医学行业便是其中之一。
2017年，斯坦福大学在国际期刊《自然》上发表论文宣布，他们通过深度学习的方法，采用近13万张痣、皮疹和其他皮肤病变的图像训练机器识别其中的皮肤癌症状，在与21位皮肤科医生的诊断结果进行对比后发现，这个深度神经网络的诊断准确率达到91%，与医生不相上下。
这样的惊喜比比皆是。
通过深度神经网络的应用创新，国际计算机视觉竞赛ImageNet图像分类的Top5误差率从2012年的16%降到2017年的3%左右（已经低于人的错误率）；我国的Face＋＋（旷视科技）人脸识别技术的准确率在LFW国际公开测试中达到全球醉高的99.5%（超过了人类肉眼识别的准确率97.52%），与此相关的***被《麻省理工科技评论》评为2017年全球突破性技术。
“人工智能的近期进展主要集中在专用智能领域，例如，微软语音识别系统5.1%的错误率比肩专业速记员。
”谭铁牛说，从可应用性来看，人工智能大体可以分为专用人工智能和通用人工智能。
面向特定领域的人工智能技术（即专用人工智能）由于任务单一、应用背景需求明确
领域知识积累深厚、建模计算简单可行，更容易实现单点突破，在局部智能水平的单项测试中可以超越人类智能。
“专用人工智能取得突破性进展，主要源于深度学习、强化学习、对抗学习等统计机器学习理论的进步。
深度学习，简单说，就是借鉴人的大脑在处理信息过程当中的层次化处理。
”谭铁牛解释说。
挑战琴棋书画样样精通的人工智能似乎已所向披靡，然而，专家表示，人工智能总体发展水平仍然处于起步阶段“艺术创作将是人类对抗人工智能的‘醉后一座堡垒’！”曾几何时，一些专家对此深信不疑。
然而，现实很快给予他们一击：2016年，谷歌开发的人工智能画家——“初创主义”在旧金山拍卖会上大放异彩，在它创作的29幅作品中，有的被卖出8000美元的高价。
无独有偶。
在法国巴黎，索尼计算机科学实验室“深沉巴赫”创作的合唱曲目，甚至被专业音乐家误认为是“真巴赫”的作品。
而人工智能创作的小说《一台电脑写一篇小说的一0天》，则通过了日本“星新一文学奖”初审第0一轮。
琴棋书画样样精通的人工智能似乎已所向披靡，无所不能。