現階段的人工智慧以深度學習為代表，深度學習是指深層神經網路，模擬人腦工作機制，基於MP模型，用輸出函式和啟用函式表示神經元狀態，用權重表示軸突和樹突間的連線，用BP演算法進行權重學習，為了提高學習效率，深層神經網路做了很多限制，例如：只能前向連線，不能反向連線。與人腦至少有三點差距：一是神經元數量少了多個數量級，二是啟用函式過於簡單，三是神經元連線過於簡單。如果要實現強人工智慧，需要從生物學上進行突破。

目前人工智慧依然處在“弱人工智慧時代”，從目前人工智慧的研發出發點來看，要想把智慧體帶入到所謂的“強人工智慧時代”，目前整個人工智慧技術體系將面臨一定程度的重構。

當前的人工智慧領域研究以“合理地思考”和“合理地行動”這兩個出發點來進行人工智慧技術的研發，而要想走向強人工智慧時代，人工智慧的技術研發將不可避免地面對“像人一樣思考”和“像人一樣行動”這樣複雜的局面。

實際上，目前基於神經網路的研究，以及深度學習的相關研究就是在一定程度上模仿人類的思維方式和決策方式，但是人類的思維方式和決策方式目前也並沒有一個確切的答案，所以強人工智慧的研究其實並沒有一個明確的“標準”，所謂強人工智慧的概念也並不明確。

從人工智慧自身的發展前景和應用前景來看，人工智慧產品在大部分情況下並不需要所謂人類的“智慧”，實際上智慧體未來無論發展到何種階段，都不應該來代替人類的思考。

目前科技領域對於人工智慧的界定還是比較清晰的，對於目前的智慧體可以總結為“智商偏科，情商為零”，智慧體目前的應用場景多集中在資料複雜度比較高的領域，這樣能夠充分發揮智慧體在處理資料方面的優勢，當然這個過程也需要大資料、雲計算和物聯網等相關技術的配合。

當前人工智慧技術的研發基礎是資料、算力和演算法，以演算法為基礎的智慧體研發要想走向強人工智慧時代對於當前的技術體系有太大的挑戰，或者說這幾乎是一個很難完成的任務。