2、感知智能

感知智能即視覺、聽覺、觸覺等感知能力，可以說是人機的交互功能。當前人工智能已經具備這種感知能力，比如應用在安防和相機里的智能圖像識別、人機交流的語義理解、紅外雷達等場景，其中通過激光雷達等感知設備結合人工智能算法，實現智能自動駕駛的汽車行業，是目前比較看重的行業，也是百度主要布局的人工智能產業。所以說，感知智能也已經在實現中。

3、認知智能

這一階段的人工智能，通常是我們上面所說的強人工智能，它能理解，會思考，雖然說目前實現這種強人工智能比較困難，但是通過制造先進的大腦探測工具，從結構上解析大腦，再利用工程技術手段構造出模仿大腦神經網絡基元及結構的仿腦裝置，最后通過環境刺激和交互訓練仿真大腦實現類人智能，即認知智能，這是目前來說，可能在未來數十年內能夠解決的工程技術問題，而不會像理解大腦這個科學問題那樣遙不可及。

1、基礎設施層

回顧人工智能發展史，每次基礎設施的發展都顯著地推動了算法層和技術層的演進。從20世紀70年代的計算機的興起，80年代計算機的普及，90年代計算機運算速度和存儲量的增加，互聯網興起帶來的電子化，均產生了較大的推動作用。到21世紀，大規模集群的出現，大數據的積累，GPU與異構/低功耗芯片興起帶來的運算力的提升，促成了深度學習的誕生，點燃了人工智能的爆**潮，其中海量的訓練數據是人工智能發展的重要燃料。

2、算法層

機器學習是指利用算法使計算機能夠像人一樣從數據中挖掘出信息，而深度學習作為機器學習的一個子集，相比于其他學習方法，使用了更多的參數、模型也更復雜，從而使得模型對數據的理解更加深入也更加智能。

3、計算機視覺

計算機視覺的歷史可以追溯到1966年，人工智能學家Minsky在給學生布置的作業中，要求學生通過編寫一個程序讓計算機告訴我們它通過攝像頭看到了什么，這也被認為是計算機視覺最早的任務描述。計算機視覺借鑒了人類看東西的方法，即“三維重構”與“先驗知識庫”。計算機視覺除了在比較成熟的安防領域外，也應用于金融領域的人臉識別身份驗證、電商領域的商品拍照搜索、醫療領域的智能影像診斷、機器人/無人車上作為視覺輸入系統等。

4、語音處理

讓機器學會“聽”和“說”，實現與人類的無障礙交流一直是人工智能、人機交互領域的一大夢想。1920年生產的“Radio Rex”玩具狗可能是世界上最早的語音識別器，第一個真正基于語音識別系統出現在1952年，AT&T貝爾實驗室開發的Audrey的語音識別系統，能夠識別10個英文數字，正確率高達98%。比如Apple Siri，Echo等。

5、自然語言處理

人類的日常社會活動中，語言交流是不同個體間信息交換和溝通的重要途徑。對機器而言，能否自然的與人類進行交流、理解人類表達的意思并作出合適的回應，被認為是衡量其智能程度的一個重要參照。

6、規劃決策系統

人工智能規劃決策系統的發展，一度是以棋類游戲為載體的。比如，AlphaGo戰勝李世石，Master對頂級選手取得60連勝，機器人，無人車。