先說第一點，機器學習。

機器學習的發展並不像題主所說的不斷接近人腦水平。我理解題主的意思是快速接近，事實上只有個別的專用領域能接近或者超越了人腦水平。這自然歸功於計算能力，強化學習等技術的應用。比如去年大熱的谷歌下圍棋的阿爾法狗，屢次打敗了人類的圍棋世界冠軍，但換了象棋就不行。智慧工業機器人能夠在一粒米上雕刻出絢麗的花朵，卻對收拾吃完飯的餐桌無能為力。前段時間新聞裡的訊飛“AI同傳”事件，機器仍無法勝任同聲傳譯的工作。而這些機器學習的產物無一例外都是隻在某一特定的領域能夠發揮特長，就像你聽說下週要考試生物，專程找老師劃重點，找同學要筆記，突擊複習，熬夜背誦，加上反反覆覆的把往年的卷子翻了個遍，然後你的生物考試成績名列前茅，超過了你們班的生物課代表，但你的數學卻不及格一樣。人類即便在這個特定領域不如機器，人腦（人）能做的事情也遠超機器水平，普通人都能行走自如躲避危險，快速識別花草樹木男女老少，學會作畫作曲，唱歌彈琴跳芭蕾，還能做飯掃地擦玻璃，上網聊天吹水把妹等等等等，而機器學習目前只在少數的領域有所作為。

機器學習作為人工智慧的一個子領域，神經網路，深度學習理論近幾年快速發展，推動了人工智慧產業的進步，但距離通用人工智慧為時尚早。

其次，看好人工智慧的發展。

人工智慧（AI）發展的如火如荼，雖然深度學習的進一步發展似乎遇到瓶頸，但已不妨礙人工智慧應用的落地。

幾個主要領域，影象處理，影片識別，動態檢測，自然語言處理，語音技術等都有大量的優秀產品，廣泛應用在資料探勘，安全，交通，影象美化，影片識別，智慧家用裝置，城市建設，網際網路金融等各個領域。

你看一眼手機就解鎖的手機，也是人臉識別的一個常見應用，隨著AI產品的普及，我們的生活方式已經在快速被改變。

人工智慧近來的發展主要是在工業，交通，家用機器人方面的應用，如工業機器人已大量開始在工廠使用來代替工人。交通方面也在大力推進無人駕駛等方面的技術研發並有企業逐步推出無人駕駛車輛。在家用方面，現在教育機器人已經向家庭大量普及，隨後會有生活服務型機器人逐步進入家庭。當然除以上三個領域外，其他諸如安防，農業，政府公務等各個領域都在大力推進人工智慧的應用，相信不久的將來，人工智慧將會給人類社會發展帶來前所未有的革命性變化!

先上結論：

目前人工智慧還處於初級階段，離人腦還差很遠！

回答這個問題需要科普一些概念。

人工智慧是什麼？

人工智慧（AI）分為兩類，一類是強人工智慧，一類是弱人工智慧。

所謂強人工智慧是能像人一樣思考，推理，甚至想象。

所謂弱人工智慧是在特定任務上，做得比人好，比如影象識別，語音識別等等。

機器學習是什麼？

機器學習是實現弱人工智慧的一種途徑，或者說方法。目前在某些任務上，比如識別一張圖片，對影象中的目標進行定位等等任務，機器學習（深度學習）已經能超過人類的水平。但是距離強人工智慧還離得很遠。

人工智慧近年發展如何？

實際上機器學習已經出現了很多年，傳統的機器學習的理論一直比較完善，只是應用落地比較少，隨著移動網際網路時代到來之後，有了大量的使用者和資料，有越來越多應用傳統機器學習落地的專案。但在一些抽象任務上（比如影象識別，語音識別），傳統機器學習進展很緩慢。直到2012年的ILSVRC比賽，深度學習捲土而來。到2016年AlphaGo的橫空出世，再次把深度學習推到了風口浪尖。於是近幾年，深度學習相關的研究進展非常的迅速。總而言之近年來人工智慧的發展有下面三個前提作為支撐：

1.海量的資料2.算力的提升3.框架的推廣

人工智慧的未來

深度學習發展雖然很快，但是底層的數學理論還很匱乏。對於深度學習，學術界的研究還未能深入到它的數學本質上。

其次強人工智慧的一個比較好的途徑可能是深度強化學習，所以比較看好未來深度強化學習的發展。