21-ე საუკუნის ყველაზე დიდ ტექნოლოგიურ გამოწვევას ხელოვნური ინტელექტი წარმოადგენს. გლობალურ საინფორმაციო სივრცეში უკვე ფართოდ მოიკიდა ფეხი ადამიანის მსგავსად „მოაზროვნე“ კომპიუტერებმა და პროგრამებმა, თუმცა კომპიუტერების „გაადამიანურების“ იდეა ბევრად ადრე წარმოიშვა და ტერმინი „ხელოვნური ინტელექტი“ (AI – Artificial Intelligence) პირველად 1956 წელს, სტენფორდის უნივერსიტეტში გამოიყენეს.
გასული საუკუნის 50-იანი წლებიდან მოყოლებული კომპიუტერმა „ისწავლა“ ჭადრაკის თამაში, ხატვა, ლექსების წერა, მანქანის მართვა და სხვა უამრავი სასარგებლო საქმე, ხოლო 70-იან წლებში შეიქმნა პირველი ექსპერტული სისტემები, რომლებიც მიწოდებული მონაცემების დამუშავების საფუძველზე მომხმარებლებისთვის ექსპერტულ რეკომენდაციებს აყალიბებდნენ.
ინტელექტუალური უნარები, რომლებშიც კომპიუტერი დღეს ადამიანს უწევს კონკურენციას და ხშირად გამოსდის კიდეც შემდეგი მიმართულებებით:
ხელოვნური ინტელექტის სისტემის განვითარება, შესაძლებელია შევადაროთ ახლად დაბადებული ბავშვის ზრდის პროცესს. გარე სამყაროდან მიღებული ინფორმაციით ბავშვი იმაღლებს ცოდნას და უვითარდება ინტელექტი. ასევე, მანქანური დასწავლის (Machine learning), ხოლო უფრო მაღალ დონეზე ღრმა დასწავლის (Deep learning) მეშვეობით მატულობს ხელოვნური ინტელექტის სისტემების „განსწავლულობა“, შესაბამისად, რაც მეტია შემავალი ინფორმაცია, მით მეტია ხელოვნური ინტელექტის სისტემის ეფექტურობა და ნაკლებია შეცდომების დაშვების ალბათობა.
დღესდღეობით, ხელოვნური ინტელექტის სისტემები ფართოდ გამოიყენება ჯანდაცვაში (სწორი დიაგნოზის დასადგენად), მარკეტინგში (მომხმარებლისთვის მიზნობრივი რეკლამის მისაწოდებლად), ელექტრონული კომერციის სისტემებში, წარმოებაში (ავტომატურად მართული ავტომობილების შესაქმნელად), საბანკო სექტორში (ფინანსური თაღლითობის აღმოსაჩენად და აღსაკვეთად).
AI მიმართულების განვითარებაზე მუშაობენ როგორც საყოველთაოდ ცნობილი IT კომპანიები (Google, Microsoft, Amazon, IBM და სხვები), ასევე სტარტაპები, რომელთა ამოცანას მხოლოდ ხელოვნური ინტელექტის სისტემების განვითარება წარმოადგენს. მაგალითად, Google Research Lab-ის (გუგლის კვლევითი ლაბორატორია) სპეციალისტებმა შექმნეს სემანტიკური ონლაინ-სიმულატორი - Semantrics, რომელიც სიტყვათა ასოციაციური კავშირების მანქანური დასწავლის (Machine learning) საფუძველზე მუშაობს.