每項具有學(xué)習(xí)能力的技術(shù)在一個階段學(xué)習(xí)完以后，都會產(chǎn)生下一階段的學(xué)習(xí)曲線。通過查看這條曲線，我們可以判斷這個特定的結(jié)構(gòu)是否達到了人類水平。

讓我們詳細的看回每一部分。

技能列表——所有可能的測試和任務(wù)至少有一個人能夠通過。下列是這一堆技能：認識的多樣性——從區(qū)分幾何形狀到語音識別，能循序漸進地玩游戲——從掌握下棋到掌握怎么玩Go，從制作音樂到有新的科學(xué)發(fā)現(xiàn)。

人與機器之間的區(qū)別是，人可以通過選擇相關(guān)的課程來獲得這些技能，而機器則不可以。人類不需要重新創(chuàng)造。課程有助于幫助獲得深入學(xué)習(xí)的能力以及高效使用知識的方法。

此外，人類擁有巨大的常見能力，這些常見的能力有助于人類獲得更復(fù)雜和特定的技能。比如，閱讀，寫作和說話的能力，這些常見能力又給出了學(xué)習(xí)任何其他主題的無限能力：構(gòu)建飛機，彈鋼琴，量子物理學(xué)。

技能軸列表。從這里，我們可以假設(shè)，有哪些技能是必須先獲得的，而這些先獲得的技能日后可以幫助在專業(yè)領(lǐng)域獲得更專業(yè)具體的技能。有了這個原則，我們可以建立一個順序的技能列表——從科學(xué)的角度，由最常見到最有趣的順序來排。這些技能反映出圖像應(yīng)該作為人類水平的技能所存在的。

學(xué)習(xí)軸的時間決定了給定的計算或其他資源學(xué)習(xí)的時間消耗。這里出現(xiàn)的問題就是更高水平的技能需要更多的計算能力。因為它，學(xué)習(xí)時間變得很長。

這里有兩種可能的學(xué)習(xí)曲線。曲線A的第一半（從點O到點N）在某種程度上類似于B。但是存在著一個差別——曲線B具有架構(gòu)限制，并且在這個意義上與A相同，又或者不存在這個問題。第二個選項引導(dǎo)著我們到技術(shù)奇點的主題。

創(chuàng)建人性智能需要做什么？

基于這個圖，有兩個互補的方式來實現(xiàn)人類智能：

減少學(xué)習(xí)時間。這樣的順序技能列表必須被創(chuàng)建，因為只有這樣，其中的每一個學(xué)會了的技能將會提高學(xué)會下一個技能的效率。這樣的課程將使學(xué)習(xí)曲線增長得更快。

通過開發(fā)來提高建筑限制。沒錯，這非常明顯。但通過使用這個被提出的觀點，我們可以衡量學(xué)習(xí)進展。以及能夠測量AI的真實客觀科學(xué)的發(fā)展。

因此，每個旨在創(chuàng)建人工智能的項目都可以在以上提出的方案下進行一些考慮。 每個項目通過命題自己的假設(shè)和視野來縮小這種訓(xùn)練方案的范圍。當證明假說成為了新的研究的基礎(chǔ)。這樣，人工智能的科學(xué)便出現(xiàn)了。