随着人工智能，AI（Artificial Intelligence）的应用前景逐渐明朗，各大高科技公司开始重金投资这个领域。2014年8月，IBM发布了模仿人脑神经元结构的芯片TrueNorth，功耗仅为现有芯片功耗的1/1 000。百度投资3亿美元在硅谷建立新的研发中心，并聘请人工智能专家、斯坦福大学的吴恩达教授担任首席科学家。吴教授是深度学习方面的专家，同时还是在线教育网站Coursera的创始人。
2013年初，谷歌收购了由深度神经网络理论提出者、“深度学习之父”、多伦多大学教授杰弗里·希尔顿（Geoffrey Hinton）创立的DNNResearch，并于今年1月以6.5亿美元的价格收购了英国的人工智能公司DeepMind。
人工智能时代要来了？还是已经来了？
人工智能应该用来做什么
人工智能应该用来做什么？这个问题从来不乏争议。
早在20世纪70年代，施乐PARC研究中心的首席科学家马克·威斯尔（Mark Weiser）针对信息爆炸的问题，提出人工智能的最高境界是像无处不在的小精灵一样，预测人类的需要，并自动提供相应的服务。他与MIT媒体实验室的创始人尼古拉斯·尼葛洛庞帝（Nicholas Negroponte）发生了激烈的辩论，后者认为人工智能应该是一种类似于机器人管家或仆人的Agent，根据人类的指令而行。
马克·威斯尔创立了“普适计算（Ubiquitous Computing）”这一重要的研究领域。继威斯尔之后，他的追随者相继提出了基于情景的计算（Context-Aware Computing），通过跟踪人的位置和行为，来分析其意图和需求，并自动去执行。
威斯尔本人用充满诗意的语言，去描述了人与智能环境无间共栖的场景：
清晨唤醒我的铃声，会与我今天上午日程表上的活动相关。快节奏预示着8点有重要会议，而舒缓的轻音乐则告诉我一上午都会空闲。我透过窗户上的透明显示器，看到家附近的各种过客留下的步履。紫色的爪印是小猫的，红色的是小狗的，绿色的则是人的。
2000年前后，惠普、飞利浦、诺基亚等厂商相继投入千万美元，赞助MIT和Stanford等科研机构，开展关于“情境智能（Ambient Intelligence）”的研究。微软和通用电气更是设立了自己的实验室，专门研究智能环境中的交互。但是，由于当时的人工智能算法还不够准确，这些实验并没有最终进入产品阶段。2006年，也就是深度学习算法刚刚冒出苗头，还未被主流研究者所广泛接受的时候，人工智能研究者开始反思：无处不在的计算是否真的如马克·威斯尔所描绘的那样美好？
智能环境的设计师应该如何决定：哪些功能应该由机器自动完成，哪些应该留给人类来决定？以一个常见的智能家居应用场景为例：早上起床后，灯光会自动点亮，电视或收音机自动打开，窗帘拉起，浴缸里开始自动放热水，牛奶在加热，面包在烘烤……这似乎很惬意。但是，自动化不等于智能化，人不是千篇一律的机器，会有各种临时状况，每天的心情和感觉不一样，用户今天想去街上买豆浆喝，可是机器已经把牛奶热上了。
另一个问题是，人工智能作出的决定，应该由谁来负责？例如，智能家居决定停止空调运转，如果家中有婴儿，由于高温而受到伤害，那么是空调供应商，还是家居设计师，或是决定安装智能系统的家长来为婴儿的受伤负责？又如，无人驾驶的汽车发生了交通事故，坐在车内的人都没有控制方向盘，那么谁是肇事者？
威斯尔以前的合作者约翰·布朗（John Seely Brown）提出，人工智能不应该一味将人视为被动接受服务的对象，而应该给人更多主动选择的权利。不能一味用人工智能来剥夺人类思考的必要性，而应该找到一个合理的平衡点，让人可以继续拥有做创造性的思考和最终判断的权利。
带来第四次浪潮
英国科幻大师亚瑟·克拉克爵士曾说过：“任何一项足够先进的技术，初看起来都与魔术无异。”当魔术背后的玄机被公开，它的魔力就消失了。也就是说，一种技术一旦在日常生活普及，也就失去了那层让人觉得“智能”的神秘面纱。人手一台的“智能”手机，以及具有语音识别功能的Siri都是近在眼前的例子。