我们什么时候才能拥有在各方面能够模仿人脑的人工智能？专家们对这个问题意见不一。但大家都同意的是，目前的人工智能系统与人类的智力相去甚远。直接表现是：AI只在特定任务中表现优异，无法将其能力扩展到其他领域。例如，我们可以创造一个在星际争霸赛中击败世界冠军的程序，但这个程序在其他类型的游戏中可能连业余选手也打不过；一个经过训练的神经网络可能在X光片中发现乳腺癌“迹象”，但它却无法分辨猫和狗。
为什么会出现这种情况？数据科学家Herbert Roitblat在他的著作《Algorithms Are Not Enough》中将AI的这种缺点归纳为：算法。具体而言，我们现在用AI处理的问题，都是可以用数学公式表示出来，并且在很大程度上能够求解此公式。换句话说，如果我们发现了一个问题，并找到了其数学表达式，我们就可以以此创建一个人工智能算法去解决它，这种算法往往比我们自己去解决更有效率。
然而，那些未被发现，以及无法用可计算的数字方式代表的问题，仍然是我们无法触及的空白领域。当前的一些人工智能探索思路，例如“神经符号系统”、Bengio的系统2深度学习思想、LeCun提出的自监督学习等虽然取得了不错的进展，但是它们仍然涉及在预结构化空间运行，没有一个思路能解决这个空间从何而来，因此也没有解决从狭隘到一般智能的具体需求。