基础。跨媒体智能除了可以与情感计算结合用于实现高仿真情感机器人之外，还可以使人工智能发展出联想、设计、概括、创造等能力。
3. 通用智能
目前的人工智能饱受质疑的一个主要方面就是单个系统只能解决单一的问题，而且即使是在某一专门领域能够轻松战胜人类的人工智能系统，也难以应对其他领域的简单问题，甚至根本不能解决常识性问题。为解决这一难题，人工智能必须学会在没有先验知识的情况下，主动寻找知识关联，扩充自身知识图谱，实现举一反三的能力。实际上，人工智能在具备了跨媒体智能之后，完全可以通过跨媒体数据学习获得一定的通用智能，从而打开通往通用智能之门。2017年3月底，百度IDL研究院徐伟等就提出了一个新的通用智能架构，能够使得智能体通过多任务强化学习和零数据的情况下，结合语言和视觉两种信号在迷宫中导航并定位物体。
4. 自主智能
人工智能饱受质疑的另一个方面是缺乏自主学习的能力。比如，在无人车间、无人工厂、太空、极地等控制人员不在现场或不便于在现场的情况下，无人机、无人车、无人船、服务机器人、空天机器人、极地机器人等各类智能设备需要其在遇到新的问题时，具备像人类一样的思考和处置能力，甚至可以应对自身所处的未知环境和问题，在全新环境进行自主决策。经过科学家门的不懈努力，目前自主智能领域已经取得了一定成绩。一方面，基于跨媒体智能与SLAM（simultaneous localization and mapping，即时定位与地图构建）技术结合的全自主移动机器人已经开始出现初级原型系统；另一方面，DeepMind已经开发出了一种算法，允许Deepmind系统的神经网络自主学习，并再次使用所保留的信息，甚至开始向机器自主编程方向迈进。
5. 混合增强智能
除了让机器具备人类智能之外，人工智能的另一个研究方向是混合增强智能，包括各种穿戴设备、智能驾驶系统、外骨骼设备、人机协同手术系统等，它们都是以人类本身为基础的，利用人类的意识进行机械系统的操作，实现人机协同。这类人工智能系统由于有人类的直接参与，获得了社会上较高的认可。如霍金所用的座椅就可以让毫无语言能力和肢体活动能力的霍金进行现场演讲；另外，一些通过脑电等操作的机械手臂等也已经开始帮助残障人士实现自主活动。由于混合增强智能使得人类能够利用自身意识，通过机械化延伸与扩展，来实现人脑主导的体力、感知力和智力等各方面增强与拓展，更加易于为人类所接受，并带来直接的益处，因此在近期可望取得明显的市场发展。目前，市场上已经出现了一定数量的混合增强智能系统，但还存在成本居高不下，难以普及等问题，尚需要从混合增强计算架构的理论与工程实践上继续加以深入研究。
6. 群体智能
群体智能主要是来自于对自然界的研究中所受到的启发。人们发现，在自然界中，单个的小鱼、小鸟、蜜蜂、蚂蚁等并不具备有多大智能，但是当它们动态统一成一个群体时，所表现出的能力往往会超越所有个体能力之和。群体智能中所需要解决的问题包括群体成员之间的主动感知与发现、群体知识的获取与生成、群体成员间的协同与知识共享、群体智能的评估与演化、群体成员的自我维持与相互之间的安全交互等。目前已经有一些群体智能的应用出现。Unanimous所开发的Swarm AI平台在第89届奥斯卡大奖名单的预测中，准确率达到了75%。另外还有一些人工智能系统，分别在体育赛事、股市预测等方面，表现出了超过人类顶级专家的能力。
7. 类脑智能
类脑智能已经开始显现出深度学习无可比拟的优势。类脑智能借鉴大脑中“内存与计算单元合一”等结构和信息处理方法的特点，在硬件实现与软件算法等多个层面，对于现有的计算体系与系统做出本质的变革，从计算能耗、计算能力与计算效率等诸多方面都有了大幅度的提升，已经成为一个明显的发展趋势。而且，人类对人脑的认识才刚刚开始，随着神经科学、脑科学、认知科学、生物科学、材料科学的不断发展和通信技术的不断进步，类脑智能必将会在不远的将来取得飞跃式发展。类脑芯片开始出现。高效能可重构类脑计算芯片。存储和计算微模块化组合，缩小了相互之间的瓶颈。
