我拥有计算机工程专业的背景，并且一直致力于开发更好的算法来模仿人类的思想。（我最喜欢的是类比建模应用于语言处理和决策。）但是，我研究的越多，我越意识到刚才多么复杂的AI。
我曾尝试解决该领域的许多问题，但有时我发现自己正在重新发明轮子或试图解决一个已经被证明无法解决的问题（即停顿问题）。因此，为了帮助推动AI的发展，我想更好地了解阻碍我们在该领域取得进展的当前障碍。
例如，某些机器学习算法的时间和空间复杂度是超多项式的，这意味着即使使用快速的计算机，该程序也可能需要一段时间才能完成。即便如此，某些算法在处理较小的数据集时在台式机或其他计算机上可能很快，但是当增加数据大小时，该算法变得难以处理。
人工智能开发当前还面临哪些其他问题？
Answers:
我们真的不知道什么是智力。
我们并没有真正理解我们现有的（人类智能）作品的最佳智能模型。
我们正在尝试在某种程度上在与实际运行的硬件不同的硬件上复制人类智能。
人脑（我们最好的智力模型）对我们来说通常是一个黑匣子，要在不杀死测试对象的情况下探测/检查其操作是很困难的。当然，这是不道德和非法的。因此，了解大脑的进展非常缓慢。
结合这些因素，您就可以理解为什么难以在AI上取得进步。在许多方面，您都可以说我们在黑暗中射击。当然，我们已经取得了一些进展，所以我们知道我们正在做正确的事情。但是，如果没有关于AI如何/将如何工作的真正全面的理论，我们将陷入繁琐的反复试验和迭代过程中。
我假设AI是指AG（一般）I，而不是针对特定任务调整的机器学习或专家系统。
除了@mindcrime的答案外，有时我们用尽了样本进行培训，有时计算机变得如此缓慢，无法处理足够的样本以在可管理的时间范围内工作。@bpachev提到了内存，但从表面上看，我们的超级计算机拥有足够的内存来存储人脑矩阵。但是我们缺乏实时仿真的能力。在能够做到这一点之后，我们还需要连接外部输入，这需要更大的处理能力。由于生物化学起着重要的作用，即使那样还不足以完全模拟人脑。
最后一点是，除了了解人的思维方式之外，没有什么动力去开发AGI。有分类算法，专家系统和知识引擎，它们甚至可以胜任某些特定任务的最佳人才。
人工智能发展的障碍之一是计算机内存的基本局限性。从根本上讲，计算机只能使用位。这限制了他们可以描述的信息类型。
编辑：
人类记忆的确切性质和复杂性尚未完全了解，但我认为，人类记忆至少可以很好地适应人类执行的任务类型。因此，即使在理论上能够代表人类记忆所能完成的所有事情，计算机存储器也可能效率低下并且结构复杂。