·打算机视觉(CV)
·自然措辞处理(NLP)
·在 NLP 领域中，将覆盖文本挖掘/分类、机器翻译和语音识别。
·机器人
打算机视觉(CV)是指机器感知环境的能力。这一技能种别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。物体检测和人脸识别是其比较成功的研究领域。
当前阶段：
打算机视觉现已有很多运用，这表明了这类技能的造诣，也让我们将其归入到运用阶段。随着深度学习的发展，机器乃至能在特定的案例中实现超越人类的表现。但是，这项技能离社会影响阶段还有一定间隔，那要等到机器能在所有场景中都达到人类的同等水平才行(感知其环境的所有干系方面)。
发展历史：
2、分支二：语音识别
语音识别是指识别语音(说出的措辞)并将其转换成对应文本的技能。相反的任务(文本转语音/TTS)也是这一领域内一个类似的研究主题。
当前阶段：
语音识别已经处于运用阶段很永劫光了。最近几年，随着大数据和深度学习技能的发展，语音识别进展颇丰，现在已经非常靠近社会影响阶段了。
语音识别领域仍旧面临着声纹识别和「鸡尾酒会效应」等一些分外情形的难题。
当代语音识别系统严重依赖于云，在离线时可能就无法取得空想的事情效果。
发展历史：
百度语音识别：
间隔小于1米，中笔墨准率97%+
支持耳语、长语音、中英文稠浊及方言
3、分支三：文本挖掘/分类这里的文本挖掘紧张是指文本分类，该技能可用于理解、组织和分类构造化或非构造化文本文档。其涵盖的紧张任务有句法剖析、感情剖析和垃圾信息检测。
当前阶段：
我们将这项技能归类到运用阶段，由于现在有很多运用都已经集成了基于文本挖掘的感情剖析或垃圾信息检测技能。文本挖掘技能也在智能投顾的开拓中有所运用，并且提升了用户体验。
文本挖掘和分类领域的一个瓶颈涌如今歧义和有偏差的数据上。
发展历史：
4、分支四：机器翻译
机器翻译(MT)是利用机器的力量自动将一种自然措辞(源措辞)的文本翻译成另一种措辞(目标措辞)。
当前阶段：
机器翻译是一个见证了大量发展进程的运用领域。该领域最近由于神经机器翻译而取得了非常显著的进展，但仍旧没有全面达到专业译者的水平;但是，我们相信在大数据、云打算和深度学习技能的帮助下，机器翻译很快就将进入社会影响阶段。
在某些情形下，鄙谚和行话等内容的翻译会比较困难(受限词表问题)。
专业领域的机器翻译(比如医疗领域)表现常日不好。
发展历史：
5、分支五：机器人
机器人学(Robotics)研究的是机器人的设计、制造、运作和运用，以及掌握它们的打算机系统、传感反馈和信息处理。
机器人可以分成两大类:固定机器人和移动机器人。固定机器人常日被用于工业生产(比如用于装置线)。常见的移动机器人运用有货运机器人、空中机器人和自动载具。机器人须要不同部件和系统的协作才能实现最优的作业。个中在硬件上包含传感器、反应器和掌握器;其余还有能够实现感知能力的软件，比如定位、舆图测绘和目标识别。
当前阶段：
自上世纪「Robot」一词出身以来，人们已经为工业制造业设计了很多机器人。工业机器人是增长最快的运用领域，它们在 20 世纪 80 年代将这一领域带入了运用阶段。在安川电机、Fanuc、ABB、库卡等公司的努力下，我们认为进入 21 世纪之后，机器人领域就已经进入了社会影响阶段，此时各种工业机器人已经主宰了装置生产线。此外，软体机器人在很多领域也有广泛的运用，比如在医疗行业帮忙手术或在金融行业自动实行承销过程。
但是，法律法规和「机器人威胁论」可能会妨碍机器人领域的发展。还有设计和制造机器人须要相对较高的投资。
发展历史：
总的来说，人工智能领域的研究前沿正逐渐从搜索、知识和推理领域转向机器学习、深度学习、打算机视觉和机器人领域。
大多数早期技能至少已经处于运用阶段了，而且个中一些已经显现出了社会影响力。一些新开拓的技能可能仍处于工程乃至研究阶段，但是我们可以看到不同阶段之间转移的速率变得越来越快。