这次的人工智能是“有用”的人工智能
第一次浪潮在50年代的达特茅斯会议确立了人工智能（AI）这一术语，人们陆续发明了第一款感知神经网络软件和聊天软件，证明了数学定理。
第二次浪潮80年代Hopfield神经网络和BT训练算法的提出，使得人工智能再次兴起，出现了语音识别、语音翻译计划，以及日本提出的第五代计算机。但这些设想迟迟未能进入人们的生活之中，第二次浪潮又破灭了。
达特茅斯会议
和前两次AI热潮相比，这一次人工智能复兴的最大特点，就是AI在多个相关领域表现出可以被普通人认可的性能或效率，并因此被成熟的商业模式接受，开始在产业界发挥出真正的价值。
心理学上说，人们接受一件新事物，就像人们感受一种外界刺激一样，是有一个心理值的。外界刺激（比如声、光、电）的强度太小的话，人们根本不会有任何感觉；只有外界刺激的强度超过了一个人能够感知的最小刺激量，人们才有“听到了声音”“看见了东西”之类的明确感受。这个能引起人们感知反应的最小刺激量，心理学上叫“绝对阈值”，人工智能技术的发展正是如此。
图像识别
以图像识别技术来说，在人工智能发展早期，如果一个计算机程序宣称可以识别图片中的人脸，但它的识别准确率只有五成左右，那普通人只会将这个程序看作一个玩具，绝不会认为它拥有智慧。随着技术进步，当人脸识别算法的识别准确率提高到80%甚至接近90%的时候，研究者们当然知道，取得这样的进步十分不易，但这一结果其实还是很难被普通人接受，因为每五个人脸就认错一个，这明显无法在现实生活中使用。
人们也许会说这个程序挺聪明，但绝对不会认为这个程序已经聪明到可以替代人类的眼睛。只有计算机在人脸识别上的准确率非常接近甚至超过普通人的水平、安防系统才会用计算机来取代人类保安完成身份识别工作。也就是说，对于人脸识别这个应用，接近或超过普通人的水平才是我们关心的“绝对阈值”。
人工智能
这次，我们说“人工智能来了”，其实是说，人工智能或深度学习直的可以解决实际问题了。在机器视觉、语音识别、数据挖掘、自动驾驶等应用场景，人工智能接连突破了人们可以接受的心理阈值，并第一次在产业层面“落地”，发挥并创造出真正的价值。
人工智能之所以有今天的成就，深度学习技术居功至伟。谷歌杰出的工程师杰夫・迪思说：“我认为在过去5年，最重大的突破应该是对于深度学习的使用。这项技术目前已经成功地被应用到许许多多的场景中，从语音识别到图像识别，再到语言理解。而且有意思的是，目前我们还没有看到有什么是深度学习做不了的。希望在未来我们能看到更多更有影响力的技术。
前两次人工智能是学术研究主导的，这次人工智能是现实商业需求主导的。
前两次人工智能是市场宣传层面的，这次人工智能是商业模式层面的。
前两次人工智能是学术界在劝说政府、投资人投钱，这次人工智能是投资人、政府主动创业投资和政策扶持。
