这一套智能的流程里面，仿人智能是一个重要的因素，仿人智能是人工智能的高级形态，也就是说用计算机来模仿人的智能，用计算机来模仿人的思维能力和推算、以及逻辑推演能力，这种也是人工智能的高级形态，目前人工智能的水平可以是说还处于比较低级的阶段，应该是处于细胞阶段，基本没有人的智能，只能在某一方专业领域方面做到极致，比如图像识别领域的人脸识别。
以目前人工智能发展的趋势来看，真正的仿人智能式的人工智能离我们还很遥远。
计算能力限制了人工智能的发展，现在一般的深度学习算法也是需要高性能计算机的处理才能有一定实时处理能力，就大家熟悉的人脸识别这项科技来看，实时的人脸识别算法的背后是大规模服务器集群在发挥着作用，服务器集群为人脸识别提供了保证，但是人脸识别只是仿人智能中一个很小的功能而已，而且他跟我们人眼看到的客观世界是两个概念，我们人眼看到的世界要处理很多信息，比如分析我们看到的物体是什么保留有用的，剔除无用的，并且人眼还要判定物体的远近程度，这对于神经网络来说是一项巨大的工程，因为人脸识别网络只是做一件事情，不断判定别人的脸信息，至于图像中出现的其他物体全然不知，从而也无法做出更加深入的判断，单就人眼需要接受到的信息来看，与简单的人脸识别网络，这还有很长的路要走，计算能力和计算容量是关键的因素。
算法的复杂度也是一个限制因素，假如我们真的具备多物体的快速检测和定位以及信息提取功能，那么如何将我们人眼实时接受的多物体之间的信息融合起来，这个是一个非常复杂的算法问题，对于这一点，脑科学现在也没有办法将这个问题解释得清楚，所以人类也不可能在短期内将自身人脑的复杂度复现出来，即使脑科学已经将人类这部分信息融合的方法的奥秘探索出来了，但是要想实现这么一个复杂的算法，我们现在的所用的程序语言支持不支持就不知道了，多物体的信息融合并且同时还有可能伴随着信息压缩，然后才会给大脑的中枢做进一步的处理，所以这又给仿人智能提出了一道新的难题，因为人脑这么高级的组合不可能只用一种信息压缩的方式。
大脑的复杂度，是我们很难模仿的，众所周知，大脑有很高的复杂度，神经元的数量数以亿计，而且神经元的组合方式远比我们想像的要复杂的多，神经元之间的连接量级也比我们想象的复杂的多，很有可能神经元的链接有着很复杂的信息传递方式，同一个神经元输入同一个值以后就可能会出现不同的输出值，而且很有可能这不是一个确定值，可能是一个动态值，这个动态值的一定的范围代表某种操作，这个在我们严密的数学逻辑里面是没有办法解释的，可能只有等复杂度上升到一定的程度以后才有可能认清楚这个机理，但是以目前的计算机发展的科学来看，还是有很远的距离的。
计算机科学本身可能就对仿人智能有着本质的阻碍，现在的计算机是二进制计算机，对于晶体管的状态只能是开关两种状态，所以导致其计算能力有所限制，这会在根本上限制计算机的能力，所以晶体管的多状态就会提升计算机的能力，这就让仿人智能成为可能。
无人驾驶汽车是现在人工智能方向热门方向，很多大公司也都盯着这个项目，指着这个项目能够有所进展，最终制造出来无人机驾驶汽车，但是根据目前人工智能技术的发展，要做到无人驾驶的L5级别还是有一定距离的，路面情况太过复杂，多传感器融合的技术尚没有很好的解决方案，做决策的时候都会出现一些比较片面的问题。再加上计算机处理能力的限制，真正意义上的无人汽车还比较遥远，所以，公众对待无人汽车这个事情，要有一定理性思维，现在的很多商人因为需要融资，或者圈钱，卖股票，都在吹嘘人工智能如何如何有用，如何如何强势，能够像电影里面的智能机器人一样，能够做很多人类比较复杂的事情。
之所以写这篇文章，也就是想给大家一个认识，告诉大家现在的人工智能技术的进展，我们对待人工智能技术要有一定的理性的认识。