De beschikbaarheid van resources was in de aanloop naar het scenario van ‘Game Over’ laag. Men ging er ten onrechte vanuit dat er altijd voldoende rekenkracht, data en energie beschikbaar zouden zijn om de prestaties van de technologieën exponentieel te laten stijgen. Daarbij waren de verwachtingen over de kunsten van AI↓De meest dominante associatie met AI is machine learning. Uit onderzoek van de World Intellectual Property Organization (WIPO) uit 2019 blijkt tevens dat machine learning de meest dominante AI-technologie is die in patentaanvragen is opgenomen. Binnen deze toekomstverkenning richten we ons daarom hoofdzakelijk op machine learning. >Hoofdstuk 1.1.1 onevenredig hoog. Veel ontwikkelaars deden grote beloften om zo de nodige fondsenbinnen te halen, waardoor de teleurstellingen des te groter waren. Robots met een menselijk uiterlijk deden geloven dat ze een vergelijkbare vorm van intelligentie↓Intelligentie kan omschreven worden als een aaneenschakeling van verstandelijke vermogens, processen en vaardigheden, zoals kunnen redeneren en je flexibel kunnen aanpassen aan nieuwe situaties. >Hoofdstuk 1.2.1 bezaten (zelfs zonder dat we precies wisten hoe intelligentie bij mensen werkt). Maar hoe je het ook wendt of keert, AI is en blijft een vorm van wiskunde↓AI is in de basis ‘gewoon’ wiskunde. Weliswaar een enorm geavanceerde vorm van wiskunde, maar het blijft wiskunde. Het is boven alles een middel om een optimalisatiedoel te bereiken. >Hoofdstuk 1.1.1 . Naast de uitdagingen op het gebied van common sense↓Common sense bestaat uit alle kennis over de wereld; van fysieke en zichtbare aspecten, tot culturele en dus meer impliciete regels, zoals hoe je met elkaar omgaat. >Hoofdstuk 1.2.1 en empathie↓Empathie is de vaardigheid om je in te kunnen leven in de situatie en gevoelens van anderen. Door empathie zijn we in staat om ook de non-verbale communicatie van anderen te lezen en begrijpen. >Hoofdstuk 1.2.1 is causaliteit een van de grootste uitdagingen gebleken, waardoor de prestaties van de technologieën sterk achterbleven. AI kan het onderscheid tussen correlatie en causaliteit niet goed maken. Het kan weliswaar samenhang tussen twee gebeurtenissen zien, maar het kan niet goed vaststellen of de ene gebeurtenis ook daadwerkelijk het gevolg is van de gebeurtenis die daaraan vooraf is gegaan. Dit heeft voor veel ongewenste resultaten gezorgd.
Er heerste veel onrust in de samenleving. Nieuwsberichten over dodelijke ongelukken met zelfrijdende auto’s en killer drones hebben tot een flinke deuk in het vertrouwen↓Uit onderzoek van onder andere de University of Pennsylvania uit 2014 blijkt dat als mensen een algoritme een kleine en betekenisloze fout zien maken, de kans dan groot is dat het vertrouwen volledig verloren gaat. Dit wordt door onderzoekers ook wel algorithm aversion genoemd. >Hoofdstuk 1.2.2 in AI geleid. Mensen keerden zich massaal af van de technologieën waardoor de acceptatie het nulpunt bereikte. De angst voor het out of control raken was zo groot, dat AI niet meer werd gebruikt. Dit heeft eraan bijgedragen dat veel commerciële organisaties investeringen in de technologieën hebben teruggetrokken. Zonder gebruikers immers geen inkomsten. De overheid heeft nog een tijd geprobeerd om de ontwikkelingen door te zetten, maar het bleek te laat. Door een gebrek aan kennis bij veel beleidsmakers werden de technologen onvoldoende doordacht ingezet, waardoor de teleurstellingen verder opliepen. De subsidiekranen gingen definitief dicht en de belangen in AI werden opgegeven. Wetenschappers kregen geen beurzen meer en er werden wereldwijd geen nieuwe AI-hoogleraren meer aangesteld. De ontwikkeling van AI ligt compleet stil.