每项具备自学能力的技术在一个阶段自学完了以后，都会产生下一阶段的学习曲线。通过查阅这条曲线，我们可以辨别这个特定的结构否超过了人类水平。
让我们详尽的看回每一部分。技能列表——所有有可能的测试和任务最少有一个人需要通过。
下列是这一堆技能：了解的多样性——从区分几何形状到语音辨识，能循序渐进地玩游戏——从掌控对局到掌控怎么玩Go，从制作音乐到有新的科学找到。人与机器之间的区别是，人可以通过自由选择涉及的课程来取得这些技能，而机器则不可以。人类不必须新的建构。
课程有助协助取得了解自学的能力以及高效用于科学知识的方法。此外，人类享有极大的少见能力，这些少见的能力有助人类取得更加简单和特定的技能。比如，读者，文学创作和说出的能力，这些少见能力又得出了自学任何其他主题的无限能力：建构飞机，弹钢琴，量子物理学。
技能轴列表。从这里，我们可以假设，有哪些技能是必需再行取得的，而这些再行取得的技能日后可以协助在专业领域取得更加专业明确的技能。
有了这个原则，我们可以创建一个顺序的技能列表——从科学的角度，由最少见到最有意思的顺序来排。这些技能体现出有图像应当作为人类水平的技能所不存在的。自学轴的时间要求了等价的计算出来或其他资源自学的时间消耗。
这里经常出现的问题就是更高水平的技能必须更好的计算能力。因为它，自学时间显得很长。这里有两种有可能的学习曲线。
曲线A的第一半（从点O到点N）在或许上类似于B。但是不存在着一个差异——曲线B具备架构容许，并且在这个意义上与A完全相同，又或者不不存在这个问题。
第二个选项引领着我们到技术奇点的主题。创立人性智能必须做到什么？基于这个图，有两个有序的方式来构建人类智能：增加自学时间。这样的顺序技能列表必需被创立，因为只有这样，其中的每一个学会了的技能将不会提升学会下一个技能的效率。这样的课程将使学习曲线快速增长得更慢。
通过研发来提升建筑容许。到底，这非常明显。但通过用于这个被明确提出的观点，我们可以取决于自学进展。
以及需要测量AI的现实客观科学的发展。因此，每个目的创立人工智能的项目都可以在以上明确提出的方案下展开一些考虑到。每个项目通过命题自己的假设和视野来增大这种训练方案的范围。当证明假说沦为了新的研究的基础。
这样，人工智能的科学之后经常出现了。
本文来源：bevictor伟德官网-www.e-bran.com