通过仿真人脑，人工智能建立了具有学习能力和接近人类水平的智能任务执行能力的计算模型，同时证明了智能的本质是一系列数学功能过程，通过建立数据集之间的功能关系来最小化系统熵，并通过能量消耗的增强方式在人类和人工智能中实现。
Jul, 2023
该研究论文提出了一种名为 “超越人工智能” 的普适性认知技术，旨在解决当前人工智能技术的局限性，该技术使用人工生命带有想象力的能力，新颖地发掘事件的思想，并将其应用于自动驾驶、医疗护理和工业机器人等方面。
Jun, 2017
通过证据的汇集，展示了自然智能是通过不同尺度的互动网络中的智能集体、社会关系和主要进化转变而产生的，这些过程通过种群压力、军备竞赛、马基雅维利选择、社会学习和积累文化等机制促进了新数据的产生，将这些机制整合到智能代理的视角中，表明通过持续的新数据生成实现类人复合创新的可能路径。
May, 2024
批判性地探讨深度神经网络 (DNN) 作为实现人工通用智能的技术选择的可行性，并给出了五个主要的原因进行支撑，表明 DNN 目前还不适合成为实现人工通用智能的选择。
Mar, 2022
探讨了人类智能与人工智能在预测特定结果方面的优劣，提出了在未来几十年内的劳动分工典范可能是混合智能。这个概念旨在利用人类智能和人工智能的互补优势，以使它们能够比两者分别表现得更好，并探讨了其在组织上下文中的应用。
May, 2021
人工智能在几个关键方面仍然比人类智能有限，如在理解上下文、言外之意和微妙线索方面的能力。本文展望了可能用于缩小人类智能与机器智能差距的机器智能候选方法，重点讨论了当前人工智能技术的不足，以及层次规划和能量基、潜变量方法以及联合嵌入预测架构方法如何帮助弥合这一差距。
Aug, 2023
该论文提出了一种将自然智能视为信息处理与‘bundle pushing’相结合的替代观点，并探讨了一个例子，说明 bundle pushing 如何缩短信息处理，同时建议进行神经生物学和信息理论的科学实验进一步研究。
Nov, 2022
这篇论文提出了一种基于大脑和自我概念的人工智能 (BriSe AI) 范式，强调自我在塑造未来人工智能中的关键作用，通过自我感知、自体建模、自主交互、社交互动和概念理解等多层次的自我层次框架，增强了 BriSe AI 对信息的有意识理解和对复杂环境的灵活适应，使其向着真正的人工通用智能迈进。
Feb, 2024
提出了一种新的基于人工智能的分层模型，用于测量人类智力中的问题解决和决策能力。该模型由 7 个不同的层级组成，可为给定问题提供最佳和可说明性的解决方案。
Feb, 2023
人工智能研究可以通过更强调决策随时间演变的洞察和整合相关的过程数据来提高对人工智能预测的准确性和人机交互的效果。