如果用真正的人工智能，你的意思是“像人类一样”，答案是——没有人知道合适的计算机制（神经或其他）是什么，或者我们是否有能力构建它们。

人工神经网络 (ANN) 所做的本质上是“非线性回归”——也许这不是一个足够强大的模型来表达类似人类的行为。

尽管人工神经网络具有“通用函数逼近”特性，但如果人类智能依赖于物理世界中一些尚未被猜测的机制呢？

关于你关于“唯一途径”的问题：即使（物理）神经机制实际上是通往智能的唯一途径（例如通过彭罗斯的量子微管），如何证明这一点？

即使在正式的数学世界中，也有“不存在的证明很难”的说法。很难想象，在物理世界中，有可能证明智能不可能通过任何其他机制产生。

回到计算系统，请注意斯蒂芬沃尔夫勒姆在他的《一种新的科学》一书中做出了有趣的观察，他观察到的许多明显不同的机制似乎能够进行“通用计算”，所以从这个意义上说，没有什么非常特别是关于人工神经网络。

这取决于你认为什么是“真正的人工智能”。但这可能意味着能够像人类一样思考——也许，以一种更理性的方式来思考，因为在人脑中，情感比比例更重要。

神经网络或进化神经网络的遗传算法似乎是最接近的方式——模仿人类。

然而，对此的传统反驳是我们试图对飞行做同样的事情。我们试图复制自然，模仿鸟类——试图通过拍打翅膀飞行。但最终我们制造了不依靠拍打机翼的飞机。

在人工智能中，变量比空气动力学要多得多。因此，很有可能通过神经网络以外的其他方法获得类人智能。

最后，神经网络是机器学习的一种方法。还有其他的，所有这些都受制于可以学习和不可以学习的规则。（有一个称为计算学习理论的领域涵盖了这一点）。

尽管可以将学习系统扩展到根据 COLT 可以学习的范围之外，但这意味着这样的学习系统 - 神经网络或其他 - 本质上是有缺陷的，并且会在某一点或另一个点得出错误的结论。

为了有机会回答这个问题，你首先需要对“真正的人工智能”有一个严格的定义，而我们没有这个定义。即使你有这个，最好的答案可能是“没人知道”。我们甚至不完全了解人类智能（这可能是我们可以研究的最好的智能模型）是如何工作的。我们所知道（或认为我们知道）的是，ANN 充其量只是大脑功能的非常肤浅的复制品。事实证明，它们绝对是实现“真正的人工智能”的错误途径，尽管我预计大多数人会感到惊讶，如果事实证明是这样。

如果出现了比 ANN 更好的其他技术，或者如果事实证明您需要一组技术，这可能不会那么令人惊讶。就我个人而言，我认为大脑主要以概率方式工作几乎是不言而喻的，但很明显，我们有时确实使用符号处理/演绎逻辑/规则等。而现在，ANN 并没有给你太多推理、演绎等的方式。所以我们最终可能会发现我们必须将像 ANN 这样的概率方法与其他技术结合起来——也许是归纳逻辑编程或类似的东西。