關于人工智能理論的新發展方向：1）神經拓撲結構是神經網絡研究的新視角，通過拓撲學這樣的其他領域來解決AI的問題；2）隱私保護學習方面，涉及AI與密碼學領域MPC（多方計算）的結合；3）可控的SuperAI（超級人工智能）方面，如何設計有益、不威脅人類的超級智能依舊是重要課題。未來AI的人口可能會遠遠超過在世界上的人的人口，人和AI的交互也是未來AI發展的問題。

在AI的整體發展進程方面，參會嘉賓普遍認為未來AI的發展方向是從“感知”走向“認知”。目前AI在感知層面識別物體上已經實現了巨大的技術進展，而在認知層面仍處于早期發展階段，這也可能是AI最薄弱的領域。雖然AI幫助人類拓展了認識世界的能力、范圍以及人的思維能力，但是AI自身尚未解決常識的問題，即所謂的通用人工智能。

新冠疫情加速了AI技術的創新應用，在社會引發廣泛關注，IDC在今年3月份發布的《新冠肺炎疫情刺激數據智能市場跨越式前進》報告中對各條防線人工智能的應用場景進行了總結。本次峰會回顧了AI在疫情防控中發揮的重要作用，也展望了機器學習賦能智能手機預測新冠疫情傳染性風險——最新實驗結果表明，在考慮一個人核酸檢測陽性與否的兩元化信息之外，用機器學習進一步整合碎片信息以提供早期預警減少了疾病傳染系數。

4. 缺乏數據依然是阻礙AI發揮應用價值的現實瓶頸

在醫療、工業、智慧城市等應用場景，IDC觀察到，缺乏數據仍然是大量企業進一步發揮AI價值所面臨的的問題，在業務應用中不僅缺乏基礎數據，也缺乏數據流通的機制。以疫情防控為例，會上張文宏醫生坦言中國的疫情控制還是依靠傳統智慧和城市管理來實現，AI在醫療物資調配、加快公共衛生體系預警速度、出入境人流量控制等方面發揮的作用有限，未來需要打破數據孤島，實現線上線下的實時融合。在醫療行業，除了在流行病學領域的廣泛應用外，AI與大數據的臨床應用還存在較多障礙。

疫情沒有改變技術變革趨勢，但加速了數字技術的變革，疫情期間企業運用AI驅動的技術系統實現自動化轉型顯得尤為重要。IDC觀察到在AI等技術被應用于支持疫情防控和經濟復蘇方面，各方更倡導開放與合作。其中聯合國工業發展組織提出工業人工智能技術方案將成為諸多產業存續的關鍵，科技創新能力強的國家將擁有顯著優勢，需防范發達國家與發展中國家間技術差距擴大的風險。社會各界需要同心協力并建立戰略伙伴關系，避免加劇技術鴻溝。