没有详细介绍斯坦福-比奈测试，只是查看维基百科页面，它显示了许多子测试，如知识、推理、口头测试等。当今人工智能的大部分努力都针对特定领域的研究，如计算机视觉、自然语言处理、机器学习，以及自动驾驶汽车的实现等领域的结合。

在每个领域中，还有其他子领域和问题尚未解决。例如，开发类人自然语言处理 (NLP) 是智能代理通过任何语言测试，甚至是需要处理人类语言句子的非语言测试所必需的。通过用自然语言提问并期望以相同形式得到答案来测试智力的著名测试是图灵测试。NLP 仍然在与许多（基本）人类技能作斗争，例如听、说、解析和造句。没有人知道我们什么时候会拥有可以像人类一样做这些事情的系统。由于该系统至关重要，但也远不像人类，它可能会导致延迟开发通过智力测试的人工智能。这些问题是人工智能难题吗？我们是否需要开发强大的人工智能来解决这些问题？

您可以将语音和听力视为用于表达和影响人脑内部过程的接口。其他感官也是如此，例如计算机视觉所近似的视力。可以说，我们只需要开发出令人信服的人类感官模仿物，并将它们整合到一个大系统中，这将成为第一个类人人工智能。这是最低要求。我怀疑这将在本世纪实现。

（其他想法）
真正定义智力的是大脑活动。由于它非常复杂，一个人工神经元不等于大脑中的一个神经元，因此计算能力的提高并不一定有助于实现类人人工智能。仅仅通过智力测试来识别这样的系统也是值得怀疑的。目前这只是哲学讨论，但当我们能够设计出这样的机器时，我想我们也会对人脑有更好的理解。2100 年的某个人可能不会在他的自动飞行汽车中的集成 AI OS 的量子计算机上阅读这个答案，但可能会有许多系统帮助他完成日常任务，远远超出我们今天的想象。

没人知道。

然而，根据Kurzweil 的说法，现在是 20 多岁：

2020 年代：

在本世纪初，人类将拥有在 1000 美元的个人计算机中模拟人类智能所需的硬件，随后在本世纪中期不久将出现人类智能的有效软件模型：这将通过大脑扫描的持续指数增长来实现技术，其带宽、时间和空间分辨率每年都翻倍，并将随着纳米技术得到极大的放大，使我们能够详细了解人脑的所有区域，并帮助开发人类水平的机器智能。这十年的结束。