斯坦福近期发起了名为“人工智能研究的100年”的项目， 制定了相关具体的计划(下个100年中每五年人工智能对社会影响的详细报告)。
AI研究趋势
千禧之年以前，人工智能(AI)的吸引力大部分来源于它所承诺能实现的愿景中。但是在最近15年里，它所承诺的大多数都已经实现了。人工智能科技早已遍布我们的生活。在它们正转变成为社会的核心力量的过程中，AI领域的研究已经从简单地建立智能系统转变成了建立具有人类意识的、值得信赖的智能系统。
几个因素推动了人工智能革命。其中最重要的是机器学习的成熟一部分是通过云计算资源和广泛、基于网络的数据收集的支持才得以实现。机器学习进步的主要原因来源于“深度学习”它是使用一种称为反向传播(backpropagation)的自适应人工神经网络训练方法。
在信息处理算法上面表现的进步也伴随着在硬件科技上基本操作的重大进展(比如感知、觉察和对象检测等)。新的平台和数据驱动产品的市尝经济激励机制、寻找新的产品和市场，共同促进了人工智能驱动技术的到来。所有的这些趋势驱动着以下研究领域越来越热门：
现下机器学习(监督学习或者无监督学习)中多数基础问题都已经理解透彻了，目前主要努力的方向是将现有的算法扩展到特别大的数据集中。
深度学习打算在感知领域汇总更进一步(如声音、演说以及自然语言处理)
增强学习集中在决策方面，帮助人工智能更深入地进入现实世界中学习和执行行为。
机器人导航(至少在静态环境中)，已经大部分实现了。目前研究的方向是如何训练机器和周边真实环境进行交互(以可推广和预测的方式)。
计算机视觉目前是机器感知中最突出的形式，现下计算机视觉中主要研究聚焦在自动给图像和视频加上标注。
自然语言处理经常和自动语义识别一同出现，也是机器感知中一个非常热门的领域。目前的研究主要转向到发展处能和人类通过对话交互的精确、兼容的系统。
目前越来越多研究倾向于将人类和机器的优势互补比如人类帮助人工智能系统克服它们自身的限制，对于agents来说可以增强人类的能力。
目前该领域的研究倾向于通过利用人类的智慧增强计算机系统来解决计算机无法解决的问题。
人工智能能利用大量的物联网数据来进行改进，目前这些物联网设备间存在大量互不兼容的协议，人工智能能够帮助克服这个困难。
在深度神经网络的帮助下，构筑专用的神经形态硬件。
AI研究未来的总体趋势
数据驱动范例所取得的巨大成功已经取代了传统的人工智能范例。
未来的十五年中，研究小组期待能更多地聚焦在开发有人类意识的系统(这意味着专门替特定人群设计的可以实现交互的特定模型)。另外要开发出更多新的、创新的方式以交互、可量化的办法去教导机器人。此外物联网系统(设备、云端)也将越来越流行，它们也可被认为是社会和经济层面的人工智能。在接下来几年中，具有新的感知/对象识别能力的人工智能和(能保证人类安全的)机器平台将会成长的越来越快，那些数据驱动的产品也会进一步成长。
研究小组也期待一些传统形式的人工智能参与进来，因为一些研究者慢慢意识到纯粹地端对端深度学习方式先天存在不可避免的限制性。希望年轻的研究人员不要做重复工作，多多关注过去五十年里人工智能领域中出现的显著进步，也同时关注控制理论、认知科学与心理学相关的研究。
AI在不同领域中的应用
在未来世界中，或者具体一点2030年，我们的生活会变成什么样子？
交通很有可能是人工智能中普罗大众想要最先关注的一个领域，因为相关的AI系统的安全性和可靠性实在太重要了。可以预见自主交通很快就会变得司空见惯，其作为大多数人第一次亲身体验的人工智能系统，将会大大地影响公众对于AI的感官认知。