國外的人工智慧熱潮與中國幾乎同步。過去五年，新一代人工智慧公司崛起，機器學習走向成熟，雲計算得到普及，網際網路帶來海量數據和人機互動……這些均大幅增強了人工智慧的實用性。

2010年于英國倫敦大學學院成立的DeepMind團隊因其發明的程式AlphaGo在全球名聲大噪。這家年輕的公司在2014年被收購後依然保持著獨立研發和運營狀態。

DeepMind的目標是通過開發強大的通用學習演算法，並將其融入到人工智慧系統或智慧程式中，以確保機器能夠進行自我學習。

DeepMind開發了應用於不同領域的人工智慧程式，其中AlphaGo即為一款擅長遊戲的程式，DeepMind為這款程式加裝了圖形處理單元，使程式主動“學會”進行遊戲。

目前，AlphaGo取得的研究成果正在快速複製到各行各業，谷歌旗下的DeepMind首個任務便是用機器學習來管理數據中心，DeepMind訓練了三個具有神經網路，該神經網路具有一定通用性，可實現除數據中心外，發電廠、半導體製造及醫療領域的管理。

隨著人機交互的程度不斷被突破，從弱人工智慧到強人工智慧的進化是機器人發展的關鍵。電腦若能夠實現圖片文字識別並做出相應推理反饋，則屬於向強人工智慧進發的表現。

2010年成立的美國公司Vicarious就致力於為機器人和電腦研發圖片和視頻識別系統，模擬大腦識別圖像。Vicarious的目標即複製人類大腦皮層功能，使機器理解語言並進行數學計算。2013年10月，Vicarious聲稱其通過視覺演算法精確度達到90%，已經通過第一個“圖靈測試”。

Vicarious 採用了一種新的神經網路演算法，該演算法體現了更多生物上的特徵。它的一個重要特點是，在學習了一項資訊後，它能夠預想這個資訊在其他情景中樣子——這是一種人造的想像方式。

Vicarious創始人表示，公司正開發一種類似人類大腦處理數據的新方式，賦予機器輕鬆識別刺激或概念的能力，從而使機器擁有更加智慧的表現。

儘管日本政府對新科技的反應非常遲緩，一定程度造成日本近年在全球科技競爭處於邊緣地位，但日本國內依然不乏在細分市場佔據頂尖位置的科技公司。

2014年成立的創業公司Preferred Networks僅一年時間就擁有高達1.2億美元的估值，引起豐田、松下等日本老牌大公司的興趣併發起合作請求，後者希望通過深度學習發展高科技商業産品。

Preferred Networks採用的深度學習軟體系統高度模擬人類大腦，在不依賴人類操作的情況下實現機器自動學習，獨立識別和過濾資訊。“深度”是指機器的神經元網路擁有更多層次，能夠處理更多複雜問題。深度學習使機器實現自我升級，並通過不同機器之間的互聯來升級整個系統，這比人工升級機器的效率高出很多。

在日本，“深度學習”被寄予了另一種期望。日本企業希望從不同於矽谷的角度來挖掘深度學習，而Preferred Networks的出現猶如一面旗幟，將構成日本科技新一代的主力公司凝聚在一起。