研究人员已经在人工智能中使用神经网络的一个研究分支中取得了进展，这一分支就是深度学习。深度学习软件的目标是模拟大脑皮层中与思考相关区域的神经元的功能。像大脑的复杂结构一样，深度学习的网络结构也很复杂。它在输入和输出之间有很多层，每一层都使用上一层的输出信息作为输入。每一层中，信号通过一个人工神经元传递，神经元通过训练，“学习”到参数。这项技术在语音和图像识别上已取得巨大的进展。

2016年6月，由斯坦福大学计算机科学领域的吴恩达(Andrew Ng)和谷歌研究员杰夫·迪恩(Jeff Dean)领导的研究小组创建了一个目前最大的神经网络系统，拥有超过10亿个连接。实验中用了1.6万个计算机处理器来训练多层的虚拟神经元。研究小组向这个系统展示了从1000万个随机挑选的视频中抽出的图像。系统通过强大的深度学习，可以在没有人给它们事先定义或标记的情况下，辨别出一些物体，比如猫。也就是说，人从未在训练中告诉系统什么是猫，是系统面对成千上万张图像，逐步筛选出猫的共同特征，自主创造了“猫”这个概念。图像识别技术的进步之大让一些人工智能专家感到震惊。系统能够将这些图像中的物体和主题进行正确地分类，效果比之前的分类方法提升70%。

人工智能的下一步将是把人工神经网络在物理芯片上体现出来，这是一项非常有前景的技术。研究人员最近还制造了一个和人脑功能一样的人工突触，它能调节电流并将更多的信息存储到每个连接中。