人工智能近年發展迅速，而接下來的發展，將以自動建立脈絡為主軸。目前的人工智能還不夠成熟，其所做的分類與模式辨識，還不會考量其背后的脈絡。

據報導指出，第一波的人工智能仍局限于部分問題的推理，沒有學習能力，也無法處理不確定性；第二波的人工智能有比較多的認知、學習與推理，當今熱門的臉部辨識，就是用統計學習來進行訓練。第三波的人工智能科技，是以脈絡化的適應為基礎，可以自動化建立脈絡化模型。

在有限的脈絡下，透過物聯網（IoT）傳感器取得信息來夠建構整體環境，這是很有價值的。群眾資源也可以用來偵測錯誤，包括Google翻譯、以及Facebook、Google、Yelp和亞馬遜（Amazon）的建議系統，就是利用這樣的方法，當使用者發現某些結果不如人意，就會反饋給人工智能系統。

目前許多倉儲與工廠，都在打造讓人工智能與機器人能夠運行的環境。過去幾年來，第二波人工智能讓汽車擁有自動駕駛能力，讓機器能夠正確辨認影像和聲音，也讓計算機在圍棋賽中打敗頂尖棋手。這都是因為調適性機器學習的發展所促成。

透過大量數據來訓練，找出數據的模式、將這些模式進行連結。例如，在醫學領域，專家將基因與醫療記錄數據進行配對；在制造領域，可以把每個產品、機器、原物料、流程等進行分析。

將人工智能模塊化，重新利用這些元件重復訓練，可以加速人工智能的發展。各界正在努力讓人工智能用于更多的情境，相關發展也會越來越快。