Het uiteindelijke doel van kunstmatige intelligentie, om te bereiken dat een machine een algemene intelligentie heeft die vergelijkbaar is met die van mensen, is een van de meest ambitieuze doelen die de wetenschap zichzelf heeft gesteld. Vanwege zijn moeilijkheid is het vergelijkbaar met andere grote wetenschappelijke doelstellingen, zoals het verklaren van de oorsprong van het leven, de oorsprong van het universum of het kennen van de structuur van materie. In de afgelopen eeuwen heeft deze gretigheid om intelligente machines te bouwen ons ertoe gebracht modellen of metaforen van het menselijk brein te bedenken. In de zeventiende eeuw vroeg Descartes zich bijvoorbeeld af of een complex mechanisch systeem bestaande uit tandwielen, katrollen en buizen in principe het denken kon evenaren. Twee eeuwen later was de metafoor de telefoonsystemen, omdat het leek alsof hun verbindingen konden worden geassimileerd met een neuraal netwerk.
De moeilijkst te bereiken mogelijkheden zijn die waarvoor interactie is vereist met omgevingen die niet beperkt zijn of niet eerder zijn voorbereid. Het ontwerpen van systemen met deze mogelijkheden vereist integratie van ontwikkelingen op veel gebieden van AI. In het bijzonder hebben we kennisvertegenwoordigingstalen nodig die informatie coderen over veel verschillende soorten objecten, situaties, acties, enz., Evenals hun eigenschappen en de relaties daartussen, in het bijzonder oorzaak-gevolgrelaties. We hebben ook nieuwe algoritmen nodig die, op basis van deze representaties, robuust en efficiënt problemen kunnen oplossen en vragen over vrijwel elk onderwerp kunnen beantwoorden.
Ten slotte, aangezien ze een vrijwel onbeperkte hoeveelheid kennis zullen moeten verwerven, moeten deze systemen gedurende hun hele bestaan continu kunnen leren. Kortom, het is essentieel om systemen te ontwerpen die perceptie, representatie, redenering, actie en leren integreren. Dit is een heel belangrijk probleem bij AI, aangezien we nog steeds niet weten hoe we al deze componenten van intelligentie moeten integreren. We hebben cognitieve architecturen nodig die deze componenten op de juiste manier integreren. Geïntegreerde systemen zijn een fundamentele voorbereidende stap om ooit algemene kunstmatige intelligentie te bereiken.
