AI的主要邊界還是在於資料上，資料量的大小決定了AI的能力 ，比如阿爾法狗它進步的過程也是不斷獲得資料的過程。大資料+核心演算法等於AI的能力，在演算法不變的情況下，資料的多少就是AI的邊界。

我認為，人工智慧的邊界是一個逐漸發展的問題

只有自動處理遇到的所有常見問題才能被稱之為“人工智慧”，但是最初的機器人，由於資料積累有限，通俗理解就是遇到的問題不夠多，所以沒有辦法預先設定足夠多的處理程式。

隨著雲資料的積累，後來的產品已經能輕鬆的複製舊版本的雲資料，日積月累資料越來越豐富，這時候我們遇到一個問題，從這麼多資料中要尋找出一種正確的結果來執行，已經變得越來越困難，光是資料庫的檢索就佔用了太多時間

當我們具有了足夠的雲資料和足夠的運算速度以後，理論上人工智慧將會無所不能，但是很快的，隨著資料的更新，需要的儲存空間也越來越大，我們會發現永遠不可能有夠用的空間

這是一個底線，而不是邊界。現在人工智慧的所謂學習能力，需要用結果來檢測，也就是說列舉一個方案去執行，看執行結果，根據得出的結論判斷方案的正確性。如果有一天，人工智慧學會真正意義的思考，工作效率將會大幅度提升，並開始真正威脅到人類的存在。