如果能做成，這台電腦就能做所有人腦能做的事情——隻要讓它學習和吸收信息就好了。
如果做這事情的工程師夠厲害的話，他們模擬出來的人腦甚至會有原本人腦的人格和記憶，電腦模擬出的人腦就會像原本的人腦一樣——這就是非常符合人類標準的強人工智能，然後我們就能把它改造成一個更加厲害的超人工智能了。
我們離整腦模擬還有多遠呢？至今為止，我們剛剛能夠模擬1毫米長的扁蟲的大腦，這個大腦含有302個神經元。
人類的大腦有1000億個神經元，聽起來還差很遠。但是要記住指數增長的威力——我們已經能模擬小蟲子的大腦了，螞蟻的大腦也不遠了，接著就是老鼠的大腦，到那時模擬人類大腦就不是那麼不現實的事情了。
模仿生物演化。
抄學霸的答案當然是一種方法，但是如果學霸的答案太難抄了呢？那我們能不能學一下學霸備考的方法？
首先我們很確定的知道，建造一個和人腦一樣強大的電腦是可能的——我們的大腦就是證據。
如果大腦太難完全模擬，那麼我們可以模擬演化出大腦的過程。
事實上，就算我們真的能完全模擬大腦，結果也就好像照抄鳥類翅膀的拍動來造飛機一樣——很多時候最好的設計機器的方式並不是照抄生物設計。
所以我們可不可以用模擬演化的方式來造強人工智能呢？這種方法叫作“基因算法”，它大概是這樣的：建立一個反複運作的表現/評價過程，就好像生物通過生存這種方式來表現，並且以能否生養後代為評價一樣。
一組電腦將執行各種任務，最成功的將會“繁殖”，把各自的程序融合，產生新的電腦，而不成功的將會被剔除。
經過多次的反複後。這個自然選擇的過程將產生越來越強大的電腦。而這個方法的難點是建立一個自動化的評價和繁殖過程，使得整個流程能夠自己運行。
這個方法的缺點也是很明顯的，演化需要經過幾十億年的時間，而我們卻隻想花幾十年時間。
但是比起自然演化來說，我們有很多優勢。首先，自然演化是沒有預知能力的，它是隨機的——它產生的沒用的變異比有用的變異多很多，但是人工模擬的演化可以控製過程，使其著重於有益的變化。
其次，自然演化是沒有目標的，自然演化出的智能也不是它目標，特定環境甚至對於更高的智能是不利的（因為高等智能消耗很多能源）。但是我們可以指揮演化的過程超更高智能的方向發展。
再次，要產生智能，自然演化要先產生其它的附件，比如改良細胞產生能量的方法，但是我們完全可以用電力來代替這額外的負擔。
所以，人類主導的演化會比自然快很多很多，但是我們依然不清楚這些優勢是否能使模擬演化成為可行的策略。
讓電腦自己來解決所有問題。
如果抄學霸的答案和模擬學霸備考的方法都走不通，那就幹脆讓考題自己解答自己吧。這種想法很無厘頭，確實最有希望的一種。
總的思路是我們建造一個能進行兩項任務的電腦——研究人工智能和修改自己的代碼。
這樣它就不隻能改進自己的架構了，我們直接把電腦變成了電腦科學家，提高電腦的智能就變成了電腦自己的任務。
以上這些都會很快發生。
所以之所以孫悟空能夠成為完美的人工智能，是因為他本身就在完成後經過了時間長河的自我演化。這一步很重要，就像人類終於站起來學會使用弓箭一樣的重要。
時間其實是個不可或缺的重要一環，就像華夏的芯片和許多科技為什麼會落後西方，就是因為時間。
人家在工業革名發展的時候，皇帝陛下還在閉關鎖國做著天朝夢。一直就像滬深股市那樣重複著牛短熊長的股市，人家的股市卻在一路高歌的螺旋上升。其實看看股市的月線走勢就知道中外差距了。