先进的机器人不但拥有可以乱真的人类外表，还能感知自身的存在，这正是强人工智能的特征。
这些都有一个巨大的前提：人类科技高度发达的年代……
很显然，这个年代或许会很久远，久的只存在人们的想象之中。
世界上还有不少人热衷于研究强人工智能，很大一个原因就是因为他们有相应的理论支撑。这个世界是一个可以对信息进行编码的世界。
即使是人类的思考，在大脑中也有类似的像计算机处理信息的一个过程，而这个过程能够进行分析模仿。
这牵扯到人类大脑的新皮质，也就是大脑的最外层，厚度约为2.5毫米。人类只拥有简单的逻辑处理能力，但却拥有模式识别这一强大的核心能力。
模式识别是指对表征事物或现象的各种形式的（数值的、文字的和逻辑关系到的）信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。比如说数字1有很多种写法，它可以像铅笔可以像电线杆也可以竖起一根手指来表示，这种分析归纳的能力就可以视为一种模式识别。
神经学科用大量实验揭示了皮质柱的神经元结构是微小柱状体，且结构是不变的，并存在重复的单元。
受到这一启发，人工智能研究者认为大脑新皮质本身就是一个最大的模式识别器。
人类的大脑新皮质中约有50万个皮质柱，每个皮质柱占据约2毫米高、0.5毫米宽的空间，其中包含约6万个神经元，因此大脑新皮质中总共有大约300亿个神经元。据估计，皮质柱中的每个模式识别器包含大约100个神经元，因此，大脑新皮质大约共3亿个模式识别器。
所以大脑新皮质可以存储多少种模式？
例如，大脑在存储某个你喜欢的人的脸部信息时，并不是只存储一次，而是按照顺序存储了数千次。其中很多都是在重复相同的图像，但大多数情况下展示的是不同的视角，包括不同的灯光效果、不同的表情等。这些重复的模式都不是以图像本身的形式存储（即二维码阵列的像素），它们使作为功能列表存储起来的，而模式的组成元素本身就是模式。
如果一个专家的核心知识大约为10万个知识“组块”（即模式），每个知识组块的冗余系数约为100，（冗余：通常指通过多重备份来增加系统的可靠性）这也就是说我们需要存储1000万个模式才能成为专家。专家的核心知识以更为普遍、更为广泛的专业知识为基础，因此层级模式的数量可增加到3000万~5000万。再加上日常运用到的“常识”的知识量甚至更大，实质上，与“书本智慧”相比，“街头智慧”对大脑新皮质的要求更高。把这项包含进去，再考虑到约为100的冗余系数，总量预计将超过1亿个模式。需要注意的是，冗余系数并非固定——极其常见模式的冗余系数高达几千，而一个崭新现象的冗余系数也许小于10。
在程序的行动中也包含了模式，同样也存储在大脑皮质区域内，所以人类大脑新皮质的总容量并非只有数亿个模式。这个粗略的统计与上文中3亿个模式识别器的估计紧密相关。3亿个模式处理器听起来也许是一个庞大的数字，但足以让人类发展出口头语言和书面语言、发明所有的工具，以及进行其他各种各样的创造。但这也只是估计，也许真实情况会更多。仅是创造出人造大脑新皮质这一项就已困难重重，在科学的道路上，我们人类永远只能是摸索着前进。
人工智能一词是在上世纪五六十年代提出的，随之这一概念也扩展开来，产生了多种表现形式，大概可以归结为两类，强人工智能与弱人工智能。强人工智能认为机器会有知觉，有自我意识。而弱人工智能恰恰相反。现如今，主流科研都集中在弱人工智能上，其最主要的一个原因就是在这一领域已经取得可观成就，而强人工智能则处于停滞不前的状态。
提到强人工智能可能我们最熟悉的就是各种炫酷的机器人。最早的机器人题材是上世纪五十年代开始连载的漫画《铁人》，随后机器人题材开始在以电影为主的传播方式中向人们展现机器人的多面性，魅力、震撼、感情，甚至还出现诸多争议。文章出自：数云传媒
