Лични Помощници на ИИ, които могат да запаметяват и да разсъждават за различна контекстуална информация, винаги изглеждат "готови да излязат", но до края на Годината на Плъха такива помощници на ИИ все още не са реализирани. По същия начин, въпреки че машинното обучение е постигнало голям напредък, след като остави "човешка" помощ, автономната система все още е трудно да бъде "интелигентна"-невъзможно е да се свържат данни и да се интегрират модели в различното учене за постигане на междудомейн трансфер на опит.
Ако целта на ИИ е зададена като функция за оптимизация за решаване на проблеми с домейна, тогава сме напредвали с всеки изминал ден. Много специфични проблеми, които са били считани за трудни за достигане на небето, се решават чрез оптимизация —особено задно размножаване на дълбоки невронни мрежи (DL), което е доказано ефективно и далеч отвъд човешкото. Компютърното зрение, машинният превод, разпознаването на реч, шахматната игра, електронният спорт и много други полета изглеждат като ново-изкуствен интелект, бързо се "опитомява" по всестранен начин.
Както се казва в поговорката: "Не завиждай на земята заради бурята, а светът е пълен с кризи". Често срещаният дефект на този тип "опитомяване" е, че ученето се случва само преди моделът да бъде разгърната. Но всъщност ученето в реално време е интелигентното показване на предимството за оцеляване на животните. За разлика от това, гръбнакът, който поддържа машинното обучение, е тясна учебна философия. Гледайки по-дълбоко, всички проблеми с офлайн оптимизацията се основават по-скоро на еволюцията, отколкото на индивидуалната мъдрост. Например, ако приемем, че се имплантира определен генетичен код, генетично модифицираните светулки могат точно да откриват специфична плячка и успешно плячка. В този случай Firefly може да има съответни умения без учене в реално време. По същия начин, докато модулите с предварително зададени функции като навигация, позициониране и откриване на обекти са предварително инсталирани или параметрите са оптимизирани офлайн, автономното превозно средство трябва да може да шофира в движение.
Днес основният изкуствен интелект все още не е дал убедителен отговор как да преминете от офлайн оптимизация към бързо и надеждно учене в реално време. Но това е не само въпрос за естеството на интелигентността, но и оригиналното намерение на изкуствения интелект. Подобно на животните, живеещи в пустинята, изкуственият общ интелект (AGI) може да се справи с непредвидени ситуации по време на бягане. Бързата и надеждна адаптивност може не само да насърчи практическото развитие на ново поколение роботи и лични помощници, но и трябва да се разглежда като "основната пъзел" на теорията на разузнаването.