机器学习不断接近人脑水平，人工智能近来的发展如何？

　　回答了类似问题，参看过去答案，谢邀
　　人工智能发展的道路上不会少了生命科学的参与，没有生命的人工智能还是没有感情和温度的机械零件的堆砌
　　人工智能近来的发展主要是在工业，交通，家用机器人方面的应用，如工业机器人已大量开始在工厂使用来代替工人。交通方面也在大力推进无人驾驶等方面的技术研发并有企业逐步推出无人驾驶车辆。在家用方面，现在教育机器人已经向家庭大量普及，随后会有生活服务型机器人逐步进入家庭。当然除以上三个领域外，其他诸如安防，农业，政府公务等各个领域都在大力推进人工智能的应用，相信不久的将来，人工智能将会给人类社会发展带来前所未有的革命性变化!
　　人工智能（AI）发展的如火如荼，虽然深度学习的进一步发展似乎遇到瓶颈，但已不妨碍人工智能行业的发展。近日，浪潮人工智能研究院就在京发布全球最大规模人工智能巨量模型 ＂源1.0＂。
　　＂源1.0＂在语言智能方面表现优异，获得中文语言理解评测基准CLUE榜单的零样本学习和小样本学习两类总榜冠军。在零样本学习榜单中，＂源1.0＂超越业界最佳成绩18.3%，在文献分类、新闻分类，商品分类、原生中文推理、成语阅读理解填空、名词代词关系6项任务中获得冠军；在小样本学习的文献分类、商品分类、文献摘要识别、名词代词关系等4项任务获得冠军。在成语阅读理解填空项目中，源1.0的表现已超越人类得分。
　　同时，在对＂源1.0＂进行的＂图灵测试＂中，将源1.0模型生成的对话、小说续写、新闻、诗歌、对联与由人类创作的同类作品进行混合并由人群进行分辨，测试结果表明，人群能够准确分辨人与＂源1.0＂作品差别的成功率已低于50%。
　　影响是全方位的，在军事领域会有更多的无人装备或者机器人出现，战争的破坏性更强，人类距离自我毁灭又更进一步
　　先上结论：目前人工智能还处于初级阶段，离人脑还差很远！
　　回答这个问题需要科普一些概念。
　　人工智能是什么？
　　人工智能（AI）分为两类，一类是强人工智能 ，一类是弱人工智能 。
　　所谓强人工智能是能像人一样思考，推理，甚至想象。
　　所谓弱人工智能是在特定任务上，做得比人好，比如图像识别，语音识别等等。
　　机器学习是什么？
　　机器学习是实现弱人工智能 的一种途径，或者说方法。目前在某些任务上，比如识别一张图片，对图像中的目标进行定位等等任务，机器学习（深度学习）已经能超过人类的水平。但是距离强人工智能还离得很远。
　　人工智能近年发展如何？
　　实际上机器学习已经出现了很多年，传统的机器学习的理论一直比较完善，只是应用落地比较少，随着移动互联网 时代到来之后，有了大量的用户和数据，有越来越多应用传统机器学习落地的项目。但在一些抽象任务上（比如图像识别，语音识别），传统机器学习进展很缓慢。直到2012年的ILSVRC比赛，深度学习 卷土而来。到2016年AlphaGo的横空出世，再次把深度学习推到了风口浪尖。于是近几年，深度学习 相关的研究进展非常的迅速。总而言之近年来人工智能的发展有下面三个前提作为支撑：1.海量的数据
　　2.算力的提升
　　3.框架的推广
　　人工智能的未来
　　深度学习发展虽然很快，但是底层的数学理论还很匮乏。对于深度学习，学术界的研究还未能深入到它的数学本质上。
　　其次强人工智能的一个比较好的途径可能是深度强化学习，所以比较看好未来深度强化学习的发展。
　　PS：本号作者目前是某大厂机器学习算法工程师，致力于全栈AI算法和业务场景落地，非常乐于在网上分享最新的AI知识，也经常开直播教同学AI算法和编程。感兴趣的同学可以关注本头条号，获得最新的干货！
　　近年来，我国在人工智能领域密集出台相关政策，更在2017、2018以及2019年连续三年的政府工作报告中提到人工智能，可以看出在世界主要大国纷纷在人工智能领域出台国家战略，抢占人工智能时代制高点的环境下，中国政府把人工智能上升到国家战略的决心。截至2018年11月，全国已有15个省市发布人工智能规划，其中12个制定了具体的产业规模发展目标。通过一系列政策与资金扶持，各省市不断强化当地人工智能的技术研发与应用，为人工智能产业提供了广阔发展前景。人工智能概念的火热促进了不少行业的兴起，比如域名，许多相关的.top域名已经被注册。
　　当前，我国人工智能产业发展的基础条件已经具备，未来十年内都将是人工智能技术加速普及的爆发期。人工智能专用芯片有望成为下一个爆发点，智能语音产业链逐渐成形，产业规模大幅提升。同时，人工智能具有显著的溢出效应，将带动其他相关技术的持续进步，助推传统产业转型升级和战略性新兴产业整体性突破。
　　先说第一点，机器学习。
　　机器学习的发展并不像题主所说的不断接近人脑水平。我理解题主的意思是快速接近，事实上只有个别的专用领域能接近或者超越了人脑水平。这自然归功于计算能力，强化学习等技术的应用。比如去年大热的谷歌下围棋的阿尔法狗，屡次打败了人类的围棋世界冠军，但换了象棋就不行。智能工业机器人能够在一粒米上雕刻出绚丽的花朵，却对收拾吃完饭的餐桌无能为力。前段时间新闻里的讯飞＂AI同传＂事件，机器仍无法胜任同声传译的工作。而这些机器学习的产物无一例外都是只在某一特定的领域能够发挥特长，就像你听说下周要考试生物，专程找老师划重点，找同学要笔记，突击复习，熬夜背诵，加上反反复复的把往年的卷子翻了个遍，然后你的生物考试成绩名列前茅，超过了你们班的生物课代表，但你的数学却不及格一样。人类即便在这个特定领域不如机器，人脑（人）能做的事情也远超机器水平，普通人都能行走自如躲避危险，快速识别花草树木男女老少，学会作画作曲，唱歌弹琴跳芭蕾，还能做饭扫地擦玻璃，上网聊天吹水把妹等等等等，而机器学习目前只在少数的领域有所作为。
　　机器学习作为人工智能的一个子领域，神经网络，深度学习理论近几年快速发展，推动了人工智能产业的进步，但距离通用人工智能为时尚早。
　　其次，看好人工智能的发展。
　　人工智能（AI）发展的如火如荼，虽然深度学习的进一步发展似乎遇到瓶颈，但已不妨碍人工智能应用的落地。
　　几个主要领域，图像处理，视频识别，动态检测，自然语言处理，语音技术等都有大量的优秀产品，广泛应用在数据挖掘，安全，交通，图像美化，视频识别，智能家用设备，城市建设，互联网金融等各个领域。
　　你看一眼手机就解锁的手机，也是人脸识别的一个常见应用，随着AI产品的普及，我们的生活方式已经在快速被改变。
　　在国内的话，AI的发展正在趋向于普及化的方向，在尖端领域，以BAT为首的AI研究方向主要集中在无人驾驶以及人机交流方面，以期实现真正的AI。国外以Google为首的研究团体已经遇到了AI瓶颈，复杂的算法在很多问题面前并不会取得预想中的效果，所以很多科学家开始重新思考AI发展的方向。
　　至于机器学习是否接近人脑水平，这个还是存疑的，比如智能助手，这个东西实际上是多个机器学习算法融合而成的一种决策算法，算是强化学习的一种吧。不过人脑的水平远远高于这个，人脑对于语言的理解力也因为机制不同而和NLP算法的性能有天壤之别。
　　也许用不了多久，国内研究比较快的企业也会遇到所谓的AI瓶颈，继而转向通过其他方式来改变人工智能的效率，从而产生新的算法。又或者只有通过新的硬件支持，才能够让现在的人工智能走向真正的智能。
　　机器会变得越来越智能，人们的生活会越来越便捷，机器学习的能力将来会扩大更多的生产力，人类将有更多时间发明创造出更多美好的物质，会有更多时间陪伴家人朋友过上幸福潇洒的现代智能生活！