Velike ideje na področju umetne inteligence se očitno rojevajo v valovih. Prva se je porodila ideja, da je treba, če bi radi izdelali neko inteligentno napravo, najprej zapisati vsa navodila, ki naj bi jim ta sledila. Ta pristop so v 50. in 60. letih preteklega stoletja zagovarjali mnogi, toda že kmalu so postale očitne njegove pomanjkljivosti, saj vsake situacije ni mogoče tako preprosto razčleniti na osnovna navodila. Naprave, ki zna igrati šah, morda ni težko razviti, je pa težko razviti napravo, ki je denimo sposobna prepoznati podobe na fotografiji.
Drugi val idej je sledil po letu 2000, ko je razcvet doživela tehnika, poimenovana globoko učenje. Namesto da bi sledili navodilom za izvajanje specifičnih opravil, ti sistemi sledijo navodilom, na podlagi katerih se naučijo opravila izvajati sami. Ta pristop izvira iz 80. let preteklega stoletja, vendar je postal v resnici izvedljiv šele tedaj, ko sta bili na voljo zadostna računalniška zmogljivost in količina podatkov. Taki sistemi delujejo podobno kot vidni korteks primatov in torej zelo dobro simulirajo človeško zaznavanje, kot je na primer prepoznavanje podob. Ta ideja je omogočila razvoj digitalnih oziroma virtualnih asistentov, kakršna je denimo Amazonova Alexa.
Toda inteligenca je veliko več od vidnega korteksa. Drugi val idej je prinesel algoritme, ki lahko omogočijo dobro izvajanje enega opravila, ne pa tudi drugih opravil, čeprav so si ta podobna. Spodoben robot bi moral biti sposoben uporabiti in prilagoditi svoje obstoječe znanje tudi v situacijah, s katerimi se ni še nikoli srečal.
Tretji val idej šele prihaja, toda znanstveniki so prepričani, da bo povezan s tem, česa vse se lahko naučimo od narave. Prav v naravi se utegne po njihovem mnenju skrivati zadnji del sestavljanke.
Čebele na primer izredno dobro krmarijo po svoji okolici, odlično se odzivajo na nove in neznane dogodke, hkrati pa je pri njih mogoče opaziti veliko različnih načinov vedenja. In vse to jim uspeva, čeprav imajo v svojih drobcenih možganih samo približno milijon nevronov. Po drugi strani umetna inteligenca, zlasti globoko učenje, potrebuje na stotisoče ali celo na milijone "nevronov" samo za izvedbo enega samega opravila.
Še vedno je veliko stvari, ki se jih moramo naučiti o možganih primatov. Toda ko gre za žuželke, smo danes že zelo blizu temu, da s programsko opremo poustvarimo njihove možgane. Znanstveniki se že trudijo denimo reproducirati možgane čebel v obliki pomnilniškega čipa. Doslej jim je uspelo obratno poustvariti del njihovega vidnega sistema ter center za prostorsko navigacijo in spomin. To jim je omogočilo, da so v laboratoriju izdelali popolnoma avtonomni brezpilotnik, opremljen s čipom, ki ga usmerja in mu omogoča, da se med letenjem izogiba oviram. Algoritmi, ki jih obratno ustvarimo, so neverjetno učinkoviti in se precej bolj stabilno odzivajo na neznane situacije, tako kot možgani čebel.
Naslednji korak pri razvoju tega pristopa je prenesti več zmogljivosti čebeljih možganov na pomnilniški čip in brezpilotnike preizkusiti zunaj laboratorija. Prav to zdaj počne raziskovalno podjetje Opteran Technologies. Sistemi, katerih možganski tokokrogi so bili obratno poustvarjeni iz narave, bi morali ustvariti visoko učinkovite in stabilne algoritme za krmiljenje v realnem svetu, sklene New Scientist.
