我有计算机工程背景，一直致力于开发更好的算法来模仿人类思维。（我最喜欢的一个是应用于语言处理和决策的类比建模。）然而，我研究得越多，我就越意识到人工智能是多么复杂。
我曾尝试解决该领域的许多问题，但有时我发现我正在重新发明轮子或试图解决已被证明无法解决的问题（即停机问题）。因此，为了帮助推进人工智能，我想更好地了解当前阻碍我们在这一领域取得进展的障碍。
例如，一些机器学习算法的时间和空间复杂度是超多项式的，这意味着即使使用速度很快的计算机，程序也可能需要一段时间才能完成。即便如此，在处理小型数据集时，某些算法在台式机或其他计算机上可能会很快，但是当增加数据的大小时，算法变得难以处理。
人工智能发展目前还面临哪些其他问题？
我们真的不知道什么是智能。
我们并不真正了解我们现有的最佳智能模型（人类智能）的工作原理。
我们试图在硬件上复制人类智能（在某种程度上），这与现实中运行的硬件完全不同。
人脑（我们最好的智力模型）对我们来说主要是一个黑匣子，在不杀死测试对象的情况下很难探测/内省它的操作。这当然是不道德和非法的。因此，对大脑的理解进展非常缓慢。
结合这些因素，你就可以理解为什么人工智能很难取得进展。在许多方面，你可以争辩说我们是在黑暗中拍摄。当然，我们已经取得了一些进展，所以我们知道我们做对了一些事情。但是，如果没有关于人工智能应该/将如何工作的真正全面的理论，我们将不得不进行大量的试错和迭代以继续前进。
我假设 AI 是指 AG（一般）I，而不是针对特定任务调整的机器学习或专家系统。
除了@mindcrime 的回答，有时我们训练的样本用完了，有时计算机处理足够的样本以在可管理的时间范围内工作变得如此缓慢。@bpachev 提到了内存，但从表面上看，我们的超级计算机有足够的内存来存储人脑矩阵。但是我们缺乏实时模拟它的能力。在我们能够做到这一点之后，我们还需要连接外部输入，这需要更多的处理能力。即使这样也不足以完全模拟人脑，因为生物化学起着重要作用。
最后一点是，除了了解人类思维的运作方式之外，几乎没有开发 AGI 的动力。有分类算法、专家系统、知识引擎，在特定任务上甚至可以胜过最优秀的人类。
人工智能发展的一个障碍是计算机内存的基本限制。从根本上说，计算机只能使用比特。这限制了他们可以描述的信息类型。
编辑：
人类记忆的确切性质和复杂性尚未完全了解，但我认为至少人类记忆非常适合人类执行的任务类型。因此，即使在理论上能够表示人类记忆所能表达的一切，计算机记忆也可能效率低下且结构不佳。