кт залишався очевидним для всіх слабким пунктом протягом більшої частини історії розвитку штучного інтелекту. Якщо не вважати невеликого числа винятків, що викликали загальне захоплення, системи штучного інтелекту створювалися таким чином, що людям доводилося вручну подавати в них вхідні дані й інтерпретувати вихідні, оскільки робототехнічні системи, призначені для вирішення завдань низького рівня, на які спиралися б високорівневі компоненти формування міркувань і планування, в основному були відсутні. Така ситуація частково була зумовлена ??тим, що для забезпечення функціонування справжніх роботів навіть в самій вузькій області були потрібні суттєві фінансові витрати і великі витрати праці проектувальників. Така ситуація швидко змінюється в останні роки у зв'язку з появою готових програмованих роботів, таких як роботи з чотирма опорними кінцівками. Ці роботи, в свою чергу, створені завдяки появі невеликих, недорогих телекамер CCD (Charge Coupled Device - прилад із зарядовим зв'язком) з високою роздільною здатністю, а також компактних, надійних електричних приводів. Технологія MEMS (Micro-Electro Mechanical System - мікроскопічні електромеханічні системи) дозволила створити мініатюрні акселерометри і гіроскопи, а в даний час в її рамках створюються виконавчі механізми, здатні, наприклад, приводити в дію штучне літаюче комаха. (Існує також можливість об'єднувати мільйони виконавчих механізмів MEMS для отримання дуже потужних макроскопічних виконавчих механізмів). Тому, що стосується варіантів фізичного середовища, то більше немає реальних причин, що виправдовують те положення, в якому знаходяться системи штучного інтелекту. Крім того, стала доступною повністю нова середу - Internet.
Стеження за станом світу. Це - одна з основних здібностей, якою повинен володіти інтелектуальний агент. Для цього потрібно і сприйняття, і оновлення внутрішніх уявлень. У главі 7 описані методи стеження за світом, представлені у формі пропозициональной логіки; в главі 10 вони розширені до логіки першого порядку, а в главі 15 представлені алгоритми фільтрації для стеження за невизначеними варіантами середовища. Ці інструментальні засоби фільтрації вступають в дію, коли доводиться стикатися з реальними (тому далекими від ідеалу) результатами сприйняття. Сучасні алгоритми фільтрації та сприйняття можуть комбінуватися для успішного виконання завдань по складанню повідомлень у вигляді предикатів низького рівня, таких як «на столі стоїть чашка», але ще багато що належить зробити, перш ніж за допомогою цих алгоритмів можна буде скласти звіт, наприклад, про те, що «доктор Рассел п'є чай з доктором Норвіга». Ще одна проблема полягає в тому, що алгоритми наближеною фільтрації, хоча і можуть діяти в досить великою середовищі, залишаються по суті пропозіціональнимі, тому, як і пропозіціональная логіка, не дозволяють явно представляти об'єкти і відносини. У главі 14 описано, як можна застосувати в поєднанні теорію ймовірностей і логіку першого порядку для вирішення цього завдання; можна розраховувати на те, що застосування цих ідей для стеження за складними варіантами середовища з часом дозволить домогтися величезних переваг. До речі, як тільки мова заходить про об'єкти в невизначеною середовищі, нам доводиться стикатися з невизначеністю ідентичності, оскільки часто невідомо, не втрачений чи з уваги той об'єкт, за яким ми починали стежити. Ця проблема в системах штучного інтелекту, заснованих на логіці, майже завжди ігнорувал...
