Isiklikud tehisintellekti assistendid, kes suudavad meelde jätta ja põhjendada erinevat kontekstipõhist teavet, näivad alati olevat&"; valmis välja tulema &", kuid kuni roti aasta lõpuni pole selliseid AI -assistente veel realiseeritud . Sarnaselt, kuigi masinõpe on teinud suuri edusamme, on see&"; Autonoomne süsteem on endiselt raske olla&"intelligentne &"-andmete ühendamine ja mudelite integreerimine erinevatesse õppetesse on võimatu, et saavutada domeenidevaheline kogemuste edastamine.
Kui AI eesmärk on seatud domeeniprobleemide lahendamiseks optimeerimisfunktsiooniks, siis oleme iga päevaga edasi liikunud. Paljud spetsiifilised probleemid, mida on peetud taevasse raskesti ligipääsetavaks, lahendatakse optimeerimise abil - eriti sügavate närvivõrkude (DL) tagasipöördumine, mis on osutunud tõhusaks ja inimesest kaugemale. Arvutinägemine, masintõlge, kõnetuvastus, malemäng, e-sport ja paljud teised valdkonnad näevad välja nagu uus tehisintellekt on kiiresti&"kodustatud &"; igakülgsel viisil.
Nagu öeldakse:" Ära kadesta maad tormi pärast ja maailm on täis kriise." Seda tüüpi&"kodustamise &" levinud viga; on see, et õppimine toimub alles enne mudeli kasutuselevõttu. Kuid tegelikult on reaalajas õppimine loomade arukas väljapanek' ellujäämise eelis. Seevastu masinõpet toetav selgroog on kitsas õppimisfilosoofia. Kui vaadata sügavamalt, siis kõik võrguühenduseta optimeerimise probleemid põhinevad sisuliselt evolutsioonil, mitte individuaalsel tarkusel. Näiteks eeldades, et teatud geneetiline kood on implanteeritud, suudavad geneetiliselt muundatud tulekahjud täpselt tuvastada konkreetse saagikuse ja edukalt saagiks saada. Sellisel juhul võivad Firefly omada vastavaid oskusi ilma reaalajas õppimiseta. Samamoodi peaks autonoomne sõiduk saama liikvel olles sõita seni, kuni eelseadistatud funktsioonidega, nagu navigeerimine, positsioneerimine ja objektide tuvastamine, on moodulid eelinstallitud või parameetrid optimeeritud.
Tänapäeval pole peavoolu tehisintellekt veel veenvat vastust andnud, kuidas võrguühenduseta optimeerimiselt kiirele ja usaldusväärsele reaalajas õppimisele üle minna. Kuid see pole ainult intelligentsuse olemuse küsimus, vaid ka tehisintellekti algne kavatsus. Nagu kõrbes elavad loomad, saab ka tehislik üldintellekt (AGI) käitusajal hakkama ettenägematute olukordadega. Kiire ja usaldusväärne kohanemisvõime ei saa mitte ainult edendada uue põlvkonna robotite ja isikliku abistaja praktilist arengut, vaid seda tuleks pidada ka&"põhiliseks mõistatuseks &"; intelligentsuse teooriast.