Osobní asistenti AI, kteří si dokážou zapamatovat a zdůvodnit různé kontextové informace, se vždy zdají být&„připraveni vyjít na &“, ale až do konce Roku krysy ještě nebyli tito asistenti AI realizováni . Podobně, i když strojové učení dosáhlo velkého pokroku, jakmile opustí&„lidské &“; pomoc, autonomní systém je stále těžké být&„inteligentní &“-není možné propojit data a integrovat modely do odlišného učení, aby bylo dosaženo přenosu zkušeností napříč doménami.
Pokud je cíl AI nastaven jako funkce optimalizace pro řešení problémů s doménou, postupujeme každým dnem. Mnoho specifických problémů, které byly považovány za obtížně dosažitelné na oblohu, je řešeno optimalizací - zejména zpětné šíření hlubokých neuronových sítí (DL), které se ukázalo jako účinné a daleko přesahující lidské hranice. Počítačové vidění, strojový překlad, rozpoznávání řeči, šachy, e-sporty a mnoho dalších oborů vypadá jako nová umělá inteligence se rychle stává&„domestikovanou &“; všestranným způsobem.
Jak se říká:&„Nezáviď Zemi kvůli bouři a svět je plný krizí." Běžnou vadou tohoto typu domestikace &; je, že učení probíhá pouze před nasazením modelu. Ale ve skutečnosti je učení v reálném čase inteligentní ukázkou zvířat' výhoda přežití. Naproti tomu páteř, která podporuje strojové učení, je filozofií úzkého učení. Při pohledu hlouběji jsou všechny problémy s optimalizací offline v zásadě založeny spíše na evoluci než na individuální moudrosti. Například za předpokladu, že je implantován určitý genetický kód, mohou geneticky modifikované světlušky přesně detekovat konkrétní kořist a úspěšně kořist. V tomto případě může mít Firefly odpovídající dovednosti bez učení v reálném čase. Podobně platí, že pokud jsou předinstalovány moduly s přednastavenými funkcemi, jako je navigace, určování polohy a detekce objektů, nebo jsou parametry optimalizovány offline, mělo by být autonomní vozidlo schopné jízdy na cestách.
Hlavní umělá inteligence dnes ještě nedala přesvědčivou odpověď na to, jak přejít z offline optimalizace na rychlé a spolehlivé učení v reálném čase. Ale to není jen otázka povahy inteligence, ale také původního záměru umělé inteligence. Umělá obecná inteligence (AGI) si stejně jako zvířata žijící v divočině dokáže poradit s nepředvídanými situacemi za běhu. Rychlá a spolehlivá adaptabilita může nejen podpořit praktický vývoj nové generace robotů a osobních asistentů, ale také by měla být považována za&„základní hádanku &“; teorie inteligence.