这种超速AI是谷歌位于英国子公司DeepMind开发的。他们表示，与以前的AI模式相比，这套系统不仅可吸收新知识，还能以更快的速度
应用新的体验。很快，它的学习效率就能赶上人类水平。所谓深度学习，就是利用多层神经网络定位数据中的趋势或模式。如果一层神经网络确认某种模式，相关信息就会被传给下一层网络。这个过程会不断持续下去，直到所有信息被收集完成。
这套AI系统可基于不同的变量进行不同方式的学习，比如神经网络各层之间的连接强度。在某层的显著变化可能极大地改变信息在其他层的传递，或学习方式。深度神经网络有许多层，为此当出现变化时，学习过程可能需要相当长的时间。
然而，Google DeepMind研究院亚历山大·普利特泽尔及其同事们似乎已经找到解决这个问题的办法，他们称其为“神经情景控制”。
普利特泽尔团队表示：“神经情景控制证明，在广泛的环境中，学习速度将被大幅改善。至关重要的是，我们的技术只要体验过，就能够快速抓取非常成功的策略，而不是等待优化许多步骤。”他们的方法模仿人类和动物大脑中的学习过程，复制前额皮质层发生的事情，然后在海马体中备份。
现在，AI技术似乎每天都在取得进步。从利他
机器人律师到关于奇点的预测，AI技术已经引发相当多的关注。然而，我们还没有看到“真正的AI”。没有任何机器人的AI能够匹配人类大脑智力。为此，尽管自动化和AI导致人们失业的情况每天都在发生，但“真正的AI”还不会很快到来。然而，DeepMind的技术可能成为通往未来之路的踏脚石。
真正的AI或者说超级智能，应该拥有人类的所有认知能力，包括自我意识、情感和意识等人类独有的认知特征。现在AI，往往只能专攻一个领域，在某一领域超越人类。比方说，AlphaGo可以击败围棋世界冠军，但它却只会下围棋。
此外，虽然科学家已经利用AI技术建立了神经网络来模仿人类大脑理解、分析信息和构建概念的过程，但科学家却不懂其中的原理，神经网络为什么用这种方式来解释东西。
从科学的角度来看，神经网络只是一堆数学和方程，用数字的形态呈现。但我们知道，仅仅用这些来模仿人类智慧和人类的大脑是远远不够的。
微软联合创始人保罗·艾伦曾表示：“要让人类到达这一奇点，仅仅用现有软件是不够的，我们还需要开发更智能更强大的软件。开发这种高级软件需要事先对人类自我认知有非常深入的理解，我们现在只对该领域略知一二。”
这意味着实现真正AI的前提条件还未满足：我们还无法真正理解人类智能和意识，即我们不知道，智能是什么，我们也不知道意识是什么。
