現(xiàn)在的人工智能大致可以由三個階段構成：感知、認知、自主。首先，自主智能是我們的最終理想，全人類投身人工智能領域的研究者都在為此而努力。如果達到了自主智能，我們或許真的要考慮如何制約人工智能技術，避免毀滅人類的事件發(fā)生。其次，隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等產(chǎn)業(yè)的發(fā)展，產(chǎn)生了海量的大數(shù)據(jù)，加上GPU等計算機硬件技術的突破性發(fā)展，深度學習技術脫穎而出，給人工智能帶來了一系列革命性的進展。尤其在感知智能方面，很多技術已經(jīng)相當成熟，并成功地應用到相關產(chǎn)業(yè)中，取得了很好的效果。例如，語音識別技術已經(jīng)深入到以手機為代表的各種移動互聯(lián)網(wǎng)設備，以新型人機交互方式在改變著人類使用機器的理念，為新一代人機交互方式的發(fā)展奠定了基礎，提供了良好的平臺。視頻圖像處理的突破也是有目共睹。目前，已經(jīng)有報道稱機器能夠從圖片中分辨1000多種類型的實體，人臉識別、姿態(tài)識別、人體跟蹤等技術也都很成功地應用到各種識別、監(jiān)控場景，包括自動通關、社會安保、刷臉支付，等等。相比較而言，觸覺方面的進展進入大眾視線的機會要少一些，但是，真正的智能機器人對觸覺的依賴，以及對關節(jié)控制的依賴，絕不低于對視覺、聽覺的依賴。人工皮膚等一系列傳感器也發(fā)展到了新的階段，能夠很好地感知機器人所觸摸到的物質的各種特質，完成更多靈巧的操作。因此可以說，在感知智能方面的技術已經(jīng)相對成型，進入到應用階段了。

眾所周知，人工智能從感知智能到認知智能就是要讓機器人能夠理解，能夠思考，能夠交流。這是目前人工智能研究的中心環(huán)節(jié)。從學術研究的角度，圖靈測試某種意義上就是以問答的形式定義的。因此，人工智能是從問答開始的。從技術應用的角度，對話是人機交互最方便的一種形式，因此是智能人機協(xié)同的入口。

人機交互系統(tǒng)可以分為三種類型：問答、對話、可交互系統(tǒng)。問答系統(tǒng)最單純，就是一問一答，理解了問題，知道什么就說什么；對話系統(tǒng)是有問有答，包含上下文邏輯，可以從反問中獲得答復或決策所需內容，填補原有用戶輸入需求中的信息缺失，最后達到預期的目標；可交互系統(tǒng)是更加復雜的對話系統(tǒng)，它不僅僅包含對話，還包含對系統(tǒng)一些行為的規(guī)劃與控制。例如，我們協(xié)助企業(yè)做的未來廚房系統(tǒng)，就是希望幫助人們擺脫在廚房中辛苦勞累的感覺，讓廚房里的時光也能夠很輕松愉快。

那么，在廚房里，機器可以幫你做什么呢？主人要請客，它可以幫你確定菜單。此時，機器人會綜合考慮所有相關因素，包括家里有幾個人，平時都吃什么，訪客人數(shù)、年齡、性別、有無特殊要求或疾病禁忌，用餐時間（中午或晚上），家里現(xiàn)有的食材，可消耗的珍藏物品等等。機器人經(jīng)過分析這一切相關條件，組合優(yōu)化后推薦出一個菜單，然后，再和主人進行細節(jié)的交流、修改、確認。之后可以直接連接電商采購補充食材等物品，同時安排制作的流程，給出操作細節(jié)。當天操作時，還可以根據(jù)菜譜非常貼心地指導你烹飪。這就是一個互動系統(tǒng)，整個事件在機器人的協(xié)助下進行規(guī)劃和實施。