دستیاران هوش مصنوعی شخصی که می توانند اطلاعات زمینه ای مختلف را حفظ و دلیل کنند، همیشه به نظر می رسد که «آماده بیرون آمدن» هستند، اما تا پایان سال موش صحرایی، هنوز چنین دستیاران هوش مصنوعی تحقق پیدا نکرده اند. به همین ترتیب، اگرچه یادگیری ماشین پیشرفت زیادی داشته است، اما هنگامی که کمک های «انسان» را ترک می کند، سیستم خودمختار هنوز سخت است که «هوشمند» باشد-اتصال داده ها و ادغام مدل ها در یادگیری های مختلف برای رسیدن به انتقال متقابل دامنه تجربه غیرممکن است.
اگر هدف هوش مصنوعی به عنوان یک تابع بهینه سازی برای حل مشکلات دامنه تنظیم شده باشد، آنگاه با گذشت هر روز در حال پیشروی بوده ایم. بسیاری از مشکلات خاص که به عنوان دشوار برای رسیدن به آسمان در نظر گرفته شده است با بهینه سازی حل می شود-به خصوص backpropagation شبکه های عصبی عمیق (DL) ، که ثابت شده است موثر و بسیار فراتر از انسان است. بینایی کامپیوتری، ترجمه ماشینی، تشخیص گفتار، بازی شطرنج، ورزش الکترونیکی و بسیاری از زمینه های دیگر به نظر می رسد که هوش مصنوعی جدید به سرعت به صورت همه جانبه در حال «اهلی شدن» است.
همان طور که گفته می شود: «به خاطر طوفان به زمین حسادت نکن و دنیا پر از بحران است.» نقص رایج این نوع «اهلی شدن» این است که یادگیری تنها قبل از استقرار مدل رخ می دهد. اما در واقع یادگیری در زمان واقعی نمایش هوشمندانه مزیت بقای حیوانات است. در مقابل، ستون فقراتی که از یادگیری ماشین حمایت می کند، یک فلسفه یادگیری باریک است. به دنبال عمیق تر، تمام مشکلات بهینه سازی آفلاین اساساً بر اساس تکامل هستند تا خرد فردی. به عنوان مثال، با فرض کاشت کد ژنتیکی خاصی، fireflies اصلاح شده ژنتیکی می توانند طعمه های خاص را به دقت تشخیص دهند و با موفقیت طعمه شوند. در این حالت، Firefly می تواند بدون یادگیری بی درنگ مهارت های متناظر داشته باشد. به همین ترتیب، تا زمانی که ماژول هایی با توابع از پیش تعیین شده مانند ناوبری، موقعیت یابی، و تشخیص شی از پیش نصب شده باشند یا پارامترها به صورت آفلاین بهینه شوند، خودروی خودمختار باید بتواند در حال رفتن رانندگی کند.
امروزه هوش مصنوعی جریان اصلی هنوز پاسخ قانع کننده ای در مورد چگونگی تعویض از بهینه سازی آفلاین به یادگیری سریع و قابل اعتماد بی درنگ نداده است. اما این نه تنها یک سوال از ماهیت هوش است، بلکه قصد اصلی هوش مصنوعی نیز هست. مانند حیواناتی که در بیابان زندگی می کنند، هوش عمومی مصنوعی (AGI) می تواند در زمان اجرا با موقعیت های پیش بینی نشده مقابله کند. انطباق پذیری سریع و قابل اعتماد نه تنها می تواند توسعه عملی نسل جدیدی از روبات ها و دستیاران شخصی را ترویج کند، بلکه باید به عنوان «معمای هسته ای» نظریه هوش نیز در نظر گرفته شود.