因此我们说，人与机器有很大的不同。人可以在社会生活中，学会“貌似”，学会制造假象和场景，会暗示人或接受人的暗示。人类会口是心非，会“故意”，机器则不会这么狡猾。人类还会说双关语和理解双关语，一旦涉及语义问题，所有的机器语言模型都会遇到无法克服的困难，这些语义理解对机器来说都是“不可能完成的任务”。人类有高阶思维，能认识自我，而电脑目前还不会像人类这样，从一个“外部观察者”的角度来审视人类自我意识，设计出不同于自我意识的意愿的场景来。在这里，其实也体现了人的思维模式的多层次特征，体现了人的深层自我意识在多层次的模式中自如地“上蹿下跳”的特点。
最新资料显示，美国IBM公司经过4年研发的电脑“沃森”，在2011年战胜了美国电视智力节目《危险边缘》的两名人类常胜将军。沃森每秒运算80万亿次，在这场人机大赛中，它能够理解人类语言，与人们进行沟通与交流。比赛中的题目需要分析人类语言中微妙的含义，如讽刺、谜语等。沃森之所以能够应付这样原先电脑无法应对的“狡猾”的试题，主要依靠的是它对人类自然语言的理解和高速的计算。它另一个神秘的能力就是学习能力，当然学习需要有指导的进行。沃森本身并不会思考，而是通过知识库来处理人类语言所表达的模棱两可、需要上下文才能理解意思的知识和问题，并在这一过程中检验所获得答案的可靠度。但是就连此项研究的人员也承认，计算机可以变得越来越聪明，但是让它真正具备人类智能，可能“永远做不到”。笔者认为，将来的事情由将来的事实来回答，就目前而言，电脑还没有智慧的迹象。
威廉·卡尔文认为，自我中心的意识可能是容易达到的，但使它对智力有所贡献，才是更困难的。卡尔文认为，从知识中提炼智慧，当然要比从资料中提炼知识需要更长时间，在这里存在着三个难点。
其一，是要肯定计算机与各种动物组成的生态系统相顺应，特别是与人类生态系统相适应。
生物特别是人，是在激烈的生存竞争中发展起来的，机器在这方面没有环境与条件。也许将来有一天，高度发达的机器人会取代某些人的劳动，复制自己的智慧到升级换代产品上去，但人类也会因此而受益；
其二，是对于机器来说，什么是公认的价值？如何在硅芯片中实现价值呢？目前的机器既没有价值观，也没有道德感；
其三，是如何缓和人类对这种感受到的挑战的反应？人类对机器超人的反应，会在我们的文明中造成巨大的紧张。无疑，这些都是处理好人与机器关系要着重解决的问题。
模式识别是一种复杂性的任务，尤其在语义识别等模式情境中更是如此，它需要某种综合性的智慧。罗杰·彭罗斯在《皇帝新脑》一书中，阐述了人脑与电脑的关系，举例说明了电脑的局限性。未来某一时间，人类发明的一台“超子”电脑出席一个高层科学会议，它无所不能，有10的17次方以上的逻辑单元，它的智慧是不可想象的。面对这个新的“上帝”，每个人都感到羞怯，不敢提问，生怕在众人面前出丑。可是必须得有一个人来提问呵！这时，有一个少年害羞地问道：“请问，你现在感觉如何？”嗯，一个最有趣的问题，总设计师说道，大家都想知道答案。可是真奇怪，超子电脑说它不知道，它甚至不能理解少年想问的是什么。会堂里终于爆发出大笑声……
人类语言系统非常复杂，所以必然是不精确的。人脑中的许多日常概念通常是模糊概念，这在实践中反而显示出较高的效率，这与超子电脑只能识别精确的语义模式有着本质的区别。弗里德曼说：“传统的人工智能研究，即希望开发能够以高度有序、按部就班的方式进行思考的电脑系统，但它已经在几乎所有曾经看来大有可为的领域止步不前，这些领域包括物体识别、机器控制、数理研究、理解故事、听懂演说，以及其他许多涉及机器思维的方面。在近四十年光景里，人工智能并没有什么实质性的突破。”这个判断大致是符合实际情况的。迄今为止，人机区别在模式识别、语言（意义）的理解并赋值、问题解决等几个方面，仍显示出巨大的差距。机器虽然在计算方面具有人类无法比拟的优势，但是它在智能和主动判断、模糊情境处理方面，与人类的差别还很大。即使在模式识别这样的观察活动中，机器也仍然显示出一些致命的短处。目前，在军队现代化发展中，有些国家已经研制出高科技水平的机器人，它们可以非常精确、灵活地完成侦察、作战等战场任务，发展出了较先进和完整的识别系统。然而战争实践已经证明，它们无法识别敌我，无法从一些细小的区别和破绽中，识别出己方、敌方以及平民。所以说，武器是重要的，但战争中的关键因素还是人，是人的智慧。
人工智能一种好的研究前景，可能蕴含在人-机接口方面，或者说在大脑-机器生物联结方面。科学家们已经研制成功一些可以模拟人类神经系统的电脑微芯片，并成功地植入大脑，利用仿生学原理对人体神经进行修复。它与大脑协作发出复杂的指令给电子装置，监测大脑的活动并取得了良好的效果。也许在不久的将来，人们将可以在脑中放入增加记忆的芯片，使人类有一个备用的大脑。研究人员还利用取自动物脑部的组织细胞，与计算机硬件进行结合，这样研制而成的机器被称为生物电子人，或半机械人。如果微芯片与神经末梢相吻合，就可以将芯片通过神经纤维和脑神经系统连接起来，从而通过电脑提高人脑的功能。日本在研究第五代计算机并不成功的条件下，并没有完全放弃，1993年日本的一个研究所提出“人工脑”计划，研究制造出一个机器猫。1999年这个机器猫进行了展示，其人工脑主要采用人工神经网络技术，包含有3770万个人造神经细胞，尽管与人脑神经细胞1000亿数量相比有巨大差距，但“其智能超过昆虫”。
人机接口的成就还包括，美国南加州大学的伯格和利奥（T.Berger，J.Liaw）于1999年提出动态突触神经回路的模型，并于2003年研制出修补大脑的芯片，能够代替海马区功能。这项成果由于取得了突破性进展，被中国科学界两院院士评为2003年世界十大科技进展之一。这种把心理学的问题还原为生物学、物理学的方法，虽然仍在不断地取得进展，但它们能否从“底层”发展出意识来，还有待于人们进一步的观察。
中国的科学家近几年在人工智能研究方面也不断取得进展。科学家们认为，脑机对话（BCI）实验表明，脑与机器可以直接进行信息交换，可以相互理解，芯片可以成为大脑的一个部分。这表明，机器与大脑在信息处理的意义上是一致的，具有相同的作用机理。在BCI之后，人工智能研究进入一个“机理假设”的新阶段。人工智能将与认知科学、神经科学研究更加紧密结合（李衍达）。人工智能研究已从传统分歧的狭义的AI，走向了兼容、多层次结合的广义人工智能（涂序彦）。
有学者认为，机器人能否和人一样，核心问题在于它们能否具备人类的情感，或者说情感计算能否成功。所谓“情感计算”，就是试图赋予计算机像人一样的观察、理解和生成各种情感特征的能力，试图创建一种能感知、识别和理解人的情感，并能针对人的情感作出智能、灵敏、友好反应的计算系统。当前，一些研究者模拟人类情感的认知和表达过程，提出了针对仿生代理的各种情感建模方法。同时，仿生代理可通过表情生成、情感语音合成、肢体行为合成等，实现自身情感的表达。
对情感计算的研究大致可以分为情感识别、情感建模和情感生成三大部分。简单地说，它包括首先找出人类情感的规律，确定由情感而生的特征信号；然后把这些规律用数学的方法表达出来，建立计算机能够执行的数学模型；最后，让计算机执行模型，“生产”自己的情感。这些情感计算的研究，离计算机具有情感还有很大的差距。我觉得，把情感和计算两者放在一起，本身就显得有些滑稽。因为，人的情感世界极为丰富复杂，计算机目前只能在一些基本的情感识别、表达上作出反应。情感计算概念是由美国麻省理工大学媒体实验室的彼卡德（R.W.Picard）教授最早提出。她承认，目前能具有有效情感机制的计算机实际上并不存在。
把情感与计算连接起来，这其中有一道很难跨越的理论鸿沟。情感不同于概念网络系统中的逻辑思维，也不同于分析综合等思维方法，它甚至与形象思维也不相同。虽然它大多数情况下由概念驱动，但其属于非理性的范畴，变化多端，起消无定，用客观的各种计量函数，显然无法表征清楚，也无法客观度量。因此，情感计算研究从诞生那天起，就伴随着争论。有些研究者认为，情感具有不可计算性，情感是人类本身所独有的，计算机不可能模拟和制造。同时，情感计算是人工智能领域一种多余的“奢侈”，现有的人机交互方式已能够满足人类的交互需要。还有人提出：情感的感受强度和表达强度，与各种生理指标的变化量度通常不是成线性函数关系，大部分都是呈非线性的、不连续的、模糊的、概率性的、波动的函数关系，因此采用生理指标的变化量来计算情感的感受强度和表达强度，无法消除其误差性和不确定性，不可能实现真正意义的“情感计算”。
在人工智能研究方面，在可预见的几十年内，最有前途的显著成果，可能仍是大力发展智能代理工具，以帮助人类更好地节约智能，或充分发挥智能的效率。也就是说，我们并不一定非要发明跟人一样智能的机器人出来。
互联网上的“精确搜索”等类似发明，就是一定程度上代表了智能替代这种发展趋势。智能替代拓展了人脑思维的模式与功能，能给人类以极大的帮助，比如能代替人进行语音识别对话，和病人详细地对话咨询等等。中国安徽的一家高科技公司，目前能够生产自动识别与合成语音并进行人机对话的系统程序，其播音接近了央视播音员的水平，如果运用在电话接线系统等，将大大节省人力。设计各种专家系统，也是有效而实用的利用人工智能的途径。1977年，美国科学家费根鲍姆（E.A.Feigenbaum）首次提出了知识工程概念，使数学、系统科学、自然科学、计算机科学相结合，从以往以机器为中心的数据处理加工储存，拓展为以人脑为中心的知识处理与知识提供。实践表明，专家系统的使用，能大大提高操作质量，同时时间节约和效率提高能达到好几个数量级，节约的经济成本也非常可观，因此专家系统运用于经济领域中的潜力将无比巨大。
从专家系统向全面超越人的智能，仍然还有很长的路要走。前些年，美国麻省理工学院的帕蒂·梅斯开发了一套软件，其功能集秘书、助理甚至伴侣于一身，但后来她对这项研究失去了兴趣。梅斯说，我不相信，如果我们开发了一个具有2岁智力的机器人，它会教给我们比成年人更多的知识。
于是，她的结论是：看来，还是自己生一个2岁的孩子更容易。“她和同事打赌，看看谁能先制造出具有2岁智能水平的东西，是她的孩子，还是同事的软件。后来，她赢了。”
