今天，要在無人駕駛、製藥、追蹤武肺患者等領域取得突破發展，似乎都得應用 AI 技術。Google 行政總裁 Sundar Pichai 今年初便形容，AI 發展帶來的影響「比火或電力更深遠」。但「經濟學人」的「科技季刊」（Technology Quarterly）近日提出，現時的 AI 技術，或已遇上極限，並質疑 AI 是否真能將世界改變成支持者所預想的模樣？
誠然，人類通過 AI 技術，可以做到或正在突破昔日做不到的事情。機器學習（Machine learning）的進步，對其發展尤其關鍵。單看電腦運算，過去圖像識別、語言掌握（manipulating language）等棘手難題，都隨著 2010 年代初新的機器學習技術而改進神速，今天成為小菜一碟。自那時起，除了學術界對 AI 技術殷切期盼，互聯網巨頭等企業亦開始發展相關業務。手提電話上的語音智能助理、改進搜索引擎、面部識別系統、社交媒體的演算法等等，悉數拜 AI 所賜。
正如 Pichai 以火及電力與 AI 相比，三者皆為通用技術（general-purpose technology），即由某些關鍵技術所驅動，令一代科技得以進步、經濟能夠增長。AI 擅長識別數據，能應用於鳥類學上的物種分類、天文學裡尋找行星、銀行評估信用風險及防止欺詐。國家層面上，荷蘭政府用以調整社會福利開支、中國借面部識別功能方便人們購物，又在新疆建立了大規模監視系統。提倡 AI 技術的人普遍認為，無論好與壞，AI 仍會改變未來。
然而，「經濟學人」科技編輯 Tim Cross 認為，儘管現代 AI 技術功能強大，但其發展亦可能受到限制。
機器學習在三方面大革新，包括演算法的改進、功能更強大的電腦，以及社會愈趨數碼化，從而成功收集更多數據。然而，Cross 指數據本身並非唾手可得，例如若無法一個不漏地建立所有人的數據庫，則難以應用 AI 監察武肺傳播。即使擁有全民全天候數據，當中隱藏的假設（hidden assumptions）亦可能導致出錯。同時，最新的 AI 系統對電腦運算效能要求很高，因此成本十分昂貴，而整合新技術往往需時。他認為，這些問題未必會降低 AI 的發展潛力，但會拖慢採用相關技術的速度。
另一問題影響更大，因為涉及 AI 本身的演算法。機器學習的過程，乃採用軟件模型提供的大量範例訓練，模式類似人類大腦，過通學習持續建設大腦結構。憑藉機器學習，最終 AI 系統可以執行識別圖像、語音等任務，且比使用傳統由人工編制的規則（hand-crafted rules）更為可靠。不過 Cross 指出，AI 的智能（intelligent），事實上並非大多數所理解的智慧。
AI 是識別功能強大的工具，但缺乏許多生物大腦所擁有的認知能力。Cross 形容，它是人造的白癡智者（idiot savant），因為 AI 反覆在大量推理中打轉，從中發現規則並歸納結果，卻缺乏隨機應變的「常識」。由是，AI 雖能勝任不少困難的任務，一旦出現意料之外的情況，就會因不懂「執生」而出現嚴重錯誤。
他相信，若然在上述問題上，AI 技術未有突破，這些弊端便限制了它可以及不能做甚麼。例如駕駛需要應付瞬息萬變的道路環境，而自動駕駛汽車計劃已經推遲，甚至可能無法達成此一目標。而聊天機械人、個人助理等處理語言的系統，純粹基於統計方法構建，而這些統計，只能理解人話語的表象，要更進一步便有局限。
