1）当涉及到技术上具有挑战性的大问题时，解决任何非平凡人群的平均时间估计总是低于实际解决时间的问题。从解决方案进一步及时进行估计，误差越大。（顺便说一下，在典型的大问题上，早期估计通常会减少几个数量级）

2）工程师，程序员，科学家和其他技术工作总是过于乐观。（原因各不相同，但总的来说，这个群体认为自己是聪明的，而且往往比它应该更聪明）

3）由于2），大多数技术工作者会将极其困难的问题视为微不足道的问题，直到他们不得不对他们进行研究。甚至当他们为他们工作时。

 支持：大多数“非常聪明”的技术工作者认为打破一些未知问题的背后是问题的“硬”部分。这些人往往在他们的职业生涯中娇生惯色，从来没有真正担心让他们的手/头脑的产品真实，可持续和值得购买。人们通常会更频繁地倾听这些人的看法，因为他们“非常聪明”，但他们往往估计最频繁和最大的利润率。

由于上述公理，以及大多数人，特别是聪明人陷入各种各样的确认偏见这一事实，不要因为相信对人工智能的炒作而堕落。

强大的AI是可以解决的。我们认为并且是自我意识的，所以它是可能的。但是，我相信解决P = NP？问题也是可以解决的。我的意思是，P = NP，或P！= NP，没有理由不能知道答案。我们还没想出来。

我会假设并说我们可能更接近解决P = NP？比我们解决强（或一般）AI。我为什么这么说？因为P = NP？我们至少在知识上诚实地对待我们做什么和不知道什么。直到我们用人工智能达到这一点，我们才会取得很大进展，但是会有足够的新闻和喧嚣说我们正在取得重大进展。

我们真的不懂学习。我们知道神经网络在某种程度上“学习”，但我们并不了解哺乳动物的学习方式。因此，不知道我们不知道什么，许多人说我们接近强AI。但是，当我们了解到我们认为我们理解的内容有多少时，我们的估计会变得更好。估计可能会无限，我们还不知道。对于P = NP？我们学得越多，估计到解决方案就越接近无穷大。强AI也可能是这样。

所以不要弄错任何一个。我是追求强人工智能的巨大支持者，我对这个领域很兴奋。但是当你看到我们真正了解和理解的东西时，我们就不会接近强AI（或奇点时刻）。我认为，即使考虑到学习的指数加速，如果你购买的东西会继续保持同步，那也是如此。