財經紙老虎
作為一名科技工作者，我來回答一下這個問題。
首先，人工智能技術還遠沒有達到技術成熟期，未來人工智能領域的發展前景還是非常廣闊的，而且當前大數據、雲計算、物聯網等諸多技術最終的發展訴求都是智能化，所以未來人工智能領域必將會帶來更多的創新。
之所以有人說人工智能技術已經走到了盡頭，主要出於三方面原因，其一是當前的人工智能技術體系主要以“合理性”為出發點；其二是人工智能產品依然存在較大的落地應用障礙；其三是人工智能領域目前缺乏強有力的突破點。
從技術體系結構來看，人工智能領域的研發主要以“合理地思考”和“合理地行動”作為設計的出發點，這在很大程度上限制了人工智能產品的研發，或者說也限制了人工智能產品的“創造能力”。但是，如果把設計思想調整到“像人一樣思考”和“像人一樣行動”，那麼整個人工智能領域的技術體系都需要重構，這也顯然不太現實。所以，基於當前的人工智能技術體系來設計的智能體，只能稱之為“弱人工智能”，而且這個“弱人工智能時代”依然會持續很長一段時間，這也許是人工智能技術發展的最大障礙之一。
人工智能產品目前遇到的第二個障礙是落地應用，目前大量的智能體對於應用場景的要求非常嚴格，所以導致很多智能體根本無法走出實驗室，這裡面的原因是多方面的，設計思路脫離實際應用場景是比較常見的一個原因。隨著物聯網技術的發展，未來智能體的落地應用場景將逐漸完善。
最後，目前人工智能領域還缺乏一個強有力的突破口，如果能夠打開一個突破口，那麼對於人工智能領域的發展會起到非常積極的促進作用。從目前的發展前景來看，自動駕駛將很有可能成為這個突破口。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！
IT人劉俊明
因為目前最火的深度學習解決的都是感知問題，像圖像識別、語音識別等，本質就是解決人思考3s以下的簡單問題。推理和理解等AI研究一直都是發展很慢的，但個人認為並不是盡頭，只是發展速度正常化了～
隨遇而安139549945
AI 的加速才剛剛開始，遠沒有到頭，AI處理問題不是靠 “理解” 來解決問題的，至少在目前，我們還看不到它能理解什麼，其實它什麼也理解不了， 它處理問題更多是靠數理統計。
