Większość postępów w sztucznej inteligencji w XXI wieku była jak dotąd kierowana przez rywalizację w wąskich zadaniach, takich jak DARPA Grand Challenge dla samochodów autonomicznych, konkurs rozpoznawania obiektów ImageNet lub granie w Go, szachy, pokera lub Jeopardy! przeciwko mistrzowi świata. Dla każdego oddzielnego zadania budujemy osobny system AI, zwykle z osobnym modelem uczenia maszynowego wyszkolonym od podstaw z danymi zebranymi specjalnie dla tego zadania. Ale naprawdę inteligentny agent powinien być w stanie zrobić więcej niż jedną rzecz. Alan Turing (1950) zaproponował swoją listę (strona 1033), a autor science fiction Robert Heinlein (1973) odpowiedział:
Człowiek powinien umieć zmienić pieluchę, zaplanować inwazję, ubić wieprza, oszukać statek, zaprojektować budynek, napisać sonet, zbilansować rachunki, zbudować mur, postawić kość, pocieszyć umierających, przyjmować rozkazy, dawać rozkazuje, współpracuje, działa w pojedynkę, rozwiązuje równania, analizuje nowy problem, rzuca obornik, programuje komputer, gotuje smaczny posiłek, walczy skutecznie, ginie dzielnie. Specjalizacja dotyczy owadów.
Jak dotąd żaden system sztucznej inteligencji nie mierzy do żadnej z tych list, a niektórzy zwolennicy sztucznej inteligencji na poziomie ogólnym lub ludzkim (HLAI) twierdzą, że ciągła praca nad określonymi zadaniami (lub nad poszczególnymi komponentami) nie wystarczy, aby osiągnąć mistrzostwo w szerokim zakresie. różnorodność zadań; że będziemy potrzebować całkowicie nowego podejścia. Wydaje nam się, że rzeczywiście konieczne będą liczne nowe przełomy, ale ogólnie rzecz biorąc, sztuczna inteligencja jako dziedzina dokonała rozsądnego kompromisu między eksploracją a eksploatacją, montując portfolio komponentów, ulepszając poszczególne zadania, jednocześnie badając obiecujące, a czasem bardzo nowe pomysły. Byłoby błędem powiedzieć braciom Wright w 1903 roku, aby przerwali prace nad ich jednozadaniowym samolotem i zaprojektowali maszynę „sztucznego lotu ogólnego”, która może wystartować pionowo, lecieć szybciej niż dźwięk, przewozić setki pasażerów i lądować na Księżyc. Błędem byłoby również kontynuowanie ich pierwszego lotu w corocznym konkursie, aby stopniowo ulepszać dwupłatowce z drewna świerkowego. Widzieliśmy, że praca nad komponentami może pobudzić nowe pomysły; na przykład generatywne sieci adwersarzy (GAN) i modele językowe transformatorów otwierają nowe obszary badań. Widzieliśmy również kroki w kierunku „różnorodności zachowań”. Na przykład systemy tłumaczenia maszynowego w latach 90. były budowane pojedynczo dla każdej pary języków (np. z francuskiego na angielski), ale dziś jeden system może zidentyfikować tekst wejściowy jako jeden ze stu języków i przetłumaczyć go na dowolny 100 języków docelowych. Inny system języka naturalnego może wykonywać pięć różnych zadań za pomocą jednego wspólnego modelu.