在讨论人工智能的范围时，我们首先需要明确所指的是哪一种类型的人工智能。通常情况下，人们谈论的人工智能主要是指深度学习和机器学习这两种技术，它们通过复杂的计算模型来模拟人类的认知过程。

不过，从更广泛的角度来看，人工智能其实可以包括所有形式的人造知识处理系统，无论它们是否使用了机器学习或深度学习。在这个意义上，甚至简单的一些自动化程序也可以被视为低级别的人工智能，因为它们能够执行特定的任务而不需要直接由人类操作。

然而，当我们提及“真正”的人工智能时，我们往往是在询问的是那种能与人类智力相媲美或者超过的AI。这意味着这种AI应该具备自主思考、解决问题以及适应新环境等高级能力，而不是仅仅依赖于预设规则或数据输入。

要达到这个水平，当前最可能实现方式之一就是通过不断地训练和优化神经网络，使其能够接近于真实世界中的认知过程。例如，一种名为GPT-3的人型语言模型已经展现出惊人的多样性和创造力，这表明基于强化学习和自然语言处理的大型模型正在逐步接近一个新的里程碑：在某些方面超越人类水平的情境理解能力。

但即便如此，“真正”的人工智能仍然是一个远未实现的地方。目前，大部分AI系统都存在以下几个局限：

数据依赖性：尽管拥有庞大的数据集，但任何基于这些数据训练出来的模型都会受到其质量、准确性以及代表性的限制。如果输入的是偏见重重、不完整或者错误信息，那么产生出的结果同样会充满缺陷。

解释难度：当一个复杂的AI决策树完成了一项任务后，它并不能像人类一样清晰地解释为什么做出了那个决定。这使得监管者难以对其行为进行审查，也让公众对它更加怀疑。

安全问题：随着AI功能日益增强，其潜在威胁也日益增长。如果没有有效的手段防止恶意攻击，那么这些高级别的人工智能将成为黑客工具，对社会构成巨大风险。

伦理挑战：一旦达到了足够高的地位，即使是善意设计的人类似智慧之物，也有可能因为无法理解道德原则而犯错，并因此引发严重后果，如误杀无辜生命或破坏重要基础设施。

综上所述，要评估一个人造系统是否已经达到“真正”人的水平，我们必须考虑它是否能独立解决复杂的问题，以及它是否能与我们平行发展，同时同时保持高度可靠且安全。此外，还需要确保这样的系统不会造成不可逆转的负面影响，比如消除大量工作岗位，或导致经济崩溃。

总结来说，在探索如何定义一个人造系统达到“真正”人的水平时，我们不得不面对诸多技术挑战，同时还需考虑到伦理、法律和社会等层面的考量。一路走来，每一步进展都是前进的一步，但这一旅途中仍然充满了未知与挑战。