马斯洛需求层次理论认为人的需求具有从低到高，递进发展的变化。实际上，技术应用的发展也具有类似递进优化的趋势。此外技术的不断优化也推动新需求的出现，再反推技术的再创新，这是一个发展的闭环，其逻辑可以从人工智能的发展解释。
业内人士根据人工智能的历史发展节点，技术路径、商业化发展，提出了许多阶段划分理论。有人提出了强、弱人工智能的分别，李开复提出了人工智能的发展是从黑科技到形成行业解决方案和产品，再到正要进入的 AI＋、AI 赋能传统行业的阶段。对此，专注于第三代人工智能技术研发的 RealAI（瑞莱智慧），从技术的角度去解读了人工智能的发展。
首先，第一代是知识驱动的符号模型，最典型的是逻辑专家系统，它能够基于规则狭义定义任务。第二代则是数据驱动型 AI，包括早期的浅层统计学习方法、现在最热门的深度学习方法。其特点是从数据内部，不是由人提取知识编写程序，而是由程序或神经网络自动从数据中提取经验和规则，来完成未来的决策任务。目前市场上的人工智能应用大多以第二代人工智能技术为主流，不过，RealAI 认为是时候开启第三代人工智能。
近年来，人工智能技术从大爆发到探索落地并非一帆风顺，目前各类人工智能应用正在进入相对成熟期。不过，RealAI 认为随着 AI＋行业，部分场景应用的深度挖掘，及技术渗透加强，一些技术弊端也会凸显。据 RealAI 公司副总裁唐家渝介绍，第一代人工智能技术存在大规模应用的局限，而第二代人工智能则面临着高度依赖大量高质量数据、不能适应不断变化的条件、算法可解释性非常差等诸多问题。“比如现在很多 AI 系统通过医学影像，判断一位患者得了什么病再给出诊疗意见，但 AI 往往只会给出一个结果，并不会合理解释它是如何得出这个结果的。” 唐家渝表示，而 RealAI 则希望提供更成熟可信的人工智能技术。
作为孵化于清华大学人工智能研究院的产学研技术公司，RealAI 依托于清华大学源头性的创新技术，致力于打造安全、可控的第三代人工智能，并赋能工业制造、金融、公共安全等高价值产业。
据唐家渝介绍，RealAI 提出的第三代人工智能是 “知识＋数据” 双驱动，其创新包括三个特点：一是可信，算法能够提供白盒化模型和人类可理解的决策依据；二是可靠，能够在各种情况下实现预测效果的可靠性提升；三是安全性，即便算法受到恶意攻击，或存在缺陷样本，仍能保持较高的判断能力。“第三代人工智能是实现通用人工智能的一种方式。” 唐家渝做了一个形象的解释，通用人工智能的目标是：在各场景下都可以像人一样做决策。
那么，RealAI 如何打造更优化的人工智能解决方案？
唐家渝透露，RealAI 第三代人工智能以贝叶斯深度学习为核心技术，贝叶斯深度学习可以理解为 “贝叶斯机器学习” 与 “深度学习” 方法的结合。据介绍，贝叶斯机器学习是传统的人工智能方法，甚至比深度学习神经网络出现更早，该方法以贝叶斯定理为核心，优势是可以将人的经验知识引入到决策里，进行不确定性计算。“第一，该方法在给出结果的时候，可以给出概率及分析理由。第二，因为加入了人的经验，训练过程不再完全依赖于数据，作出的决策也更符合人类意识，更安全。”
唐家渝以一个案例说明，如自动驾驶领域，传统深度学习方法需要在训练过程输入尽可能多的物体数据才让自动驾驶的识别系统学会分辨行人与车辆的区别，但融合贝叶斯方法后，无需将所有的物体数据都输入，或许只需要告诉系统类似多面体的物体很可能是交通工具之类的概念，将知识驱动与数据驱动的方法结合起来，系统很大程度上就不会识别错。“经验是可推理的，数据是不可推理的，传统的深度学习模型无法模拟人类对知识、经验进行推理的理性行为。” 他说。
