Persönliche KI-Assistenten, die sich verschiedene Kontextinformationen merken und über sie nachdenken können, scheinen immer"bereit zu sein" zu sein, aber bis zum Ende des Jahres der Ratte wurden solche KI-Assistenten noch nicht realisiert . Auch wenn maschinelles Lernen große Fortschritte gemacht hat, lässt es"menschlich" Assistenz ist das autonome System noch schwer zu"intelligent"-es ist unmöglich, Daten zu verbinden und Modelle in verschiedene Lernformen zu integrieren, um einen domänenübergreifenden Erfahrungstransfer zu erreichen.
Wenn das Ziel von KI als Optimierungsfunktion zur Lösung von Domänenproblemen festgelegt wird, dann sind wir mit jedem Tag vorangekommen. Viele spezifische Probleme, die als schwer zu erreichen galten, werden durch Optimierung gelöst – insbesondere die Backpropagation von Deep Neural Networks (DL), die sich als effektiv und weit über den Menschen hinaus erwiesen hat. Computer Vision, maschinelle Übersetzung, Spracherkennung, Schachspiel, E-Sport und viele andere Bereiche sehen so aus, als würde die neue künstliche Intelligenz schnell"domesticated" im Allround-Weg.
Wie das Sprichwort sagt,"Don'beneide die Erde nicht wegen des Sturms, und die Welt ist voller Krisen.&Zitat; Der gemeinsame Fehler dieser Art von"Domestikation" ist, dass das Lernen nur stattfindet, bevor das Modell bereitgestellt wird. Tatsächlich ist Echtzeit-Lernen jedoch die intelligente Darstellung von Tieren' Überlebensvorteil. Im Gegensatz dazu ist das Rückgrat, das maschinelles Lernen unterstützt, eine enge Lernphilosophie. Bei genauerer Betrachtung basieren alle Offline-Optimierungsprobleme im Wesentlichen auf Evolution und nicht auf individueller Weisheit. Unter der Annahme, dass beispielsweise ein bestimmter genetischer Code implantiert wurde, können genetisch veränderte Glühwürmchen bestimmte Beute genau erkennen und erfolgreich Beute machen. In diesem Fall kann Firefly ohne Echtzeit-Lernen über entsprechende Fähigkeiten verfügen. Solange Module mit voreingestellten Funktionen wie Navigation, Ortung und Objekterkennung vorinstalliert oder die Parameter offline optimiert werden, soll das autonome Fahrzeug auch unterwegs fahren können.
Heute hat die Mainstream-KI noch keine überzeugende Antwort darauf gegeben, wie man von der Offline-Optimierung zu schnellem und zuverlässigem Echtzeit-Lernen wechselt. Aber das ist nicht nur eine Frage des Wesens der Intelligenz, sondern auch die ursprüngliche Absicht der Künstlichen Intelligenz. Wie Tiere, die in der Wildnis leben, kann die Künstliche Allgemeine Intelligenz (AGI) zur Laufzeit mit unvorhergesehenen Situationen umgehen. Schnelle und zuverlässige Anpassungsfähigkeit kann nicht nur die praktische Entwicklung einer neuen Generation von Robotern und persönlichen Assistenten fördern, sondern sollte auch als das"Kernpuzzle" der Intelligenztheorie.