目前人工智慧的深度學習演算法是建立在大數據的基礎上的，人工智慧在工作過程中首先要對大數據進行挖掘，然後再利用大數據訓練人工智慧模型。
人工智慧的發展經歷了三個歷程。從符合主義到連線主義再到行為主義。符號主義主要是用公理和邏輯體系搭建一套人工智慧系統。連線主義源於仿生學，主張模仿人類的神經元，用神經網路的連線機制連線人工智慧。行為主義控制論意為假設智慧取決於感知和行動。三大流派日趨融合，協同發展，人工智慧的核心特征之一是「關系」。
人工智慧模型和演算法發展的七大趨勢：
趨勢一、向無監督的方向發展。 主要表現為：適應「小數據」，減少標註需求，減少計算開銷。要向無監督方向發展要經歷幾個階段。人工智慧主動學習階段，演算法主動提出標註請求，將一些經過篩選的數據送出給專家標註。遷移學習階段，增強訓練好的模型，解決目標領域中僅有的少量有標簽樣本數據的問題。強化學習階段，用agents構成系統來描述行為並給予評價和反饋學習。
趨勢二、可解釋（XAI）越來越重要。 深度學習如何進一步設計演算法和參數，提高泛化能力，
