人工智能作为一种科学技术，在其发展过程中必然遵循自然科学规律，依赖其现实条件和发展机理，是可以被认知和预测的。当前，人工智能的具体技术路线多种多样，未来发展充满无限可能性，但其发展趋势依然有“迹”可寻。

从大的方面看，主要有以下三种趋势：

一是拥有高性能。新一轮基于大数据和深度学习的人工智能的爆发，很大程度上得益于算力的提升。没有超级计算机算力的大幅提升，就不可能完成对海量数据的处理任务。目前运算能力世界排名第一的超级计算机为美国橡树岭国家实验室的“顶点”（summit），浮点运算速度可达20亿亿次/秒。然而，随着芯片、能耗等因素的制约，超级计算机算力提升越来越困难，人们开始寻找其他替代方案，量子计算逐渐进入人们视野。2017年5月，中国科学家研制出世界首台超越早期经典计算机的光量子计算机，并实现10个超导量子比特纠缠；2019年8月，浙江大学、中国科学院物理研究所等科研团队合作开发出20个超导量子比特芯片。今年10月24日谷歌宣布，他们用一台54位量子比特的量子计算机，在200秒内就完成了目前世界最快超算需要计算1万年的计算任务。这初步显示出量子计算颠覆性的算力水平，各界关注的“量子优越性”已经实现。尽管这一成就仍限定在特定领域，离实用通用还有很长的路，但其意义重大，意味着人工智能的算力基础可发生根本性改变，人工智能无疑将呈现高性能。

二是拥有通用性。现行的人工智能在特定领域，如复杂计算、图像识别、语音处理等方面，相关能力已远远超过人类。但其局限性也显而易见，那就是无法相互通用，一个领域的人工智能到了另一领域，就会变成“人工智障”。解决人工智能的通用性问题，必须发展强人工智能，使机器真正像人一样去思考问题。图灵奖获得者朱迪亚·珀尔在《为什么》一书中详细阐述了因果论，并将其区分为“关联”“干预”“反事实推理”三个层面，指出当前的人工智能和机器学习只处于最低的第一层面，即弱人工智能阶段。机器学习的方法很多，深度学习只是其中之一。第三层面“反事实推理”是人想象的产物，是人类的特有能力，即为强人工智能。珀尔的因果论为强人工智能的研究打开了一扇窗，从理论上指明了人工智能发展的大体阶段和努力方向，极有可能开辟算法理论创新发展的新境界。

三是拥有可靠性。未来人工智能必须具备良好的可解释性，使其学习模式和相应决策能够被人类用户所理解，进而提升人们对人工智能系统的信任度。而现在的机器学习技术尚不能达到人们的期望和要求，即使有时机器已经得出结论，用户也常常不由自主地在心里打个问号，觉得必须人工复检一番才放心。特别是这些人工智能技术运用到辅助决策时，人们的不完全信任感更会成倍增加。用户的需求是人工智能技术发展的前进动力和必然指向。可以预见，在不远的将来，人工智能各技术流派之间的交叉融合将更加深入，不同学科领域的交叉融合也将更加频繁。通过取长补短综合各方面、各学科优势，有望达到人们对人工智能系统可靠性的要求。

以上是网络信息转载，信息真实性自行斟酌。