即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。早期的人工智能研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。到了1980和1990年代，利用概率和经济学上的概念，人工智能研究还发展了非常成功的方法处理不确定或不完整的资讯。
对于困难的问题，有可能需要大量的运算资源，也就是发生了“可能组合爆增”：当问题超过一定的规模时，电脑会需要天文数量级的计算器或是运算时间。 AI可以采取主动措施，使模型可以发现异常并提前提醒相关部门。贵州NPU人工智能虚拟化
人工智能的研究内容：人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及范围极广。人工智能学科研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。1、知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。常用的知识表示方法有:逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。2、常识，自然为人们所关注，已提出多种方法，如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。天津GPU人工智能人工智能亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。
建立对新技术的信任：第二个障碍是技术本身，它较初对许多人来说是难以理解的。在这里，重要的是消除人们普遍担心的问题，即由AI控制的机器人会在晚上突然突然爆发自己的意志。有人声称，人工智能系统如何做出决定是不可预测和不可理解的。那不是真的神经网络是乘法和加法的序列。它们是确定性的，其工作原理可以与学校的数学联系起来，但是它们确实有许多参数。因此，您无法一目了然地告诉他们他们是如何做出决定的。也有人呼吁AI使其决策路径易于理解，较好是遵循if-then-else模式的可理解规则。如果可能的话，将不需要复杂的模型，因为常规编程就足够了。但是，人工智能是对问题的答案，在这些问题中，如果易于解释的其他规则则不存在任何解决方案。在这些系统中建立信任所需要的是可测试的，可靠的系统，可以通过使用该系统并了解AI在给定用例中的响应方式来进行探索。当这项测试快速而轻松地进行时，发现的结果以及由AI驱动的机器人将受到信任。
弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。强人工智能的研究目前处于停滞不前的状态下。人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解强人工智能和弱人工智能的内容与差别。就现下的人工智能研究领域来看，研究者已大量造出看起来像是智能的机器，获取相当丰硕的理论上和实质上的成果，如2009年康乃尔大学教授HodLipson和其博士研究生MichaelSchmidt研发出的Eureqa计算机程序，只要给予一些数据，这计算机程序自己只用几十个小时计算就推论出牛顿花费多年研究才发现的牛顿力学公式，等于只用几十个小时就自己重新发现牛顿力学公式，这计算机程序也能用来研究许多其他领域的科学问题上。人工智能的定义可以分为两部分，即“人工”和“智能”。
强人工智能观点认为计算机不只是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”（JSEARLEINMINDSBRAINSANDPROGRAMS.THEBEHAVIORALANDBRAINSCIENCES，VOL.3，1980）这是指使计算机从事智能的活动。在这里智能的涵义是多义的、不确定的，像下面所提到的就是其中的例子。利用计算机解决问题时，必须知道明确的程序。可是，人即使在不清楚程序时，根据发现（HEU-RISTIC）法而设法巧妙的解决了问题的情况是不少的。如识别书写的文字、图形、声音等，所谓认识模型就是一例。再有，能力因学习而得到的提高和归纳推理、依据类推而进行的推理等，也是其例。此外，解决的程序虽然是清楚的，但是实行起来需要比较长时间，对于这样的问题，人能在比较短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。还有，计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在只是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能抓住它的意义。自然语言就是例子。用计算机处理自然语言，称为自然语言处理。在人工智能研发与产业化、新模式、新产品开发等方面已取得积累。河北NPU人工智能计算平台
人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。贵州NPU人工智能虚拟化
人工智能现代统计自然语言处理方法可以将所有这些策略以及其他策略结合起来，并且通常在页面或段落级别上达到可接受的准确性，但是仍然缺乏对孤立句子进行良好分类所需要的语义理解能力。
除了编码语义常识知识的困难之外，现有的语义NLP有时扩展性太差，在业务应用中不可行。除了语义NLP之外，“叙事”NLP的尽可能目标是体现对常识推理的多方面理解。机器感知[86]利用传感器（如摄像机（可见光谱或红外）、麦克风、无线信号和主动激光雷达、声纳、雷达和触觉传感器）的输入来推断世界各方面的能力。应用包括语音识别，面部识别和物体识别。 贵州NPU人工智能虚拟化
