Początkowo za „mądre” uważane były maszyny umiejące po prostu liczyć. Za szczyt możliwości sztucznej inteligencji uznano komputer, który był w stanie generować twierdzenia matematyczne, na podstawie wprowadzonych do niego wcześniej abstrakcyjnych i pozornie niezwiązanych danych. W 1997 roku, po słynnym pojedynku szachowym między Kasparowem a oprogramowaniem Deep Blue, które zakończyło się porażką człowieka, wielu uznało, że oto walka między człowieczym intelektem a komputerową wyrachowaną i pewną logiką zakończyła się ostatecznym fiaskiem.


 


 Od tamtego czasu minęło już jednak 11 lat i nadal komputer nie zepchnął ludzi do podziemia. Okazało się bowiem, że aby dorównać człowiekowi nie wystarczy obracać danymi w sposób 0- 1 (biało - czarny), ponieważ rzeczywistość, w przeciwieństwie do matematyki (gdzie komputery już dawno górują nad człowiekiem), jest zazwyczaj szara i niepowtarzalna. Człowiek przegrał starcie z oprogramowaniem, jednak poruszając się w sferze, którą maszyny lubią najbardziej- gry logicznej o olbrzymiej, jednak skończonej liczbie możliwych ruchów. Ludzki umysł nie potrafi przeanalizować 200 mln danych w ciągu sekundy (co potrafił Deep Blue), potrafi jednak doskonale adaptować się do zmiennych warunków świata. W 2003 roku Kasparow spróbował ponownie- tym razem jego pojedynek z oprogramowaniem szachowym Deep Junior, zakończył się remisem, co twórcom komputerów musiało dać wiele do myślenia.


  


Trudno zredukować ludzką inteligencję tylko do umiejętności matematycznego przetwarzania na podstawie gotowych wzorów, dlatego też obecnie za prawdziwie „myślące” maszyny uważa się takie, które rozwiązują problemy samodzielnie, na sposób ludzki- naśladując procesy zachodzące w ludzkim mózgu. Pierwszym rodzajem takich maszyn, są komputery oparte na sieciach neuronowych. Działają one w sposób podobny, jak ludzki mózg w chwili uczenia się, kiedy to powstają nowe połączenia między neuronami (dendryty), a stare się wzmacniają. Sztuczna sieć neuronowa ma sama wygenerować prawidłowości towarzyszące jakiemuś zjawisku. Dajemy jej część niepołączonych i nierozgałęzionych „neuronów” (danych początkowych i wyników), które łączą się w chwili „wymyślenia” właściwej (lub najbliższej właściwej) odpowiedzi. Ilustrując to przykładem- jeśli posiadamy elektrownie i chcemy się dowiedzieć, jakie czynniki wpływają w jakim stopniu na efektywność produkcji- wrzucamy parametry początkowe i dane o efektywności produkcji z kilku lat poprzednich i na podstawie tych danych komputer informuje nas, w jakim stopniu o stratach w produkcji decyduje np. wilgotnośc, w ilu moc produkcyjna itp.