計算機專家系統是人工智慧領域發展比較早的，主要依靠if——then規則，藉助醫療或農業等領域專家經驗實現的，實質上還是弱人工智慧。現在的深度學習技術發展迅速就在於藉助了大資料，利用神經網路對大量樣本進行訓練，提高識別率。把所有的專家系統集中在一臺電腦上，只是讓計算機表現的知識面更寬，但複雜問題仍然難以解決。計算機是否具有強人工智慧，還要依靠著名的圖靈測試，能透過的才算。現在人工智慧技術儘管發展迅速，數學基礎還是統計和機率等，人腦對影象等樣本快速提取穩健特徵的機理仍然不能解釋清楚，神經網路的學習過程也是經不起深究的。目前也只能在特定領域發揮有限的作用。

我們都知道人從獲取知識，到成熟長大成人年間需要10-20年 但從人獲取知識的量級來說是不如機器的。為什麼？因為人是需要休息的，需要吃喝拉撒的，還有娛樂，單從這一方面人就已經在學習時間方面敗在了人工智慧面前。

而人工智慧是不需要的，吃喝拉撒都不需要，這在學習時間上就遠超人類，哪怕機器人在充電的時候資料庫都還在不斷學習更新，這在人類身上是絕對不可能的，因為人在睡覺的時候是學習不了的。

再說硬體本身。人有意識的強化自身，日常會透過鍛鍊來強化身體機能，肌肉，要達到一定的效果少則幾個月，多則一年，但是如果是人工智慧的話，也許只需要幾個小時甚至幾個禮拜就能強化自身了，這點美國的波士頓機器人就是個很好的例子，在短時間內學會空中翻滾等能力，所以我覺得強人工智慧也許只需要8到9年時間。