在这里“无限”的含义可能会进行一些讨论，但尽管如此，这里有两个相互矛盾的答案：

“是”：模拟所有可能的宇宙。当你找到一个包含某种智慧的东西，通过你心目中的任何测试时，就停下来。Steven Wolfram 在这些方面提出了一些广泛的建议。问题：智能计算测试的状态，例如 Winograd 模式将成为瓶颈。在极限情况下，智力测试需要代表提问者的智力和创造力。

“不”：可能是即使具有无限的模拟能力，我们的模拟也可能缺少一些智能所必需的方面。例如，AFAIK 量子引力（我们缺乏足够的理论）涉及彭罗斯的“量子微管”意识理论（*）。如果需要，但我们不知道如何将其包含在模拟中怎么办？

谈论“模拟所有可能的宇宙”（或至少是其中的大脑大小的部分）这样极其昂贵的计算的原因是故意从当前流行的任何技术的细节（DL、神经形态系统等）中进行概括）。关键是，我们可能会从任何这些模型中遗漏一些对智能至关重要的东西，并且（据我们目前的物理现实理论所知）只有相反的经验证据会告诉我们其他情况。

(*) 没有人知道强人工智能是否需要意识，物理学无法区分有意识的实体和僵尸。

我们绝对离那个人工智能水平还差得很远。充其量，像深度卷积神经网络这样的高科技解决方案可以帮助图像识别，而其他一些算法可以充分执行机器人运动等事情，足以在某些场景中发挥作用。这一切都不像跳蚤的行为那么复杂，但没有人称昆虫为“聪明的”。这是令人兴奋的东西，让我们能够解决人类智能经常难以解决的问题（例如对成千上万的物体进行分类，这会让普通人的大脑感到疲倦），但它离复制我们的高级大脑功能还很遥远。

还要记住，图灵测试是一项违反常识的“智力”测试。同样，将人体模型误认为是黑暗中的人并不意味着人体模型实际上是人类。如果这是一个有效的测试，那么我们在 1980 年左右通过了类似 Dear Eliza 这样的程序，这些程序是用 BASIC 编码的，用于反刍人类语音模式。没有必要像塞尔的中国房间那样提出一个复杂的论点来揭穿它，因为它表面上很愚蠢；任何外行都应该能够看穿图灵测试。如果除了图灵之外的任何人提出了这个测试，它就不会受到太多关注。图灵在计算和密码学等方面表现出独一无二的天才，但与这些领域的许多其他专家一样，他在处理形而上学和哲学方面遇到了很多麻烦。Searle 有更多的常识，但他的 Chinese Room 例子更像是对图灵测试的反驳，而不是测试本身。

“智能”所包含的最终是一个深刻的形而上学问题，而不是一个物质问题。几千年来，训练有素的哲学家在为智力和意识等概念下定义清晰时遇到了很多麻烦。直到我们能够明确地回答这些问题，使用与科学家、数学家和计算机专家习惯使用的不同的推理技能集（看看这些学科中形而上学被嘲笑的频率），我们才能说我们已经实现了真正的人工智能在我们能够定义什么是智能之前，我们不能说我们是否成功地构建了它。我们不仅本末倒置，而且还没有建造大车或看到一匹马。按照日常讲话中使用的通用定义，我们离真正的人工智能还差得很远

这不会是一个受欢迎的答案 - 我可能会为此获得一打反对票，没有任何人能够充分反驳我的论点，但需要说一下。对我们迄今为止所取得的成就有太多的非理性繁荣和严重高估，而且可能永远都在这个领域。从历史上看，每一代的研究人员也都严重低估了人脑的计算能力。每隔十年左右，对 FLOPS 和兆字节的估计就必须进行大幅度的修改。我们甚至连关于人类大脑的基本物质问题都没有正确的记录。这种清晰、一致的模式是对我们成功的有偏见的高估，并且缺乏任何真正的定义，更不用说测试了，在整个论坛中，情报将成为一个严重的问题（假设它在私人测试阶段幸存下来）。我们有一个专门针对我们甚至无法定义的领域的完整论坛；我们不能确定人工智能到底是什么，但我们坚信我们已经接近实现它......！当我们仍在摸索了解我们试图强行进入的内容时，我们不能说是否存在“蛮力算法”。当然，有一些蛮力方法可以解决某些问题，就像深蓝在国际象棋中所做的那样——但我们不能说这是否符合智力的要求。如果不进行深入的讨论，就不可能回答这样的问题，这些讨论会立即引发意见和辩论，图灵测试和塞尔 s Room 本身就是一个明显的例子。由于许多人认为人工智能的实施细节在这里是禁区，因此我们主要限于关于通常甚至还不起作用的技术（如谷歌的自动驾驶汽车）的高度投机性帖子以及我们可以提出的此类问题在没有首先定义智能之前不要回答。这将成为未来很长很长一段时间内许多问题的根源......

在没有训练数据的情况下，无限的计算能力意味着求解方程的能力。为了实施一种行为，成功和失败的标准是必不可少的。原则上，考虑到无限计算能力的前提，具有自适应反馈循环的小型引导损失函数允许其细化、无限训练数据和 AIXI 或 Solomonoff 归纳就足够了。事实上，它的发生速度与输入数据速率允许的一样快。在实践中，这种通用方法需要指数级的时间和空间，因此在应用中本质上是非常有限的，没有某种效率破解。（“效率黑客”可能涵盖整个科学、行业和几代人的研究，由此产生的改编看起来一点也不像，例如，AIXI，