المساعدين الذكاء الاصطناعي الشخصية التي يمكن حفظ والعقل حول المعلومات السياقية المختلفة ويبدو دائما أن "على استعداد للخروج"، ولكن حتى نهاية عام الجرذ، لم يتم تحقيق مثل هؤلاء المساعدين الذكاء الاصطناعي حتى الآن. وبالمثل، وعلى الرغم من أن التعلم الآلي قد أحرز تقدما كبيرا، فإنه بمجرد أن يترك المساعدة "البشرية"، لا يزال من الصعب أن يكون النظام المستقل "ذكيا"، ومن المستحيل ربط البيانات ودمج النماذج في التعلم المختلف لتحقيق نقل الخبرة عبر النطاقات.
إذا تم تعيين هدف الذكاء الاصطناعي كوظيفة التحسين لحل مشاكل المجال ، ثم كنا التقدم مع مرور كل يوم. يتم حل العديد من المشاكل المحددة التي اعتبرت صعبة الوصول إلى السماء عن طريق التحسين - وخاصة التكسير الخلفي للشبكات العصبية العميقة (DL) ، والتي ثبت أنها فعالة وأبعد بكثير من الإنسان. رؤية الكمبيوتر ، والترجمة الآلية ، والتعرف على الكلام ، ولعبة الشطرنج ، والرياضة الإلكترونية والعديد من المجالات الأخرى تبدو وكأنها الذكاء الاصطناعي الجديد يجري بسرعة "تدجينها" بطريقة شاملة.
وكما يقول المثل: "لا تحسدوا الأرض بسبب العاصفة، والعالم مليء بالأزمات". العيب الشائع لهذا النوع من "التدجن" هو أن التعلم يحدث فقط قبل نشر النموذج. ولكن في الواقع، التعلم في الوقت الحقيقي هو العرض الذكي لميزة بقاء الحيوانات. وعلى النقيض من ذلك، فإن العمود الفقري الذي يدعم التعلم الآلي هو فلسفة التعلم الضيقة. تبحث أعمق ، وتستند أساسا جميع المشاكل التحسين حاليا على التطور بدلا من الحكمة الفردية. على سبيل المثال، على افتراض زرع رمز وراثي معين، يمكن لليراعات المعدلة وراثيا الكشف بدقة عن فريسة محددة والفريسة بنجاح. في هذه الحالة ، يمكن أن يكون اليراعة المهارات المقابلة دون التعلم في الوقت الحقيقي. وبالمثل، طالما أن الوحدات ذات الوظائف المحددة مسبقا مثل الملاحة وتحديد المواقع والكشف عن الكائنات مثبتة مسبقا أو يتم تحسين المعلمات دون اتصال بالإنترنت، يجب أن تكون السيارة المستقلة قادرة على القيادة أثناء التنقل.
اليوم ، لم يقدم الذكاء الاصطناعي السائد إجابة مقنعة حول كيفية التحول من التحسين دون اتصال إلى التعلم السريع والموثوق به في الوقت الفعلي. ولكن هذه ليست فقط مسألة طبيعة الذكاء، ولكن أيضا النية الأصلية للذكاء الاصطناعي. مثل الحيوانات التي تعيش في البرية، يمكن للذكاء الاصطناعي العام (AGI) التعامل مع الحالات غير المتوقعة في وقت التشغيل. لا يمكن للتكيف السريع والموثوق به تعزيز التطوير العملي لجيل جديد من الروبوتات والمساعدين الشخصيين فحسب ، بل يجب أن ينظر إليه أيضا على أنه "اللغز الأساسي" لنظرية الذكاء.