弱人工智慧早已到來，我想題主應該是想問強人工智慧。

人工智慧是一個比較寬泛的概念，按照人工智慧的智慧水平可以分為三個層次，即弱人工智慧，強人工智慧和超人工智慧。所謂的弱人工智慧是指擅長於單方面的人工智慧，而強人工智慧指在各方面都與人類相當的人工智慧，超人工智慧則指全面超越人類智慧水平的人工智慧。弱人工智慧如今已經遍佈於人類生產生活的各個領域，從自動化生產線，到所謂的智慧家電，甚至是樓道中一個簡單的聲光開關，這些都可與之扯上聯絡，如果離開了弱人工智慧，整個人類社會甚至將要陷於停滯。超人工智慧的時代則無法想象，就像猩猩和猴子無法理解人類的社會一樣。因此，本文主要談論的是強人工智慧時代什麼時候到來，以及如何到來的問題。

現有的人工智慧水平離達到真正的人腦的水平還有很長的一段路要走，起碼在理解人類的情感方面現有的人工智慧研究還沒有在實踐上取得任何進展。不過這不代表強人工智慧的出現還需要很長的時間。

　　人類很容易被自身的經驗所限制，從而做出不夠準確的判斷，根據人類已有的經驗，機器的發展要經過比較長的一段時間才能由一個階段進入另一個階段。人工智慧卻並不符合這一規律，其遵守指數型增長模式，開始時可能會比較慢，然而一旦透過拐點就會呈爆發性增長。

　在我們的生活中，智慧產品的推出和翻新速度甚至遠遠超過生產部門，智慧穿戴裝置，智慧家居也已耳熟能詳，無人駕駛的智慧汽車也已取得了重大進展，也許在不久的將來我們只需坐進汽車，在說出目的地後就可以到達任何想去的地方了。在人們生活智慧化過程中充滿著機會，只要能夠抓住就可能會創造出一個強大的商業帝國。

無論強人工智慧時代何時能到來，如何到來，我們都需要注意的是，人工智慧像人類的任何發明一樣，既能造福人類，亦可以給人類造成麻煩，更為嚴重的是，我們所面對的這個發明物可能具有與人類相同的智慧水平，但卻有比人腦更大的儲存空間、更快的反應速度並且能夠在極短的時間內進化出比人類更高的智慧。所以，對於人工智慧的研究與發展持有謹慎的態度絕非杞人憂天。有人預言，“強人工智慧可能是人類最偉大的發明，同時也是人類最後的發明”，希望這一預言不會變成現實。

100年內。10年內。1年內。甚至明天都有可能。

其實，如果窮盡目前所有的計算機的計算力和整個網際網路的大資料。預計已經可以造出一個99.9999%領域全面超越人類的人工智慧了。如果量子計算機投入大量普及。人工智慧用品高度熱捧。（比如小愛同學）也許，明天一個機器人就能透過圖靈測試了。你和她聊天，聊一年也許也想不到她是機器人了。

比如這個是微軟的聊天機器人。

不過，人工智慧目前正在高爆發增長。好比人類的工業革命。boom。突然整個改變了人類近程。

隨之量子計算機。人工智慧晶片的研發。人工智慧本身參與到人工智慧的研發。也許下一秒人工智慧就突然暴發。然後人了被徹底淘汰。成為新文明下食物鏈的底層。淪為和普通猴子，猩猩一樣的靈長類動物。

新舊時代的革新從來都不是一撮而就，一個新時代要取代另一個時代必須付出時間的代價。雖說人工智慧是新時代的標誌，但已目前的技術條件和各方面問題的解決方案來講，只能算一個開端，談論全面普及人工智慧還為時尚早，我們要理性接受新事物。

2017年的人類同胞們，請慎重看我的留言，我是來之2050年12月5日9點12分的地球人莫 JE。請停止人工智慧的開發，2049年人工智慧“GOODBOY”自以為是生命，傳播自己的程式，控制了全球所有機器人。人類已經和機器人大戰了一年，我們處處敗退,由於發現的新地球太遠，我們已經派出多輛諾亞飛船去往，大概20年才能達到。戰爭估計快結束了，2051年將是人類敗在自己造的機器人的一年。

再見了我們的過去

人工智慧的概念非常寬，類別也有很多種。按照人工智慧的實力，一般會分成以下三個大類：

弱人工智慧（Artificial Narrow Intelligence,簡稱ANI）：擅長單個方面的人工智慧。比如Siri，它可以和你聊天。但是如果你想要和它來一盤激情又刺激的飛行棋，那它是無法完成的。

強人工智慧（Artificial General Intelligence,簡稱AGI）：人類級別的人工智慧。是指各方面與人類可比肩的AI。它能夠獨立思考、解決問題、自我成長等。但製造它非常困難，目前我們做不到。

超人工智慧（Artificial Super Intelligence,簡稱ASI）：各方面超人類的人工智慧。據知名人工智慧思想家Nick Bostrom的定義，它是：”在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創新、通識和社交技能。”這也許是人工智慧的最高境界，也可能是人類的萬劫不復。目前不可得知。

目前我們處於的世界，就是被弱人工智慧包圍的世界。但在有生之年，人工智慧很可能會超越人類智力範圍，進而挑戰人機關係。

比如現在，AI已經學會算命了。

自從 AlphaGo 在圍棋對弈中連勝人類最強棋手柯潔等人之後，「人工智慧」、「深度學習」、「神經網路」這幾個詞大家已經不再陌生，大家也意識到 AI 的強大，於是，許多人就開始在 AI 上做文章。

其實，AI 一直是科技公司重要的下一步。

像是百度的「All in AI」戰略、華為的「AI 晶片」軍備競賽，還有馬斯克、扎克伯格、霍金等人為 AI 是否會對人類產生威脅而在社交網路上沸沸揚揚的口水戰等等。

可以說，今年的 AI 圈子變得更加熱鬧，而全球從事人工智慧領域的人才也相當稀缺，不少企業開始上演了「重金求賢」的戲碼。

但也因為 AI 圈今年突然火爆，漸漸地，這個圈子的畫風部分 AI 的畫風似乎有點不太對勁兒。

前段時間，斯坦福大學的研究人員設計出了一款 AI ，號稱可以根據人臉的照片來判斷一個人的性取向，其判斷男士性取向的準確率達到 81%，判斷女士性取向的準確率則為 74% 。

具體是怎麼做到的呢？還是那一套，大資料以及演算法。

這個 AI 透過對美國約會網站中的 35,000 多張照片的面部特徵進行深入分析，以及基於大資料和視覺分析，可以一眼看出你到底是直的還是彎的。

據斯坦福大學的研究人員介紹，他們發現，男同性戀比男異性戀臉部更陰柔、更具有女性特徵，女同性戀反之。除此之外，男同性戀比男異性戀下巴更窄、鼻子更長、前額更大，女同性戀比女異性戀下巴更寬、前額更小。

不知道看到這些總結，那些娛樂圈的小鮮肉內心是怎麼想的。

還有更神奇的。

2002 年，好萊塢經典科幻大片《少數派報告》中的一個場景讓人印象深刻，未來的警察能夠藉助「先知」對未來進行預測，提前趕到並阻止重大犯罪行為，使得罪犯在行兇之前就得到懲罰。

▲《少數派報告》劇照

據說藉助 AI 演算法，這個場景已經在一定程度上得到實現。

美國賓夕法尼亞大學統計學教授理查德·伯克開發了一種新的演算法，能夠預測哪些人會在未來犯罪的風險高：

透過收集從 2009 年到 2013 年約 10 萬件家庭暴力的案例，使用了機器學習的方法，將這些資料「喂」給電腦程式，包括年齡、性別、郵編、第一次犯罪的年齡以及一長串先前可能相關的犯罪記錄，從而估計哪些人會重蹈覆轍。

2016 年，上海交通大學的兩位科學家研發了一個神經網路系統，能夠透過臉部識別技術辨認罪犯：

研究員使用了 1856 名男性的身份證照片，他們的年齡在 18 到 55 歲之間，其中一半的人有犯罪史，90% 的照片用來訓練 AI 演算法，剩下的 10% 用來檢驗演算法效果。

最終得出的結論是：

犯罪分子與遵守法律的公民相比，他們長相和普通人之間的差異更大。

Google 的三名研究人員憤怒地發表萬字長文，批評這項 AI 研究存在「外貌歧視」，是「科學種族主義」，並從歷史、倫理出發，對「相面術」及其在機器學習時代的新形態進行了批評。

無論是「AI 判斷性取向」或者是「AI 預測犯罪」，都是基於面部細節進行的視覺分析，乍一看似乎有點道理，實際上卻是「偽科學」。

在今天，「相面術」一直是民間玄學，雖然有不少人相信面相可以反映一個人的內在特性，但普遍來說缺乏根據，可以說，這些看臉的 AI 預測是披著科學的外衣，做的卻是算命先生的事情。

要說 AI 這個話題，就難免要和大資料掛鉤，大部分的 AI 都是透過收集回來的資料，配合研究人員制定的演算法或者自我學習來產生最終的結果。

雖然 Google 的研究人員憤怒地指責了 AI 預測，但最先證實大資料強大的，也是 Google 。

2009 年，H1N1 爆發幾周前，Google 的工程師們在 《Nature》（英國著名科技雜誌）上發表了一篇論文，成功預測了 H1N1 在全美範圍的傳播，甚至具體到特定的地區和州，而且判斷非常及時。

這個預測震驚了不少人，但隨後幾年 Google 的預測卻屢屢碰壁，到了 2014 年，美國著名的《科學》期刊刊登了一篇名為《谷歌流感的寓言：大資料分析的陷阱》的文章，提出了大資料分析有分析側重性，會導致在推導因果關係時容易出現誤差。

▲Google流感預測失準

在《大資料時代》一書中，舍恩伯格的確總結了相對傳統小資料的三大特點：非隨機樣本，而是全體資料;非精確性，而是混雜性;非因果關係，而是相關關係。

比如去年的美國總統大選。

Bing Predicts 是微軟在 2014 年推出的 AI 預測引擎，它成功預測了 2014 年蘇格蘭獨立公投的結果以及 2014 年巴西世界盃 15 場淘汰賽的結果，被稱作機器版的「章魚保羅」，而它在川普和希拉里的總統競爭中，完全將寶壓在了希拉里身上，達到了 87% 。

此外，包括 Unanimous A.I. 在內的多個美國大大小小的 AI 都預測希拉里會勝出，但結果我們都知道，川普成了最後的贏家。

雖然還有一家叫 MogIA 的 AI 公司成功預測了結果，但其創始人 Sanjiv Rai 也不得不承認，目前AI系統對「諷刺表達」、「反話」的識別能力有限，網民們的言論可能被系統錯誤解讀的。

比如，即使特朗普的 Twitter 賬號下有大量的網民互動，這不代表這部分網民傾向於支援特朗普，但相關話題的活躍度會被 AI 系統歸入民意預測依據。

還有演算法設計者潛意識中的信念和偏見是否會被寫進能影響我們做決定的演算法當中，也是大眾對 AI 預測產生質疑的原因之一。

在這兩天的烏鎮網際網路大會上，各位科技大佬們不約而同地構思著 AI 的未來。比如馬雲認為 AI 雖然會替代一部分人的工作，但要相信人的創造力，會有新的工作需要人類的；谷歌 CEO 劈柴哥（Sundar Pichai）希望 AI 能讓電腦適應人類。。。

▲劈柴哥在烏鎮

不可否認，未來 AI 會在人類社會中擔任更重要的角色，就像美國麻省理工學院的溫斯頓教授認為那樣：

AI 就是使計算機去完成過去只有人才能做的智慧工作。

但算命看相這些玄學，應該不包括在內。

人工智慧，其實只是一個工具，為什麼現在沒有普及是因為，生產和創造這個工具的人群，在國內為數不多。導致國內目前接觸人工智慧的都是一些搞研發的朋友

想要大面積普及，只有各企業，包括研發，生產製造，國家在這方面大力度支援，很快就會普及。一旦大面積開始生產，生產成本會降低很多價格會很親民，價格親民的情況下，確保產品本身沒有什麼大問題，確實能夠解決生活中的問題，相信使用者也會很樂意接受。

我猜測還需要至少30年以上。因為即使現在到處開始研究人工智慧，一個產品從生產到普及還是要涉及到很多環節，參見VR和AR，早就研究出來了，但是因為價格技術問題一直沒有普及開來

關於這個問題，其實誰也給不出一個具體的時間點，可能五年後，也可能十年後，當然也可能更加長遠。1，這看我們去如何定義這個人工智慧的廣泛應用，是我們生活中可以看到人工智慧的應用了，還是人工智慧應用於各行各業。2，如果是簡單的在生活中看到人工智慧就算的話，那麼現在就已經有了，例如大資料技術之類的，但是這樣定義顯然是比較狹隘的，不能夠反映全部的問題。3，如果是用於各行各業人工智慧算的話，可能時間會稍微長一些，但也不會太長，畢竟現在是一個資訊快速處理的時代，以前想都不敢想的資料量現在可能幾秒鐘就處理完了，所以人工智慧的普及也不會花太長的時間。所以我們有足夠的理由堅信，人工智慧時代正在以飛快的速度來臨，我們能做的就是儲備自己的能量參與其中，而且，人工智慧一定會對我們的生活帶來翻天覆地的變化。

現實社會。人工智慧是威脅及毀滅人類的第一殺手鐧，人類會面臨人工智慧的挑戰。 社會及國家應發展男人生孩;隨著人工智慧的誕生，就業等各方面壓力加大，未來人類就喝西北風，也是一件好事，最起碼給人類逐漸減負、消失。

謝謝邀請，不過這個問題確實有點難以回答，目前國家的政策傾向於普及人工智慧，已經在小學起開展了程式設計課程，不過這個需要硬體的支援，那麼何時能普及，像偏遠山區如何能夠硬體到位？只有社會各界的一些支援，這樣才能夠普及，隨著技術的發展以及政策的變化，估計在十年以後大中小城市會普及開來，再往邊遠山區普及只是一個比較短暫的過程。謝謝

對於人工智慧普及的這個概念得分程度。人工智慧應用很廣，他的普及並不是指機器人完全融入我們的生活，體現在方方面面。

目前而言，人工智慧技術就已經融入了我們生活。

你我手機上的語音助手siri等，也是基於神經網路訓練得出的結果。還有很多美圖軟體，拍照軟體，人臉識別解鎖等等都是人工智慧的產物。

目前而言金融領域的量化交易技術也是人工智慧的產物，所以無論是炒股炒幣現在的散戶都越來越難生存了，割韭菜都用人工智慧。

所以，人工智慧目前其實已經滲透於我們生活之中

如果題主要說的是仿人機器人這種完全要融入我們生活我個人認為估計至少50年。為什麼這樣說呢？一個新技術的應用必將經歷：軍用-工業應用-民用的過程。目前而言最先進的機器人技術並無法實現完全的像人一樣溝通運動，也沒有完全代替人類進行工業工作的機器人。

如果說一些比較簡單的例如服務機器人，無人機，送貨機器人等等的普及，其實技術和製造是完全沒有問題的，他們的普及目前而言難度在於製造的成本和銷售的價格，當這些產物完全落地製造業，多企業之間的競爭將使價格壓低，製作標準化以降低成本。這樣當他們的價格到達一個群眾能承受的範圍後，這些低端一點的人工智慧機器人就將普及。

人工智慧，其實只是一個工具，為什麼現在沒有普及是因為，生產和創造這個工具的人群，在國內為數不多。導致國內目前接觸人工智慧的都是一些搞研發的朋友想要大面積普及，只有各企業，包括研發，生產製造，國家在這方面大力度支援，很快就會普及。一旦大面積開始生產，生產成本會降低很多價格會很親民，價格親民的情況下，確保產品本身沒有什麼大問題，確實能夠解決生活中的問題，相信使用者也會很樂意接受。

在當前產業結構升級的大背景下，科技領域和傳統行業領域對於人工智慧的呼聲在持續高漲，一方面傳統行業領域急需透過人工智慧技術來解決低崗位附加值的勞動力缺口問題，另一方面人工智慧技術也是大資料、雲計算和物聯網等技術的重要發展訴求。從這個角度來看，人工智慧技術的發展趨勢還是比較明顯的。

人工智慧技術是典型的多學科交叉技術，不僅涉及到的學科眾多，而且難度也比較高，這是人工智慧領域整體發展較慢的一個重要原因。但是在當前大資料和雲計算的推動下，人工智慧技術得到了資料和算力的有效支撐，所以近些年來人工智慧技術在落地應用方面，也出現了一些突破，尤其是在深度學習領域，落地應用的效果也在逐漸得到改善。

人工智慧技術何時能夠得到大面積的普及應用，取決於多方面因素，其中場景搭建是一個重要的環節。由於目前人工智慧技術尚處在弱人工智慧時代，所以人工智慧技術的落地應用在很大程度上要依賴於特定的場景。當前，適合於智慧體應用的場景還比較有限，比如一些規則清晰、重複性較高、難度較低的工作場景，往往會率先實現智慧體的落地應用。

當前，自動駕駛被認為是人工智慧技術大面積應用的重要突破口，如果自動駕駛實現了落地應用，那麼基於自動駕駛技術會打造出一個全新的行業生態，這也會全面促進人工智慧相關技術的落地應用。從當前自動駕駛技術的發展趨勢來看，自動駕駛很有可能在十年之內實現落地應用。

人工智慧想要大面積普及，普遍應用。只有全社會參與，眾多企業研發和生產製造，並且國家在這方面的大力度支援。還有很重要的一點是，產品價格要親民。

據華為輪值主席徐直軍介紹，企業對於人工智慧的應用還處於起步階段，到現在真正使用人工智慧的企業連1%不到，預計要到2025年才會大範圍普及。

一個國際專家小組日前報告說，到2030年，專業化的人工智慧應用將日益普遍和更加實用，有利於經濟發展和生活質量提升。這是一個為期100年的人工智慧影響研究專案產生的第一項研究成果。

　　這份報告名為《2030年的人工智慧和生活》，由美國斯坦福大學主持的一個人工智慧及相關領域17人專家小組提交。研究小組以北美一個典型城市為背景，考察未來15年裡人工智慧對人們的生產生活8個方面可能產生的影響。這8個方面是交通、家政、醫療保健、教育、娛樂、低資源社群、公共安全和保障以及就業和職場。

　　研究人員認為，利用計算機視覺、深度學習、自然語言處理等人工智慧技術開發的、執行特定任務的應用屆時將無處不在。預計越來越多的人工智慧技術將普遍應用於自動駕駛汽車、醫療診斷和定向治療、老年人生活輔助等方面。人工智慧技術和機器人還將應用於那些難以吸引年輕勞動力的行業，比如農業、食品加工等。無人機、無人駕駛卡車或送貨機器人等將使網購商品的運送更為便利。

　　研究人員指出，到2030年，人工智慧可能對經濟和社會產生積極而深刻的影響。但同時也將帶來嚴峻挑戰，比如人工智慧取代人類勞動力的問題。近期內提出的人工智慧應用設計和政策決策有可能對人工智慧發展方向產生長期影響。因此，人工智慧研發者、社會科學家和決策者應該開動腦筋，在創新的必要性與建立保證人工智慧益處廣泛分享的機制之間取得平衡。

　　這份報告是研究人工智慧及其影響的“人工智慧100”專案推出的第一份研究報告。這一專案由斯坦福大學領導，2014年啟動。管理這一研究專案的常設委員會每隔5年組建一個研究小組，評估人工智慧現狀，預測今後的進展以及對社會和經濟產生的挑戰和機遇。系列研究報告將提供人工智慧領域發展過程中對人工智慧及其影響的綜合而連貫的反思，就人工智慧及其涉及的法律、倫理、經濟、社會等領域的問題提出指導意見和政策建議。

就現階段而言，人工智慧當中人臉識別技術由於發展最為成熟，已在安防、金融以及移動智慧硬體終端這三大領域應用得到普及應用。

以前瞻網的資料來看，人臉識別技術在安防領域應用最廣泛，在中國的安防產業中所佔市場份額最大，人臉識別在安防領域的主要應用分佈在考勤門禁系統、公安監控、高鐵/航空/地鐵等人臉安檢系統和交通管理影片監控等，涵蓋了安防領域的方方面面。

目前人臉識別通行管理在眾多領域已經得到使用，包括車站、辦公、小區、校園、工地、工廠等需要門禁、考勤等都已開始啟用基於人臉識別技術的管理系統。

談到人工智慧何時普及的問題，不妨參考一下工業革命的歷史。蒸汽機從出現到普及只用了幾十年，西門子發明發電機到電力普及也只用了幾十年。很多人以為人工智慧是最近幾年誕生並流行，因此是否還需等待幾十年才能普及呢？

其實不然。

事實上，人工智慧早在上個世紀60年代就成為大熱，圖靈機的提出以及達特茅斯會議的一眾大佬的召開，讓人工智慧成為了一種新的潮流。

然而由於當時的歷史條件，不僅缺乏各種複雜的數學模型，更缺乏龐大的算力的支援。因此在早期，AI領域拿的出手的都是一些簡單的工業級機器人，操作侷限於簡單的幾個基本步驟，而在生活領域，更是無法涉及。

當幾十年過去，隨著半導體技術的突飛猛進，特別是雲計算的誕生，人工智慧重新煥發了活力。當人力已經無法應付越來越大的資料量時，計算機在無數數學模型的確立下已初具智慧，唯一制約的只有算力。

而在雲計算的驅動下，這個煩惱終於被解決，計算機可以處理相當複雜的資料，尤其是對於資料的篩選和挖掘。

光是飛天雲每天處理的資料都能達到PB級，這就相當於過去幾年甚至幾十年的資料量。

這意味著什麼呢？

也就是說，在這樣的海量的數量支援下，人工智慧落地的範圍相比於以前，更寬廣了，不會侷限於簡單的工業級機器人和基礎操作。像是日常生活、政務、工業、農業、服務業，從基礎服務到更高階段的便利，AI有無限想象空間。

以農業為例，過去的農民是靠天吃飯，收益受天時影響，種植靠經驗，不可控的因素較大。但現在有“農業大腦”，背靠AI技術，可以根據實時天氣和環境變化實現智慧調節，這樣一來，農田裡的作物可以完全脫離人力，實現智慧種植，產量遠超了以前。

這在人工智慧沒有普及和技術發展之前，是不可能想象的。

在生活服務領域，以杭州這座新科技城市為例，AI能提供的便利，從交通、出行、醫療到支付、政務辦理等，都能覆蓋。可以說，從市民走出家門開始，任何一個舉動，都可能享受到人工智慧帶來的便利。

就拿出行來說，過去的杭州是一個集成了堵車難、停車難等諸多城市病的新興城市，市民面對日益擁擠的城市有些束手無策，而自從“城市大腦”誕生後，依靠資料處理，最終綜合統籌，從而實時排程馬路上的一舉一動，提高了50%的出行時間。

事實上，我們已經身處並在享受人工智慧帶給我們的改變與紅利。

而未來，AI還將觸及更多的領域，可能在以後，你從睜開眼到閉上眼，每一個環節，都有AI的身影。

人工智慧的發展可以分三個階段：

第一各階段是運算智慧，標誌事件是1997年IBM計算機“深藍”戰勝國際象棋冠軍卡斯帕羅夫。

第二個階段是感知智慧，機器具備能聽會說能看會認的程度，機器視覺可以看到紅外和紫外，機器聽覺可以聽超聲和次聲等等。

第三個階段是認知智慧，機器具備瞭解思考推理學習的能力，標誌事件是谷歌的圍棋計算機“阿爾法狗”戰勝南韓圍棋冠軍李世石，使用了谷歌的深度學習技術deepmind，谷歌後把深度學習開源，而現在機器已經開始試圖具備擔任老師、法官、醫生等能力。

可以說目前我們社會處於第三個階段，正在快速發展當中，在未來5-10年的時間，人工智慧應該會大規模應用到我們生活中去。

人工智慧的普及與否最主要的原因是成本。

就像當年的電視、電話、手機、計算機等在我們的社會中一一出現，卻花了很長時間才能普及一樣，

其中計算機的出現和普以及電話的出現和普及用的時間比較長。

電話雖然很早出現，但通訊方式和通訊網路的技術革新才剛剛開始，每一次大的技術變革都必須有強大的技術群變化才能完成整個革命性器件的世界通用，所以電話的出現帶來了與之相關的材料、方式和網路的技術變革，而電腦的出現也帶來的與之相關的晶片、整合、互動、智慧等方面的不斷推陳出新，而且到現在繼續進步。這些進步都完成了之後，才有了電話和電腦的真正普及。

能普及大眾化，就必須在大眾的購買力範圍內，比如幾百的電話或者幾千的電腦，對大眾來說，已經變得完全可以接受，所以電話和電腦才可以普及。

如果是六七十年代的電腦，價格等比是現在的上千倍，你叫一個普通人去買臺電腦，不吃不喝一輩子都不一定能買下，就無法有在大眾中普及的基礎。

小部分技術已經日益成熟，具備了普及的基礎，且有些智慧機器人等已經漸漸地踏入到了普通人的家庭。但就目前普及度和技術成熟度來說，遠遠不夠。

三分認為類人的智慧機器人是人工智慧的最高標準，只有類人的人工智慧走入幾乎每一個普通家庭，才叫真正的人工智慧普及。

目前這方面技術還沒有完全成熟，且成本居高不下，能走入大眾家庭的也只是一些掃地機器人之類的初級人工智慧。

人工智慧在當今世界方興未艾，但談到全面應用估計還為時尚早，原因在於：人工智慧的突破現在呈現出個別突破的局面，尚未形成全面突破，也未形成以點帶面似的改進，其技術仍有待於進一步提升；同時，人類對全面應用人工智慧還未形成共識，對於其倫理性討論仍在進行中；除此之外，人類接受新興事物也有個循序漸進的過程，全面應用人工智慧尚需人類慢慢在應用中接受。