從2006年加拿大Hinton教授提出深度學習技術開始，到2012年ImageNet競賽在圖像識別領域帶來的突破，如今，人工智能的第三次發展浪潮到來。不同于80年代隨著神經網絡而來的技術進步無法走進現實的困境，這一次的發展浪潮真正帶來了技術的落地，商業化道路也走得更加順暢。隨后的每一年，人工智能技術都在突飛猛進地發展，應用成果如雨后春筍般涌現。海量的數據，不斷優化的算法，以及與之匹配發展的計算機運算能力，都為更多的發展可能性及應用可能性提供了廣闊的舞臺。而隨著人工智能在越來越多的方面落地，人們越來越多地感受到人工智能對于生活的改變，接受程度逐漸提升。
1、人機融合智能
　　除了技術產品化的道路拓寬以外，當下的人工智能還有許多亟待發展和研究的方向。它的以下特點推動它在第三次發展浪潮中前往更具突破性的階段，分別為：從人工知識表達技術到大數據驅動知識學習；從處理單一的數據到跨媒體認識、學習和推理；從追求“機器智能”到邁向人機混合的增強智能；從聚焦“個體智能”到基于互聯網絡的群體智能；從機器人到自主無人系統。
　　其中，人機混合的增強智能即為將人類智能與人工智能進行結合，邁向新的智能階段，此為人機融合智能。近年來，人機融合越來越成為人工智能領域的熱詞。2018年10月11日，美國“防務一號”網站發表刊文表示美國軍方高級情報員越來越擔心中國在人工智能等“提升人類效率”方面的研究[4]。美國國防情報局(DIA)局長羅伯特?阿什利(Robert Ashley)在舉行的美國陸軍協會(Association of the U.S. Army)年度會議上表示，“人機融合”是顛覆性技術的一個“關鍵領域”，將會影響美國的國家安全。他認為“中國在研究神經網絡和人工智能方面所作的努力是一個分階段的過程，希望最終達到‘人與機器的融合’的程度”。
2018年人工智能領域研發熱點回眸 
　　在人工智能研究的領域，更快的計算并不是我們希望達到的最終目的，而讓計算機變得越來越與人融合，最終達到人機融合智能，才是最終的發展方向。當前人工智能雖然普及了眾多的應用形式，但是依然以計算為中心、難以突破意識壁壘，而能夠融合意識與計算特性的人類智能和人工智能融合智能體，即為人機融合智能。
　　人機融合智能研究是智能技術發展到一定程度的產物，它既包括人工智能的技術研究，也包括機器與人、機器與環境及人、機、環境之間關系的探索。人機融合智能研究不僅僅要考慮機器技術的高速發展，更要考慮交互主體-人類的思維與認知方式，讓機器與人類各司其職，互相促進，這才是人工智能真正的前景與趨勢。
2、群體智能
　　在上文中提到的人工智能發展的特點中，人工智能是從聚焦“個體智能”到基于互聯網絡的群體智能。群體智能是源于對螞蟻、蜜蜂等為代表的社會性昆蟲的群體行為的研究，最早被用在細胞機器人系統的描述中。它具有分布式無中心的控制，并且群體自組織性。
　　在自然界中，集群的方式可以讓簡單的生物展現出驚人的復雜性、效率甚至創造力。在人工智能領域，可以通過這種方法產生一種新的智能，像超級專家一樣“共同思考”。通過隨機擴散搜索、蟻群優化、粒子群優化等算法，群體智能已應用在了無線通信、醫療、無人駕駛、藝術創作等方面[8]。
　　如今，Unanimous A.I.公司就在致力于研究群體智能，希望能夠將數百人的知識、智慧、洞察以及知覺通過算法連接起來。該公司研制的SWARM平臺等軟件可以通過實時閉環控制系統將分布式網絡組織成“人群”，能夠聚集人類參與者的集體智慧以得出意見。它成功預測了奧斯卡，超級碗比賽，以及法國大選的結果[9]。該系統對2017-2018賽季20周的NHL曲棍球比賽進行了預測，得到了85%的成功率，超過了維加斯博彩市場的22%。除了比賽和票選等預測活動，該群體智能方法還應用到了醫療領域，其診斷肺炎的準確率比單獨工作的放射科醫生團隊高出22%。
2018年人工智能領域研發熱點回眸
3、認知計算
　　認知是人與世界交互的重要過程，認知計算旨在模仿人類大腦的計算系統，讓計算機像人一樣認知和思考。只有實現了認知計算，才能真正實現可以學習并與人類自然交互的系統。從20世紀開始，人們通過單一用途的機械系統指示機器的行動，此為“制表時代”；在20世紀50年代進入了“編程時代”，人們通過編程的方式控制計算設備；從2011年起，人們就將認知計算列為了人工智能發展的目標，開始進入“認知時代”。在群體智能方面，我們借鑒了螞蟻等生物的啟示，而在認知計算里，我們依然要聚焦于生物，研究認知的整個過程。在認知計算中，系統通過大規模的學習，有目的、理性、自然地與人類進行互動。認知計算讓機器不僅僅通過編程來執行指令，而是通過與人類的互動以及它們對環境的體驗來學習和推理。它能夠模擬人類的思維過程，理解世界的模糊性和不確定性。通過權衡來自多個來源的信息和想法，進行推理并提供假設。
　　IBM的Watson系統是其中最有名的認知系統。它通過篩選大量的數據庫獲取信息，以問答的形式幫助用戶回答對復雜問題的見解。通過認知計算的方式，它可以不斷地從用戶互動中獲取數據，變得更加聰明。它目前已經成為了一個具有認知計算能力的生態系統，可不斷地衍生出各種行業解決方案，被應用于醫療、天氣預測法律顧問等方面。今年該平臺被用在了教育領域，瑞典的一個研究小組開發出了一個使用IBM Watson系統的學習并行編程的助手，在實際教學實驗中獲得了學生的好評。
　　認知計算的發展需要我們不斷地對人的認知過程進行研究。其中，態勢感知的研究也屬于認知計算領域。態勢感知將人的認知過程分為三個獨立的層次，分別為：對環境中元素的感知，對當前形勢的理解，對未來狀況的預測[15]。通過建模和結構化的思想，可以將人的認知過程量化為態勢感知程度。除此之外，人們也在不斷的通過其他方式對人類的認知過程進行量化，試圖通過計算機來進行模擬和計算。認知學可能是人工智能下一步發展的突破口。