即便AI的社会思维变得更加复杂，那种复杂度在此刻也是难以系统地衡量的。我们并没有好的可操作的复杂度指标，可以用来确定黄瓜是否就比波音747复杂，或者它们的复杂方式的不同。这是我们对聪明一样没有好指标的原因之一。想要确定头脑A比头脑B复杂是非常困难的，出于同样的原因，想要宣称头脑A比头脑B聪明也是一样的难。我们很快就会到达这样的时点，那就是“聪明”不会是单一的维度，而我们真正关心的是智能众多的其他运作方式——也就是所有那些我们尚未发觉的认知节点。

　　对人工智能的第二项误解是我们以为自己有通用智能。这一信念的再三重复影响了AI研究人员，导致他们制定出共同的既定目标，也就是要创造出通用人工智能（强人工智能，AGI）。然而，如果我们将智能视为提供一个大的可能性空间的话，那就不会有通用状态。人类智能并没有处在某个中心位置，被其他的特殊智能众星捧月。相反，人类智能是一种非常非常特殊的智能类型，已经过了数百万年的演进才促使我们这个物种得以在地球上生存。如果把所有可能的智能映射在进这个空间内的话，人类智能只会在这个空间内偏居一隅，就像我们的世界也只是坐落在浩瀚的银河系边缘上一样。

　　我们当然可以想象，甚至发明出瑞士军刀式的思维。这有点类似于一堆事情它都能做，但没有一样做得非常好。AI也将遵循所有制造或诞生出来的东西都必须遵循的工程准则：你不可能在每一个维度上都做到最优化。你只能进行取舍。一个通用单元是没有办法胜过专门的功能的。一个宏大的“做一切事情”的头脑在每一件事情上都无法做得跟专门的代理一样的好。因为我们认为我们人类的思维是通用的，所以往往认为认知不会遵循工程师的权衡取舍，以为开发出令所有的思维模式最大化的智能是有可能的。但我看不到这方面的迹象。我们根本还没有发明出足够多样化的思维来看清整个空间（指思维的可能性空间，迄今为止我们往往把动物思维贬视为单一类型，以为它们不过是在同一个维度上，只是幅度各不相同罢了。）

　　这种通用思维最大化的理念部分源自统一计算的概念。这一概念的正式提出是在1950年，也就是所谓的邱奇－图灵论题，这个猜想提出，任何在满足特定阈值的计算都是等价的。因此所有计算，无论是发生在带许多快速或者缓慢部件的机器，或者甚至是发生在一个生物头脑里面的计算，它们都会有一个统一的核心，都是一样的逻辑过程。也就意味着你应该可以在任何可执行“统一”计算的机器模拟所有的计算过程（思维）。奇点派（Singularitans，认为机器智能超过人类即将到来的人，代表包括Ray Kurzweil、Elon Musk、霍金等）靠这一原则来支撑它们的期望——也就是我们将会制造出媲美人类思维的硅晶大脑，可以让人工大脑像人类一样思维，只是比我们聪明得多。对于这种期望我们应该持质疑的态度，因为它依赖的是对邱奇－图灵假设的误解。

　　这个理论的出发点是：“鉴于纸带（内存）和时间的无限性，所有计算都是等价的。”问题是在现实里，并没有计算机有无线的内存或者时间。当你在现实世界运行时，真正的时间会有很大的差异，往往是生死攸关之别。是，如果忽视时间的话所有思维都是等价的。是，你可以在任何想要的母体模拟人类的那种思维，只要你忽视时间或者存储、内存的现实约束的话。然而，如果你把时间考虑进去的话，那条原则就大不一样了：在差异巨大的不同平台上运行的两套计算系统是无法实时等价的。这个也可以重新复述成这个样子：拥有等价思维的唯一办法是将其运行在等价的基底上。你运行计算所在的“肉身（physical matter）”，尤其是随着它变得越来越复杂，会对可以实时完成好的认知类型产生极大影响。

　　这一条我还要进一步延伸：获得像人类那样的思维处理的唯一方式是在像人类那样的湿重组织（wet tissue）内运行计算。这也意味着在干的硅晶上运行的非常庞大复杂的人工智能会产生出庞大、复杂的、跟人类不一样的思维。如果有可能开发出利用像人类那样的神经元的人工湿重大脑的话，我的预测是它们的思维会更像我们的。这样一个湿重大脑的好处与我们造出的基底与人类的相似度成正比。创造湿件（wetware，人类神经系统）的成本高昂，而这种组织跟人类大脑组织越接近，则我们干脆造人的成本效益就越高。毕竟嘛，十月怀胎，这种办法需要的只是时间。