- 领域专家：涉及基于复杂知识体系的推理问题
包括基于学习法律、金融等知识体系的任务，然后构想在该领域中机器可以模仿专家的过程。
- 领域扩展：涉及对复杂知识体系进行扩展的问题
在这个问题中，机器学习一个复杂的知识体系，如有关药物的信息，然后向这个领域本身提出新的见解——例如治疗疾病的新药。
- 复杂计划者：涉及计划的任务
当前的算法（非AI）能够完成许多物流和调度任务。但优化变得越来越复杂，AI可以解决这个问题。一个例子是在物联网中使用AI技术处理稀疏数据集。在这个场景下AI的优势是，因为数据集非常大而且复杂，人类无法检测到数据中的模式，但机器可以很容易做到。
- 更好的沟通者：设计改善现有的沟通任务
AI 和深度学习对多种沟通模式有帮助，如自动翻译，智能代理等。
- 新的感知：设计感知的任务
AI和深度学习使更新的感知形式成为可能，如自动驾驶车辆。
- 企业 AI：AI与企业再造相符合。
AI将被部署在几乎所有的经济部门，例如自动驾驶车辆等得到了媒体的大力关注。有一个原则能适用各种场景，即通过深度学习，AI将被用于自动特征检测（automatic feature dection）以得出新的洞见，这将有助于优化、改进或改变业务流程（比传统机器学习带来的改变更大）。从更广泛的意义来说，这是令AI与企业再造（Re-engineering the Corporation）相符合。
- 企业AI将非结构化的数据和认知能力添加到ERP和数据仓库
非结构化数据为深度学习和AI提供了巨大的机会。正如 Forbes 在对2017年的技术趋势进行预测时所说：“绝大多数组织能得到的数据是非结构化的，例如通话日志、电子邮件、会议记录、视频和音频数据，虽然这些数据很有价值，但不容易进行一致的格式化以供直接进行定量分析。随着图像识别、情感分析和自然语言处理等领域的进步，这些信息开始开放，因此挖掘这些数据中的信息将是2017年的越来越大的业务。”我非常同意这个观点。在实践中，这意味着通过认知系统增强 ERP 和数据仓库（Data warehosing）系统的功能。
- 由于AI的二阶后果影响领域的问题
MMC Ventures 投资总监 David Kelnar 在有关第四次工业革命的文章中写道：“机器学习的二阶后果（second-order consequences）将超过其直接影响。深度学习改进了计算机视觉，例如，使得自动驾驶使车辆成为可能。但这些进步带来的影响是什么呢？今天，全英国90％的人和80％的货物通过公路运输。自动驾驶车辆将影响：安全（90％的事故是由于驾驶员注意力不集中引起的）；就业（全英国有220万人从事运输和物流行业，年薪约为570亿英镑）；保险（自动驾驶车辆将导致预期的汽车保险收入降低63％）；部门经济学（消费者可能更多使用按需运输服务来代替私家汽车）；车辆吞吐量；城市规划；规章制度等。”
- 在不远的将来可能从改进的算法中受益的问题
得益于更好的算法或更好的软件，在不远的将来，过去不可能的一些事物将变得可能。例如，语音识别的准确度将继续提高，目前语音识别已经达到人类的最高水平了。2012年谷歌使用LSTM驱动安卓系统上的语音识别。一个半月前，微软的工程师发布报告说，他们的语音识别系统的错误率已经降到5.9％，这个数字恰是人类的最佳水平。
- 专家系统的演变
专家系统已经存在很长时间了。得益于 AI/深度学习算法，专家系统的大部分能力可以在不久的将来得到实现。如果了解过 IBM Watson 的架构，你可以看到 Watson 的方案带来了专家系统愿景。当然，相同的想法如今可以在 Watson 身上独立实现。
- 超长序列模式识别
AI技术在序列模式识别中的应用仍然处于早期阶段（还没有得到例如CNN那般的关注），但在我看来，这将是一个快速扩展的空间。有关序列模式识别的背景，可以阅读 Pooyan Safari 的 thesis “Technische Universitat Munchen（TUM）”，以及 Jakob Aungiers 的博客文章“ LSTM Neural Network for Time Series Prediction”。
- 使用AI扩展情感分析
AI和情感分析之间的相互作用也是一个新的领域。目前在AI和情感分析之间已经有很多协同作用，因为AI应用的许多功能需要情感分析。
AI和情感分析的协同作用可以从四个方面来看，分别是物体识别（object identification），特征提取（feature extraction），定位分类（orientation classification）和集成（integration）。现有的解决方案或可用的系统仍然不完美，或不能满足终端用户的需求。主要的问题是，情感受许多概念化规则（conceptual rules ）的支配，而且有更多的线索（也许无限多）可以将这些概念从领会转换为到人类的言语表达。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
如何培养出真正适合AI时代发展的人才？
http://www.duozhishidai.com/article-12572-1.html
大数据携手人工智能，高校人才培养面临新挑战
http://www.duozhishidai.com/article-7555-1.html
人工智能时代，AI人才都有哪些特征？
http://www.duozhishidai.com/article-1792-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
