目前，基于深度学习的人工智能技术的应用边界已逐渐清晰。为推动军事智能化向更深层次发展，应客观分析人工智能军事应用的边界条件与前景，努力寻找新的突破点和增长点。
当前人工智能以概率统计为核心，需要解决如何在复杂多变的战争中提高可信度和可靠性的问题。基于深度学习的人工智能主要利用概率的“黑箱”处理方法寻找规律，由于缺乏“可解释性”，即便初始信息有微小错误也可能得出完全错误的结果，这与真正的人类智慧存在本质区别。这些缺陷使人工智能容易受到攻击或欺骗，导致其无法独立承担重要军事任务，人机深度协同也因缺乏信任而难以实现，阻碍了人工智能在军事上更深入的应用。因此，需要在军事科研中加大人工智能原创性研究，加大模糊逻辑、抽象演绎、复杂认知等方面的攻关力度，主要解决“不可理解性”、脆弱性等缺陷，加快推动安全、可靠、可信的第三代人工智能技术研发。同时注重与数学、脑科学、生物学、仿生学、军事学等基础学科协同发展，激发体系合力、突破边界限制。
当前人工智能以大数据为根本支撑，需要解决如何在以小样本数据为主的战争中获取信息的问题。人工智能发挥作用的基本要求之一，是数据充足、多样、准确。但军事数据来源于战场对抗环境下，数据质量差、价值密度低、可用类型少，且战争中人的主观活动很难通过大数据典型方式进行建模学习，所以人工智能目前还无法大量获取用于迭代学习的样本数据，也就无法完成更有价值的数据识别分析等智能化作战任务。因此，需要加强军事大数据建设，建立分级分类的军事大数据库，发展由海量数据资源、“云端”计算能力以及大数据管理和分析系统组成的数据装备；探索抽象数据向具体数据的转换与表述的新方式，重点研究大数据分析挖掘、模型算法、数据可视化等领域；统一数据标准、信息格式、功能架构等，健全完善数据收集、融合、分析、共享的流程机制。
当前人工智能以确定性为必要条件，需要解决如何适应战争“迷雾”的问题。从基本工作原理看，人工智能解决的任务需要具有确定的演化规律。但是战场上不存在一成不变的东西，几乎所有战争行为都是在“不完全信息”条件下产生的，这使人工智能在战场上做出任何决策都非常困难，可以说这是战争不确定性特征与人工智能之间存在的天然冲突。因此，需要谨慎研判人工智能发展趋势及其对战争的影响，一方面加大人工智能在图像识别和语音识别两大优势领域的拓展应用，另一方面在军队建设资源投向投量上，适当加强3D打印、纳米技术、量子信息、物联网、区块链、基因编辑、脑科学等其他高新技术的应用。
