对一些人来说，提到人工智能(AI)会唤起机器人疯狂奔跑的画面，因为人类勇敢地试图把精灵放回瓶子里。但现实情况是，如今的人工智能机器从经验中学习的能力，以及只为人类完成任务的能力，这已经成为现实，并充满了丰富和改善人类生活的可能性。

机器学习是人工智能的关键组成部分之一，自20世纪50年代以来一直是技术世界的一部分，当时最早的程序员要求计算机理解大量数据。程序员日益提高机器学习数据的能力，以便发现模式，使计算机能够组织信息、识别关系、作出预测和发现异常。如今，人工智能的现代应用已经为我们提供了自动驾驶汽车和虚拟助手，并帮助我们发现欺诈和更有效地管理电力等资源。

零售、体育、银行、制造业和医疗保健等多个行业都在机器学习和人工智能领域找到了应用。

现在的机器能够非常精确地执行精确定义的任务，但是-这是一个重要的警告-精度只与驱动模型的数据的质量以及在某些情况下的数量一样好。目前机器学习的发展状况，加上经过仔细考虑的数据的输入，将使现有产品有可能得到无数的改进，并最终开发出独立的人工智能，尽管不是完全自主的“疯狂运行的机器人”类的人工智能设备。

但随着机器学习的深入，我们正朝着日益复杂的人工智能迈出下一步：深入学习。对深度学习的复杂分析是通过神经网络实现的，因为它们松散地模仿人脑的相互联系的结构，提供了多层次的功能。

事实上，这些神经网络是如此复杂，以至于机器得出结论的路径还不容易理解。深度学习使用巨大的、自我完善的神经网络-只有在最近的计算能力的进步下才有可能实现更广泛的可访问性-以实现极其复杂的模式识别，比如识别语音或图像。

只有在真正有意义的情况下才会使用深度学习，在这种情况下，它可以很快地发现隐藏在大量数据中的复杂的、可变的关系，而这些数据是我们还无法以任何其他方式提取出来。但是深度学习意味着机器可以通过与人类完全不同的分析视角来观察问题。它可以用来处理各种问题。我们每天收集的所有数据的潜力尚未实现。

在人工智能的第二个关键组成部分-自然语言处理(NLP)-如何演变为自然语言理解(NLU)方面也取得了进展。如果NLP是一种将口语或书面语翻译成一种算法可以理解的形式，然后以人们能够理解的口语或书面语做出反应的能力，那么NLU就更加熟悉了：能够推断语言中的含义，然后做出相应的反应，就像人们本能地做的那样。Siri和Alexa是让人工智能变得更简单、更人性化的第一步。