许多技术乐观主义者说，15年后，计算机的速度将与人类大脑的速度相媲美。这就是为什么他们认为计算机将达到与人类相同的智能水平。
如果摩尔定律成立，那么每18个月我们应该期望CPU速度加倍。 15年是180个月。所以，我们将翻倍10倍。这意味着15年后计算机的速度将比现在快1024倍。
但速度问题的原因是什么？如果是这样的话，我们现在就可以建立一个人工智能系统，它只会比15年慢1024倍。这意味着要回答一个问题，它需要1024秒（17分钟）而不是可接受的1秒。但我们现在有强大（但很慢）的AI系统吗？我想不是。即使现在（2015年）我们给系统1小时而不是17分钟，或1天，或1个月甚至1年，它仍然无法回答用自然语言表达的复杂问题。因此，速度不是导致问题的原因。
这意味着在15年内，我们的情报不会比现在快1024（因为我们没有情报）。相反，我们的愚蠢＆＃34;将比现在快1024倍。
答案 0 :(得分：6)
我们需要更快的硬件和更好的算法。当然，单凭速度是不够的，正如你所指出的那样。 我们需要自我修改的元学习算法，能够创建假设并执行实验来验证它们（就像人类一样）。正在学习和自我提升的系统。算法可以证明给定的自我修改在某种意义上是最优的，并且将来会导致更好的自我修改。可以反思并检查自己软件的系统（你能称之为意识吗？）。这样的研究正在进行中，可能会在未来创造出超人的智慧，甚至可能会像某些人所认为的那样创造技术奇点。
但这种方法存在一个问题。进行这项研究的人通常认为意识是可计算的。这完全是关于情报的。他们没有考虑到与快乐和痛苦相关的经历（在我看来）与计算或智力无关。你只能通过经验来理解痛苦（而不是智力猜测）。将变量pleasure设置为5或表现得像一个人感觉快乐与体验快乐是非常不同的。有些人说感觉起源于大脑，所以足以理解大脑。不必要。孩子可以问：“他们怎么把小人放进电视盒里？”当然，电视只是一个接收器，里面没有小人物。大脑也可能是接收器。我们是否需要更高的感受和其他经验知识？
答案 1 :(得分：0)
必须在计算和复杂性的背景下回答答案。 每种算法都有自己的复杂性和运行时间（参见Big O表示法）。存在诸如停止问题之类的不可计算问题的问题。这些问题证明了算法不存在独立于硬件。 可编程算法在关于解决算法的输入所需的步骤数中描述。随着输入数量的增加，算法的执行时间也增加。然而，这些算法可以分为两类：指数时间算法和非指数时间算法。指数时间算法随着输入的数量急剧增加并变得难以处理。 这些问题的执行时间可以用更好的硬件来改善，但复杂性总是相同的。这意味着无论CPU使用什么，执行时间总是需要相同的步骤数。这意味着硬件对于在更短的时间内提供答案很重要，但问题的硬度将始终保持不变。因此，硬件的限制并不妨碍我们创建AI系统。例如，您可以使用并行编程（例如：GPU）来大幅提高算法的执行时间，但算法仍然与普通的CPU算法相同。
答案 2 :(得分：0)
我会说不。如你所示，速度不是智力的唯一因素。我认为语言是，是的语言。语言是我们作为人类学习的主要技能，为什么不用于计算机呢？语言提供了一种可以在全球范围内理解的理解，因为您知道该语言。人类使用非语言和口头语言进行交流。但老实说，我觉得它真的有点像这样：
人类经历过经历。这些经历对我们的生活产生了更大的影响，越接近我们的出生日期，或者他们的情感就越多。例如，我们第一次被告知对于我们婴儿而言不比70岁的成年人更强 ALOT 。这些存储为长期或短期记忆，并在生命后期与该事件相关联以供参考。我们主要存储活动以向他们学习，以防止负面体验或促进积极体验。
将其视为标签云。你执行任务A的次数越多，云在内存中就越大。然后我们存储关键的细节，例如情绪类型，位置，气味等。现在，当我们从记忆中再次引用它们时，我们挑选出这些细节并创建一个逻辑句子：
当我处于时， 触摸 灶具 伤害 我奶奶家。所有加粗的单词都必须存储才能拥有完整的记忆。
现在在这句话中，我们学到了很多东西，而不仅仅是在奶奶家里的炉子上受伤。我们已经知道，炉子可能很热，很危险，而且奶奶可以让它进入她家。我们还了解了从这样的事件中恢复需要多长时间，在情绪和身体上来衡量事件的重要性。还有更多。因此，我们还将此子事件信息存储在其他知识泡沫中。而这些泡沫继续呈指数级增长。
现在被问到：灶具危险？
您可以识别句子中的单词：
是，炉子，危险，问题
并将危险的定义引用为：伤害，不良
然后提供更多证据证明这是真的，例如个人经历导致：
是的，炉子很危险，因为我在一家人的房子里受伤了。
因此，智能似乎是事件，关联和数据检索的混合，以解决一些解决方案。我确信它还有很多，但这只是我对智力的理解。