V současné době se objevuje mnoho otázek týkajících se umělé inteligence (AI). Toto téma je mediálně velmi diskutované a denně se objevuje v titulcích. S AI pracujeme od konce 80. let.
Nejprve jsme si kladli základní otázky týkající se sémantického modelu a možné architektury. Na začátku 90. let jsme se zabývali možnými aplikacemi na strojích LISP, které byly v té době navrženy pro vývoj AI. Již v raných fázích existovaly různé definice AI a tedy i různé přístupy. Na jedné straně se například pokoušeli popsat základní principy AI pomocí dialektických zákonů (Hegel a Engels); jiné přístupy byly založeny na matematických a kybernetických modelech. Klíčovou otázkou však bylo možné sebeuvědomění systému AI založeného na strojích. Jednoduše řečeno, ptali jsme se: Může se stroj učit?
O této otázce se dodnes hořce diskutuje. Začíná otázkou: Co znamená učení? V současné době jsou systémy AI založeny na sbírkách dat. Může se jednat o texty a/nebo propojení mezi matematickými a textovými vztahy. Obrazové informace mohou také reprezentovat sbírku dat.
Dnešní systémy umělé inteligence jsou založeny na pravidlech. Tyto systémy jsou obvykle založeny na vztazích „pokud-pak“ nebo porovnávání vzorů. Systém umělé inteligence může provádět úkoly a klasifikovat výsledek – opět podle odpovídajících pravidel – jako úspěšný nebo neúspěšný. Dobré systémy umělé inteligence mohou na základě výsledků zdokonalovat a upravovat svá vlastní pravidla. To však ještě není učení, protože chybí složka „znalostí“. Podle Dudena jsou znalosti definovány následovně: „Znalost je vhled získaný mentálním zpracováním dojmů a zkušeností.“ Systémy umělé inteligence však zatím nemohou generovat „vhled“. Protože tato složka (stále) chybí, označují se také jako „jednoduchá umělá inteligence“. Propojení se simulacemi založenými na matematických modelech není zcela chybné.