En resumen, el aprendizaje automático puede entenderse como una capa base de cómputo de fuerza bruta para resolver problemas basados en reglas, todo lo cual puede programarse. Con suficiente poder de procesamiento y reglas adicionales, se puede programar una IA para aprender a tomar atajos basados en estadísticas auto calculadas, si la AI cree que se pueden obtener los mismos resultados por mucho menos trabajo. AI puede construir sus propias tablas de búsqueda y tablas de búsqueda a partir de tablas de búsqueda … y eso es solo una técnica simplificada.
De lo que es capaz su AI es resolver un problema que comprende a profundidades más profundas de lo que el hombre puede. La paradoja de Moravec trata el problema de todo lo que la IA todavía no sabe cómo tratar, todas las cosas que no sabe cómo percibir y para las que no se han escrito reglas. ¿Podríamos algún día escribir una IA que tenga reglas suficientes para lidiar con todo lo que ve a través de la lente de una cámara, al reconocer todas las formas que podría encontrar a través de bibliotecas profundas? Sí, claro que es posible. Pero una IA nunca puede saber más de lo que permitimos que sepa. Si permitimos que distinga entre formas y objetos compuestos de ciertas formas, todavía tenemos que darle reglas a seguir para lo que reconoce. Ese es el cuello de botella en el hardware y software actualmente disponibles.