当前的人工智能发展浪潮始于2010年，随着大数据技术和计算能力的发展，联网大数据为改进机器学习方式和算法提供了有力支撑。2016年9月，斯坦福发布了《2030年的人工智能与生活》报告，分析了人工智能过去15年的发展状况，并预测了其在未来15年的发展趋势。报告中指出：人工智能领域将集中关注人类意识系统的开发，主要包括以下6项核心技术。

1) 计算机视觉。用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，成为更适合人眼观察或传送给仪器检测的图像。计算机视觉技术运用由图像处理操作及机器学习等技术所组成的序列将图像分析任务分解为便于管理的小块任务。

2) 机器学习。机器学习是计算机模拟人类的学习活动，通过对已有的案例进行学习，借助归纳和总结的方法，对本身的能力加强或改进，使机器获得新知识和新技能，在下一次执行相同或类似任务时，会比现在做得更好或效率更高。机器学习是从数据中自动发现模式，模式一旦被发现便可以做预测，处理的数据越多，预测也会越准确。日前颇受瞩目的AlphaGo深度学习就是集中于深层神经网络的机器学习的分支之一。

3) 文本语言处理。对自然语言文本的处理是指计算机拥有与人类类似的对文本进行处理的能力。例如从文本中提炼出核心信息，计算机可从自然语言写成的文本中自主解读出含义，做到对文本的“理解”。例如自动识别文档中被提及的人物、地点等，或将合同中的条款提取出来制作成表。

4) 自然语言处理。通过建立语言模型预测语言表达的概率分布，确定某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以与文中某些元素结合识别文字，通过识别这些元素，将某类文字同其他文字区分开，例如垃圾邮件和正常邮件。

5) 机器人技术。即机器+人工智能，将机器视觉、自动规划等认知技术整合至极小却高性能的传感器制动器以及设计巧妙的硬件中，使机器人具有与人类一起工作的能力，能在各种未知环境中灵活处理不同任务。近年来，随着算法等核心技术的提升，机器人技术已取得重要突破。

6) 生物识别技术。生物识别可融合计算机、光学、声学、生物传感器、生物统计学，利用人体固有的身体特性如指纹、人脸、虹膜、静脉、声音、步态等进行个人身份鉴定，最初应用于司法鉴定。