作為一名IT行業的從業者，同時也是一名教育工作者，我來回答一下這個問題。

首先，當前的人工智慧領域尚處在發展的初期，無論從技術體系結構來看，還是從實際應用情況來看，人工智慧領域都有很長一段路需要走。

從技術體系結構來看，目前的人工智慧技術雖然在深度學習等領域有所突破，但是整體的技術框架依然圍繞“合理性”進行展開，而這種合理性的設計原則本身就有較大的侷限性，所以未來很長一段時間內，人工智慧技術都將處在“弱人工智慧時代”。

當前的人工智慧技術可以用三個特點來描述，分別是“體系化”、“平臺化”和“場景化”，目前人工智慧技術的研究依然以六大體系來進行劃分，涉及到自然語言處理、計算機視覺、機器學習、自動推理、知識表示和機器人學，其中計算機視覺和自然語言處理目前的熱度比較高，很多研究生也更傾向於這兩個方向。

平臺化是人工智慧技術開始落地應用的標準之一，同時也在一定程度上標誌著當今時代已經進入了人工智慧時代。隨著各大科技公司紛紛開放自身的人工智慧平臺，未來更多的中小企業將有能力進行人工智慧產品的開發，這會在一定程度上降低人工智慧領域的開發門檻，同時促進人工智慧行業的發展。目前人工智慧平臺提供的功能各有側重，有的平臺比較注重視覺處理能力，而有的則比較注重自然語言處理能力，但是平臺未來會逐漸豐富，功能邊界也會不斷得到拓展，這一點與雲計算平臺的發展會有相似之處。

場景化依然是當前人工智慧產品落地應用的重要基礎，智慧體對於場景的要求往往比較高，隨著5G通訊的落地應用，以及物聯網的發展，未來將為智慧體的落地應用奠定紮實的場景支撐。

說起人工智慧領域的發展階段，首先要設定劃分的標準，這裡主要從智慧強弱角度來分為以下三種：

弱AI時代：只擅長單一領域，比如下棋上戰勝人類的AI，在最佳化硬碟資料儲存方面就不行了。

強AI時代：能替代人類各種腦力活動的AI，具備思考、規劃、抽象、理解、學習的心理能力。

超AI時代：幾乎所有領域都超越了人類大腦，包括創新、學識、社交等各個方面。

計算智慧階段：注重AI對知識的儲存和專業問題的求解，典型代表就是“專家系統”的應用。

認知智慧階段：這裡正是現在所處的具體階段，AI能夠去“聽”和“看”並進行人機互動，比如影象識別、深度學習等，產品代表如蘋果公司的“Siri”。

感知智慧階段：AI能夠學會理解和思考（推理和抽象），這是弱AI時代的最高階段，也是當前人工智慧領域正在努力追求的目標。

雖然到目前為止，AI的發展看起來還比較緩慢，但我們已經擁有了非常先進和強大的系統，在自然語言處理、文字影象識別以及自動駕駛等領域都已經取得了重大的突破。

儘管AI未來的發展還需要大量資料的積累，但一次的“頓悟”，也許就會永遠的改變進步的速度。

目前屬於人工智慧在日常生活中的應用。

隨著計算機的普及和發展，計算機技術已經被越來越多的人認識，各國學校均開設計算機課程，有大批的計算機人才在這個時候被培育出來，還出現了專業研究AI的技術人員去私人企業的熱潮。模糊邏輯、神經網路被慢慢的認為是可能實現的，並且幫助人類改善生活的途徑。

人工智慧實際應用

1.人工智慧在計算機科學領域的應用

人工智慧的發展和進步，對計算機科學的發展也起到推動作用。例如原來在AI實驗室裡被研究的關於時間分配、各類功能程式、符號程式等都被計算機科學廣泛採用。現在我們所經常用到資料表等等，都屬於人工智慧的領域。

2.人工智慧在醫用裝置中的應用

人工智慧技術在醫院、醫藥裝置等領域也有廣泛的應用，比如在早個100年前，中國的醫療都是靠老中醫望聞問切，對於棘手的骨折或者隱蔽的神經性問題不易發現，而隨著技術的發展，醫院現在大多都使用先進的醫療裝置來幫助臨床主治醫生進行診斷決策。例如透過智慧拍片裝置瞭解人體神經、骨骼網路，透過心電圖裝置瞭解患者心臟跳動頻率等等。

3.人工智慧在顧客服務中的應用

隨著人們消費保護意識的提高，越來越多的企業開始關注客戶服務模組的建設。例如貼近我們生活淘寶網購平臺，就推出了阿里小蜜線上服務中心，透過對客戶的問題進行語言的認識，從知識庫中智慧提取答案。許多電話客服中心的語音自主服務都應用了人工智慧技術。

4.人工智慧在教育、娛樂活動中的應用

在日常的娛樂活動中，人工智慧的應用實際上也無處不在；人工智慧技術在幼童教育領域應用的也比較廣泛，如智慧早教機。越來越多遊樂場，電子遊戲廳都使用了智慧遊戲系統。在人機結合的遊戲領域，透過一臺機器將真人帶入模擬的遊戲世界，可以實施錄影，偵測人體活動情況，例如XBOX遊戲機。

5.人工智慧在日常生活中的應用

人工智慧在技術在日常生活中的應用更為普遍，現在我們每個人都離不開的智慧手機。透過手機可以遙控家裡的電視、衛浴裝置，透過手機藍芽可以直接接聽來電。還有一些弱人工智慧系統被應用在日常的家用電器當中，例如機器人掃地機、智慧電飯煲等等。

目前人工智慧處於弱人工智慧階段，按照科學家的觀點，人工智慧應該有三個階段，分別是弱人工智慧，通用人工智慧和強人工智慧。

弱人工智慧本質上不算人工智慧，我個人認為用機器學習更為恰當，因為這個階段計算機並不具備智慧，只是利用自己強大的資料為使用者提供最優解。

舉個例子，如果讓機器識別什麼是貓，有兩種方法。

第一種是告訴機器貓的特徵，就是給機器大量貓的圖片，然後告訴機器圖片上的四條腿，長尾巴等特徵得是貓，然後進行大量的訓練，這樣機器就能識別貓了。不過這樣有個問題，如果我拿一張老虎的圖片給機器看，它很大程度上會認錯，因為我們給機器的特徵描述可能不夠，導致機器識別錯誤。不過這種方法是目前最為常見的方法。

第二種便是不告訴機器什麼是貓，什麼是老虎，而是直接把貓和老虎的圖片丟給機器，讓機器自己分辨他們的不同，然後分類，雖然機器無法定義什麼是貓什麼是老虎，但是當我們把一張新得貓的圖片給機器看的時候，它會把這張圖片歸為到貓的分類中，雖然它不知道圖片上的東西是貓。這是目前人工智慧的一個難點，不過谷歌已經在這方面有所突破。

第一種方式相當於被動學習，只要我們人不給機器新的特徵描述，它就永遠不會識別出老虎和貓。第二中屬於主動學習，即使你不告訴我老虎和貓的特徵，機器仍然可以分辨出兩者，只不過起的名字可能不同。我認為，什麼時候機器能完全掌握第二種方法，機器學習才算進入弱人工智慧。

至於通用人工智慧，按照科學家的概念就是幾乎與人相同的東西，此時的人工智慧已經具備獨立思考，也就是我們所說的意識。但是仍然處在人類的可控範圍。

而強人工智慧，在科學家的眼中已經是超越人類的存在了，至於究竟是什麼樣的咱們也不知道，畢竟那個時候，咱們已經入土為安了。不過我認為應該會在人工智慧能夠自己生產人工智慧的時候。