谷歌研發的AI阿法狗與世界圍棋大師較量，人類均完敗。

AI涉及到專項計算能力上面人類幾乎漸漸失去優勢。

人類在情感以及思維邏輯方面，目前AI還無法認知與超越。

1997年，有臺叫做深藍的計算機與國際象棋大師卡斯帕羅夫進行國際象棋比賽，結果大師負於深藍，人類失敗。

後來的十幾年間，人工智慧逐漸在各個領域開始追趕並且超過人類。

在16年3月，人類棋類運動的最後一塊高地"圍棋"被突破:谷歌公司研製的圍棋智慧機器人AlphaGo擊敗人類世界圍棋冠軍李世石。圍棋規則雖然簡單，但講究全域性觀，複雜多變。這次人工智慧機器人的勝利意義非同凡響。

後來，谷歌研製出了AlphaGo的弟弟，但是更強悍的AlphaZero。它化身為神秘高手，在圍棋網站上橫掃國際各大圍棋高手，包括世界排名第一的圍棋職業選手柯潔。

目前，人工智慧在很多專業領域的能力都已經超過了人類，包括影象識別，甚至是看病，做手術。但這些人工智慧程式有一個缺點，就是它們僅僅只能勝任一種工作。比如，你讓AlphaGo去給人看病，這時候它可能就會錯誤百出了。所以，目前的人工智慧只是弱人工智慧。

雖然目前人類在某一項領域可能無法打得過人工智慧。但人類的綜合能力、創造力、情感等等都是目前人工智慧所不具備的。

首先明確，當前階段的人工智慧技術有哪些能力，能做什麼。當前階段的人工智慧技術主要依賴於兩個方面，第一：傳統的機器學習，學界普遍認為這是實現人工智慧的主要方式；第二，深度學習，源自於神經網路理論和機器學習，然後C位出道，2012年之後，大放異彩，在諸多領域取得了重大進展。

那麼機器學習和深度學習可以做什麼呢？這兩種技術都嚴重依賴於兩個因素，第一：資料，沒有資料，這些技術就什麼也不能做，因為這兩套技術最基礎的原理，就是機率和數理統計，沒有資料的數量，就沒有技術產出的質量；第二，算力，當前英偉達的GPU和谷歌的TPU已經很好的解決了這個問題。

所以，一句話總結，在有大量資料存在的領域，都是人工智慧可以生存的地方。

題主的問題，到這裡就可以開始進行比較了。

在以下領域，人工智慧將全面打敗人類！

這一技術主要透過深度學習實現，可以讓機器聽出來人在說什麼，然後將得到的結果透過自然語言處理技術解析，進一步明確說話者的意圖，進而進行回覆。這在理論上是非常成熟的！學界普遍認同。

那麼，需要靠說話的崗位，機器就都是可以代替人類的。

目前，在一些領域，已經投入商業化，例如，京東的，自動回覆機器人，目前已經非常成熟，訊飛的語音識別系統，語音輸入法等。

同樣是深度學習，目前取得了很多的成果，人臉識別，影象分類，情感識別。原理不再贅述。直接將成果。

只要是需要用“看”來解決問題的崗位都可以用機器來做。

例如，自動駕駛的人體識別系統，安保領域中的危險行為檢測系統，新聞圖片分類系統，鑑黃崗位，等，只要是看的，都可以，而且準確度會比人類高！機器不需要休息，而且能照顧到每個細節！

機器學習普遍被應用到金融領域，進行資料分析，股票預測。

特朗普勝選之前，專家都認為希拉里能獲勝。但是某些資料公司透過分析，認為特朗普會獲勝，並預先買了支援特朗普的財團的股票，最後狠狠賺了一筆，就問你怕不怕？

其他的還有很多，我真的不想多說了，最後再強調一下！當前的人工智慧依賴於資料，原理是機率，只要有資料存在的領域，人工智慧都能打敗人類！