要回答這個問題，首先要了解弱人工智慧和強人工智慧的區別：

強人工智慧強人工智慧觀點認為有可能製造出真正能推理（Reasoning）和解決問題（Problem_solving）的智慧機器，並且，這樣的機器能將被認為 是有知覺的，有自我意識的。強人工智慧可以有兩類：類人的人工智慧，即機器的思考和推理就像人的思維一樣；非類人的人工智慧，即機器產生了和人完全不一樣的知覺和意識，使用和人完全 不一樣的推理方式。弱人工智慧弱人工智慧觀點認為不可能製造出能真正地推理（Reasoning）和解決問題（Problem_solving）的智慧機器，這些機器只不過看起來像是 智慧的，但是並不真正擁有智慧，也不會有自主意識。

從上面的人工智慧界公認的觀點可以看出，至少要能從給定的任意型別的輸入資訊中，主動尋找出相關的模式規律，然後能運用找到的模式規律來檢查後續的輸入資訊是否符合其預期，並將預測正確的規律作為解決問題的方法，這才能稱得上是強人工智慧。可以不客氣的說，目前所有的人工智慧產品及場景應用都只是弱人工智慧，連強人工智慧的門框都沒有摸到。

真實世界裡的各種資訊可以透過抽象，將其中的絕大部分資訊轉換為可計算的算術邏輯。哥德爾不完備定理是數學史上最讓人震撼的成果之一，它的出現告訴我們算術邏輯計算的極限：

1、數學不一定是完備的：即只有一階謂詞演算的算術邏輯是完備的，而那些包含了自指迭代（比如第N+1項為第N項的某種變形），或者是包含無窮個項（比如從第1項到第N項的累加）的算術邏輯運算命題，其中肯定含有無法證明其為真的命題。

2、數學不一定是一致的：即存在一些特殊的算術邏輯命題，其中包含又對又不對的數學陳述，比如“我說的這句話是謊話”。

3、數學不一定是可判定的：即我們無法透過機械化的計算，就能判定某個數學陳述是對是錯。圖靈和哥德爾分別用不同的方法證明了這一點。而圖靈機模型的問世，正是這一數學問題的物理實現的答案。

現在我們所使用的計算機，其算術邏輯計算的理論模型正來自於圖靈機。所以，在使用現在的計算機（不包含量子計算機）來計算我們抽象出來的模擬現實世界中的數學問題時，必定會碰到無法求解的情況。

我們認為人類的智慧是通用型智慧，即人類智慧能夠推理並解決各種不同型別的問題。但是，我們人類並不能解決所有的問題，還有相當多的問題，即使是最聰明，最有智慧的人到現在都沒能力找出正確答案，比如明天會不會下雨？明天的股市是漲還是跌？人類的大腦是怎麼產生出意識的？宇宙的終極真理是什麼？我們之所以想開發出強人工智慧，很大程度上是讓其幫我們找到那些我們沒能力解決的問題的正確答案。換句話說，我們夢想中的強人工智慧，其智慧水平應該遠遠超越我們人類自身。當然，強人工智慧的實現並不是一個固定的終點，比如智商20000，它應該是能不斷升級，不斷迭代進化的。某些問題在當前的資源條件下無法求解出答案，不代表升級進化後還是無法求解。

那麼該如何實現強人工智慧呢？我個人認為，我們無法繞過我們人類自身已經擁有的通用型智慧。只有先理解了人類自身的通用型智慧的機制原理，我們才有可能造出第一代的強人工智慧，正如我們從原始社會到農業社會到工業社會再到資訊化社會，強人工智慧的實現也是這樣一個逐步前進的過程，終點是什麼，我們離宇宙的終極真理有多近，現在誰都沒法給出正確答案。

下面有朋友提出一個觀點：認為我們人類自己可以在沒有深刻了解一個東西的原理前，“製造”出這個東西。

如果僅僅使用現有的某個東西，我們不需要了解其機制原理，但如果要製造並批次複製出和這個東西功能相同的人造物，我們還是得了解其機制原理。

當然，我們不需要徹底弄懂其全部機理或最底層的奧秘，但至少要在某個層面上理解其機理。比如原始人一開始透過自然產生的野火來烤熟生肉，但直到TA們學會人工取火，才能算是真正的使用火。哪怕隨後數萬年裡人類對火產生的原理的認識是錯誤的，也不妨礙我們發明出更多製造和使用火的方法。人類對事物的認知和推理，是建立在不斷試錯的基礎上的，在這個過程中我們將自己的智慧抽象化通用化，延展開來，解決了一個又一個不同型別的問題。這正是我們人類智慧的發展軌跡，而目前的圖靈機可以做到這一點嗎？答案不言自喻。而為什麼我們人類智慧能這樣發展，或許正是因為意識參與其中。現在，有部分人工智慧科學家已經認識到了意識在智慧活動中的重要性，所以已經開始了這方面的研究和嘗試。具體案例請參閱以下報道：

我們需要有意識的機器人

意識必須有某種重要功能，否則在進化過程中，我們不會獲得這一能力。同樣的功能也適用於人工智慧。

最後，哥德爾不完備定理只能說明這一點：在以圖靈機為理論模型的計算機上，是無法開發實現出強人工智慧的，甚至連我們人類水平的通用型智慧也無法實現。因為我們人類還有意識，可以將無法計算出結果的問題擱置起來，或透過不太靠譜的直覺給出一個模糊的答案，而圖靈機是做不到這一點的。

我們夢想開發出強人工智慧，來幫我們人類探尋世界的本質和終極的真理。這方面從早期畢達哥拉斯提出的“萬物皆數”，到現代科學家Stephen Wolfram提出的“宇宙的本質是計算”，後來又被《人類簡史》的作者將其簡化為“萬物皆演算法”。

然鵝，早在上個世紀末，彭羅斯在其《皇帝新腦》一書裡，透過數學，哲學，物理學三個角度，透過抽象邏輯分析和數學公式推導，以及經典物理及現代量子物理的各種前沿理論及猜想向讀者證明，我們所存在的這個世界一定存在，而且確實已經存在著某些具有非演算法特徵的東西，即這些東西是無法用數學公式壓縮，也無法透過純數學的物理公式計算出後續時間裡這些東西的必然狀態。

或許彭羅斯的觀點和論證並不絕對正確，但至少他給出的證明和邏輯推理並不是全無參考價值的。他在書的最後一章裡對我們人類意識的功能作用進行了推測：

我們的大腦在進行數字邏輯推理計算時，這種行為是一種無意識行為，是可以按照演算法過程進展的，但還需要再在這個過程之上對這個演算法過程進行一個判斷，這種判斷正是意識行為的呈現，而意識行為是不能被任何演算法所描述的進展。（P552~553）讓我們回憶第四章用來建立哥德爾定理以及它與可計算性之間的關係的論證。這論證指出，不管數學家用什麼（足夠廣泛的）演算法去建立數學真理，或是類似真理的東西，不管他採用什麼形式系統去提供真理的判據，總有一些數學命題，譬如該系統顯明的哥德爾命題Pk(k)（參考146頁），這些演算法不能提出答案。如果該數學家的頭腦作用完全是演算法的，那麼實際用以形成他判斷的演算法（或形式系統）不能用以應付從他個人演算法建立起來的Pk(k)命題。儘管如此，我們（在原則上）能看到Pk(k)實際上是真的！既然他應該也能看得到這一點，這看來為他提供了一個矛盾。這個也許表明，該數學家根本不用任何演算法。（P559）

讓我們再從頭審視一下目前公認的強人工智慧的定義，可以發現，意識是一個繞不開的坎兒，但在現有的圖靈機理論模型裡，我們能找到意識的位置嗎？

舉個例子，弱人工智慧比如現在工廠裡面的機器人，給個固定程式，給你一直執行下去；強人工智慧比如說類人的高階產品，具有自我學習能力，能夠思考和推理，那麼強人工智慧就可以在你旁邊跟你學習了