我相信这个论点是基于这样一个事实，即智力是一个单一的维度，而实际上它不是。如果机器可以在人类的百万分之一时间内解决复杂问题，那么机器和人类真的处于同一水平吗？

它还假设图灵机在你所处的时间段内仍然是最好的计算模型，这在未来不一定是正确的，直到这个时间点才是正确的。

量子计算机具有大量的内部状态，即使是机器也无法直接获取。（您只能对矩阵状态进行采样。）该状态的数量随着系统中涉及的每个量子位而呈指数增长。一些操作从量子计算中获得了疯狂的加速：你只需将量子线穿过一个量子门，就可以立即更新整个矩阵。

用经典的量子计算机模拟每个量子位所需的时间将成倍增长。拥有几十个量子比特，机器的某些任务的计算能力甚至无法被普通计算机接近，更不用说人类的大脑了。

相关：我对量子计算机在多大程度上有助于发展人工智能的回答？

请注意，使用量子计算机，您已经超越了正常的零和一。然后你需要一个量子图灵机，它是经典图灵机的推广。

您的论点中的缺陷是“超越”不仅意味着您应该能够运行所有算法，它还包括复杂性的概念，即您将采取多少时间步来模拟算法。

如何用图灵机模拟算法？图灵机由有限状态机和无限磁带组成。图灵机确实运行一种算法，由其初始状态和状态转换矩阵确定，但我认为您所说的是可以读取“代码”的通用图灵机（UTM）（通常是对另一台图灵机的描述) 写在磁带的“代码段”上，然后根据写在磁带“数据段”上的输入数据模拟该机器。

图灵机在其有限状态机中的状态数量可能不同（以及它们在磁带上写入的字母表，但任何有限字母表都很容易以二进制编码，因此这不应该是图灵机之间差异的主要原因）。因此，您可以拥有具有较大状态机的 UTM 和具有较小状态机的 UTM。如果它们对磁带的“代码”部分使用相同的编码，则较大的 UTM 可能会超过较小的 UTM。

您还可以使用用于描述正在模拟的 TM 的代码。例如，此代码可以是 C++，也可以是神经网络，其突触强度记为矩阵。哪种描述更适合计算取决于问题。

具有不同状态机的 UTM 之间的示例比较：考虑相同语言的不同编译器，例如 C++。他们都将首先将 C++ 编译为程序集，然后运行另一个读取并执行程序集的 UTM（您的物理 CPU）。因此，更好的编译器将更快地运行相同的代码。

回到人类与计算机，人类是运行算法的神经网络，就像你用 C++ 编写的算法一样。这涉及将算法转换为手部动作的代价高昂且效率低下。计算机使用编译器将 C++ 转换为可以本地运行的程序集，因此它能够更有效地执行 C++ 代码。或者，人类有大量的神经元，神经代码，即突触强度，很难阅读，所以目前的计算机还不能运行这些代码。