普京对此回答称：“我希望不会，至少现在不行。毕竟人工智能，从名称中就能看出，‘人工’一词说明不是真的。所有人工的，包括人工智能，都没有心脏，灵魂，没有同情心和良心。所有这些因素对于被委托代表一个国家作出和执行决定的人来说，都至关重要。”
未来有可能成为主流产业生态的有自动驾驶、智能场所、机器人、个人助手和城市大脑。谈到当前AI创业创新最活跃的前沿领域，陆奇从AI基础前沿技术、AI交互、AI前端、垂直行业应用等七个维度详细拆解了创业最活跃的领域和创新模式，并指出了当下创业者可以长期参与的机会。
用户习惯形成之后，会逼着企业自动化、AI化、数字化、软件化、线上化其工作流程，从而形成数据，AI就能产生价值。
神经拟态计算最有可能开辟出一条从AI 2.0到AI 3.0的崭新赛道。神经拟态计算，是在传统半导体工艺和芯片架构上的一种尝试和突破。它通过模拟人脑神经元的构造和神经元之间互联的机制，能在低功耗以及少量训练数据的条件下持续不断自我学习，大幅提高了能效比。
当前，我们正在从一个人类必须理解计算机的世界，迈向一个计算机必须理解人类的世界。亚里士多德曾说过，如果机器能干很多活，岂不能让人类解放出来，或许这一解放的起点就是——“理解”。
训练人工智能系统需要大量的处理能力，而大量的处理能力等于大量的能量消耗，这反过来又对环境有害。这就是为什么来自麻省理工学院的天才们开发了一种新的自动化人工智能系统，该系统不仅提高了计算效率，还减少了AI系统的碳足迹。
深度学习打破了从“不可用”到“可用”的界限，把人工智能推进应用期。此后的Transformer、强化学习、迁移学习、GAN等技术虽然有很大的贡献，但不会像深度学习一样有如此革命性的进展。传统行业中的管理者和工程师学会运用AI的难度，要远远低于懂AI的人学会他们的行业然后颠覆他们的几率。李开复认为，可能在制
卡耐基梅隆大学也是人工智能教育领域的领导者，在1958年开设了第一门大学计算机编程课程，此后推出第一个机器人学博士项目，也创建了世界上第一个机器学习系。
在中国图象图形学学会主办的讲堂上，中国科学院自动化研究所余山研究员作了“从脑网络到类脑网络计算”主题报告。余山研究员借鉴Marr对视觉体系的划分，将类脑计算的研究分为四个层面：硬件、算法、计算、学习。针对每一层面，余山研究员做了或简或详的介绍，颇有启发。
在深度学习浪潮推动下，人工智能其他研究方向也在加速发展，包括机器感知、模式识别与数据挖掘、自然语言处理、知识表示与处理、智能芯片与系统、认知与神经科学启发的人工智能、人工智能和其他学科的交叉等。
