在人工智能出现之初，关于这一领域的一个最持久的神话是，先进的新技术具备解决所有问题的“超能力”。对于一些人来说，人工智能是神圣的，而对于另一些人来说，它不过是对人类的威胁。
事实上，人工智能技术不能解决它们没有设计用来解决的问题。
狭义人工智能与广义人工智能
目前，我们只真正掌握了“狭义人工智能（ANI）”，这意味着它只专注于一个单一的问题。
事实上，ANI系统能够比任何人类更快地完成任务，这对于我们的整体生产力、效率甚至生活质量都是很大的帮助。例如，IBM的沃森（Watson）就能够利用人工智能在医学领域做出基于数据的决策，使医疗更快、更准确、更安全。
全球的专家们正在努力开发人工通用智能（AGI）。这种终极形式的人工智能旨在构建能够处理任何领域的任何任务或问题的智能系统。到目前为止，还没有真正的通用人工智能系统。
AGI仍然停留在研究领域（和科幻小说中！）。事实上，这些系统的理论性能将与人类相同。因此，由于它们能够以惊人的速度访问和处理大量数据集，它们将能够超越人类的整体能力。
今天，人工智能在视觉感知、语音识别、决策过程优化、文本生成和语言翻译等任务上表现得相当出色。
“智能可以定义为一个有机体用符号化信息表达的能力，通过分类的过程来理解它所行动的上下文，从而能够推理、做出决策或解决问题” — Mark Pohlmann — AETOS首席执行官
认知人工智能
为了更进一步，认知人工智能领域的研究将不同的模块整合起来来感知世界，这是获取知识的基础，也是学习的基础。这项工作侧重于使用模型来模拟人类在复杂和变化的情境中的思考过程，其中回应可能是模棱两可和不确定的。
但是需要记住的是，今天的人工智能程序的质量依赖于其开发和训练所使用的数据。人类尚未定义人工智能程序将工作的案例和场景，无论多么复杂，人工智能程序将在这些案例和场景中工作，但它不会定义新的案例和场景。
除非……它能够适应。
自适应人工智能
根据Gartner的说法，“自适应人工智能系统支持以更快的决策为中心的决策框架，同时保持灵活性以在问题出现时进行调整。这些系统旨在基于运行时的新数据持续学习，以更快地适应现实世界的变化。”
因此，自适应人工智能的目标是将这些能力带给机器，使其能够适应所处的环境，以保持灵活性，并能够推理、做出决策或解决问题。
Mark Pohlmann解释说，要实现适应性，“必须为机器提供类似于人类长期记忆的数据结构。信息必须以符号化方式表示和分类，并且操作对象必须以一种能够使其继承描述性、功能性、动态性和符号性属性的方式相互关联。”