自從人工智慧圍棋程式AlphaGo在2016年擊敗世界圍棋高手李世乭之後，AI變成了顯學，也開始有了各方面的應用。但在2018年，發生了一系列備受矚目的AI相關事件，例如自動駕駛汽車撞車和歧視性的徵人AI軟體。
疫期監控AI成主流
在2019年，AI的好壞辯論、AI是否取代人類、AI的倫理成為熱門的話題，正當大家想要採取實際行動來改善時，在2020年初，冠狀病毒關閉了世界。
在家上班、社交距離、封城變成常態，在人與人保持距離，面對面溝通遙不可及的現實中，因為諸如臉部掃描識別的演算法和工作場所監視工具之類的AI系統反而逐漸成為主流。
還有監視學生線上上課和評估學生學習成果的工具，也順勢興起，這些都讓所有關於AI演算法危害的話題更加受關注。2020年8月，在英國政府試圖用AI來取代大學的入學考試，結果徹底失敗。好幾百名學生聚集在倫敦，高喊「去你的AI演算法」。
科技壟斷與歧視性
反AI團體的一大勝利是在BLM(Black Lives Matter)運動之後，亞馬遜、微軟和IBM都禁止或暫停將臉部識別軟體出售給執法部門，這是研究人員和民權運動家經過兩年奮鬥的成果，證明臉部辨識技術的無效和歧視性。還有另一個不引人注目的改變，那就是一個著名的AI研究會議，第一次要求研究人員在發表論文時要附上道德聲明。
令人擔心的是，科技巨頭對AI研究方向的強力控制，將整個AI領域的方向轉向越來越大的資料集和更大的學習模型，它讓一些資源受限的實驗室或研究者被邊緣化，導致AI的研究無法百花齊放，也限制AI的可能潛力。正如科技巨頭可以將公司內部不同意見者免職一樣，這些公司也可能扼殺AI 在理解力和創造力等方向的發展。
AI研究中對深度學習的壓倒性關注已經掩蓋了AI研究的主要目標之一，那就是創建一個不僅只能利用樣式匹配(Pattern Recognition)的學習機器，而且能真正理解含義的智慧機器。
提升AI理解與辨識力
並不是說利用深度學習永遠無法達到智慧，雖然這仍是一個懸而未決的問題，但是還有其他研究途徑值得投資和關注，例如將深度學習與符號知識系統結合在一起，或者嘗試使用少量學習資料的概率方法，這受啟發於兒童可以從很少的範例中學習的能力。
未來希望AI研究可以將機器的理解力放在辨識率之上，這不僅會得到技術上更強大的系統，也會帶來重大的社會影響。例如當前的深度學習系統容易被愚弄，導致自動駕駛汽車的不安全，或者臉孔辨識的錯誤或歧視，還有AI系統無法區分事件的關聯性和因果關係，也是讓AI無法讓人信任的主因之一。
法國革命家羅蘭夫人說：「自由，自由，多少的罪惡假汝之名而行！」希望未來AI不會取代「自由」這兩字呀！