《Methodology of Human-Level Artificial Intelligence Research》
，雷鋒網獨家首發文章。
每項具有學習能力的技術在一個階段學習完以後，都會產生下一階段的學習曲線。通過查看這條曲線，我們可以判斷這個特定的結構是否達到了人類水準。
讓我們詳細的看回每一部分。
技能列表
——所有可能的測試和任務至少有一個人能夠通過。下列是這一堆技能：認識的多樣性——從區分幾何形狀到語音辨識，能循序漸進地玩遊戲——從掌握下棋到掌握怎麼玩Go，從製作音樂到有新的科學發現。
人與機器之間的區別是，人可以通過選擇相關的課程來獲得這些技能，而機器則不可以。人類不需要重新創造。課程有助於幫助獲得深入學習的能力以及高效使用知識的方法。
此外，人類擁有巨大的常見能力，這些常見的能力有助於人類獲得更複雜和特定的技能。比如，閱讀，寫作和說話的能力，這些常見能力又給出了學習任何其他主題的無限能力：構建飛機，彈鋼琴，量子物理學。
技能軸列表
。從這裡，我們可以假設，有哪些技能是必須先獲得的，而這些先獲得的技能日後可以幫助在專業領域獲得更專業具體的技能。有了這個原則，我們可以建立一個順序的技能清單——從科學的角度，由最常見到最有趣的順序來排。這些技能反映出圖像應該作為人類水準的技能所存在的。
學習軸的時間決定了給定的計算或其他資源學習的時間消耗。
這裡出現的問題就是更高水準的技能需要更多的計算能力。因為它，學習時間變得很長。
這裡有兩種可能的學習曲線。曲線A的第一半（從點O到點N）在某種程度上類似於B。但是存在著一個差別——曲線B具有架構限制，並且在這個意義上與A相同，又或者不存在這個問題。第二個選項引導著我們到技術奇點的主題。
基於這個圖，有兩個互補的方式來實現人類智慧：
•減少學習時間。這樣的順序技能清單必須被創建，因為只有這樣，其中的每一個學會了的技能將會提高學會下一個技能的效率。這樣的課程將使學習曲線增長得更快。
•通過開發來提高建築限制。沒錯，這非常明顯。但通過使用這個被提出的觀點，我們可以衡量學習進展。以及能夠測量AI的真實客觀科學的發展。
因此，每個旨在創建人工智慧的項目都可以在以上提出的方案下進行一些考慮。 每個項目通過命題自己的假設和視野來縮小這種訓練方案的範圍。當證明假說成為了新的研究的基礎，人工智慧的科學便出現了。