"讓電腦如成人般地下棋是相對容易的，但是要讓電腦有如一歲小孩般的感知和行動能力卻是相當困難甚至是不可能的。"
漢斯·莫拉維克在上世紀80年代提出的這個觀點讓持傳統觀點的人大吃一驚。在人們的傳統觀念裡，智慧最重要的特徵是那些困難到連高學歷的人都會覺得有挑戰性的任務，例如象棋，抽象符號的統合，數學定理證明和解決複雜的代數問題。至於四五歲的小孩就可以解決的事情，例如用眼睛區分咖啡杯和一張椅子，或者用腿自由行走，又或是發現一條可以從臥室走到客廳的路徑，這些都被認為是不需要智慧的。
和傳統假設不同，莫拉維克等提出，人類所獨有的高階智慧能力只需要非常少的計算能力，例如推理；但是無意識的技能和直覺卻需要極大的運算能力。這正應了那句話，困難的問題是簡單的，簡單的問題是困難的。
有人認為這是因為像感覺、運動、圖像識別這些智能是人類用了幾十億年的時間才進化出來的，而像邏輯推理這種高級智慧卻只是在最近的幾十萬年內才發展出來。
不管是什麼原因形成的，無意識的技能和直覺卻需要極大的運算能力這個猜測如今卻得到了人工智能最新進展的佐證。我們以圖像識別為例，現在圖像識別使用一種模仿人類神經系統的深度神經網絡的技術來識別圖像分類。
如圖所示，一個神經元通常具有多個樹突，主要用來接受傳入信息；而軸突只有一條，軸突尾端有許多軸突末梢可以給其他多個神經元傳遞信息。軸突末梢跟其他神經元的樹突產生連接，從而傳遞信號。一個神經元可以簡化為多個輸入信號經過一個激活函數轉化為一個輸出信號的一個模型。
而神經網絡是多個神經元連接起來構成的一個網絡拓撲。如下圖所示
對於圖像識別這樣的任務來說，我們可以把許許多多的照片的像素數據作為輸入數據輸入神經網絡的輸入層，而在輸出端根據實際結果來反覆調整神經網絡拓撲裡各個神經元連接間的權值，這過程也叫做神經網絡的訓練。通過大量的數據訓練後，神經網絡就可以在以後的實際應用中對新輸入的任意圖像數據做出分類預測，且這樣的識別準確性甚至在一些領域內已超越人類自己的準確率。
深度神經網絡在工程上可以用計算機算法程序來實現，這使得我們有充分理由相信，我們人類的大腦其實本質上就是一臺生化計算機，所有的無意識的技能和直覺，辨識人臉、舉起鉛筆、在房間內走動，就是一個算法而已。儘管我們人類的算法，和深度神經網絡這樣的算法目前還並不完全一致。
要用深度神經網絡這樣的算法程序來做一個圖像識別工作，對程序員來說要比做數學題要難得多。像是比如"1+2+3+……100"這樣的數學計算，對普通人來說是件非常困難的難題，但對任意一個普通程序員來說，幾行代碼都可以輕易搞定。而相反對於圖像識別這樣我們普通人來說完全自然本能的行為，計算機程序員實現起來可要難得多，而且計算機耗費的計算資源也要大得多。
