人工智能近年發(fā)展迅速，而接下來的發(fā)展，將以自動建立脈絡(luò)為主軸。目前的人工智能還不夠成熟，其所做的分類與模式辨識，還不會考量其背后的脈絡(luò)。

　　據(jù)報導(dǎo)指出，第一波的人工智能仍局限于部分問題的推理，沒有學習能力，也無法處理不確定性；第二波的人工智能有比較多的認知、學習與推理，當今熱門的臉部辨識，就是用統(tǒng)計學習來進行訓練。第三波的人工智能科技，是以脈絡(luò)化的適應(yīng)為基礎(chǔ)，可以自動化建立脈絡(luò)化模型。

　　在有限的脈絡(luò)下，透過物聯(lián)網(wǎng)（IoT）傳感器取得信息來夠建構(gòu)整體環(huán)境，這是很有價值的。群眾資源也可以用來偵測錯誤，包括Google翻譯、以及Facebook、Google、Yelp和亞馬遜（Amazon）的建議系統(tǒng)，就是利用這樣的方法，當使用者發(fā)現(xiàn)某些結(jié)果不如人意，就會反饋給人工智能系統(tǒng)。

　　目前許多倉儲與工廠，都在打造讓人工智能與機器人能夠運行的環(huán)境。過去幾年來，第二波人工智能讓汽車擁有自動駕駛能力，讓機器能夠正確辨認影像和聲音，也讓計算機在圍棋賽中打敗頂尖棋手。這都是因為調(diào)適性機器學習的發(fā)展所促成。

　　透過大量數(shù)據(jù)來訓練，找出數(shù)據(jù)的模式、將這些模式進行連結(jié)。例如，在醫(yī)學領(lǐng)域，專家將基因與醫(yī)療記錄數(shù)據(jù)進行配對；在制造領(lǐng)域，可以把每個產(chǎn)品、機器、原物料、流程等進行分析。

　　將人工智能模塊化，重新利用這些元件重復(fù)訓練，可以加速人工智能的發(fā)展。各界正在努力讓人工智能用于更多的情境，相關(guān)發(fā)展也會越來越快。