یافته های جدید از دانشگاه ام آی تی کمک کرده اند به دادن پاسخ به این راز قدیمی در مورد نوعی از هوش مصنوعی که یک استراتژی (راهبردی) به نام «یادگیری عمیق» را به کار می برند. «یادگیری عمیق» یک زیر مجموعه از مبحث «یادگیریِ ماشین» می باشد که شامل استفاده از «شبکه های نورونی» برای بهبودمواردی مانند تشخیص گفتار، بینایی کامپیوتر و پردازش طبیعی زبان می باشد. در چند سال گذشته، «یادگیری عمیق» کمک به تولید پیشرفت هایی در حوزه های گسترده مانند درک سوژه، ترجمه ماشین و تشخصی صدا که همه جزو حوزه های مشکل برای متخصصان هوش مصنوعی بوده اند کرده است.
پروفسور مکس تگمارک، فیزیکدان دانشگاه ام آی تی می گوید یکی از دلایلی که موجب می شود شبکه های نورونی عمیق چنین پیشرفت های حیرت آوری را به دست آورند این است که این نسل از شبکه ها از خصوصیات ویژه جهان فیزیکی الگو برداریی شده اند. این برنامه های رایانه ای، الگوریتم هایی هستند که لایه های بسیاری دارند. در آن ها محاسبات سطوح پایین تر، سطوح بالاتر را تغذیه می کنند.
پروفسور تگمارک چهار شباهت بین شبکه های نورونی و قوانین فیزیکی حاکم بر کیهان را چنین توضیح می دهد:
یکی از بزرگترین معماها در مورد این شبکه های نورونی که تاکنون در بسیاری از پیچیده ترین بازی های فکری جهان، حریف های انسانی را مغلوب کرده اند، این است که اولاً اغلب برای پیچیده ترین مسائل رایانه ای، از محاسبات بسیار کمتری از آن چه انتظار می رود استفاده می کنند. ریاضیاتی که توسط شبکه های نورونی به کار گرفته می شود، ساده-گرا است، مانند یکی از خاصیت های بنیادین جهان.
دوم این که اشیاء در کیهان مشمول قانون «محلی بودن» هستند. به این معنی که همه چیز محدود به سرعت نور است و اشیاء نزدیک تر بیشتر محتمل است که یکدیگر را تحت تاثیر قرار دهند تا آن هایی که از هم دور هستند.
سومین شباهت طرز محاسبات شبکه های نورونی به خواص فیزیکی دنیای واقعی این است که بسیاری از چیز ها در جهان مانند قد انسان ها یا سرعت ملکول های گازی که دور تا دور اتمسفر زمین هستند همه پیروی از قانونی موسوم به «توزیع نرمال یا گاس» می کنند.
در نهایت آخرین شباهت این برنامه ها به جهان فیزیکی بیرون اصل «تقارن» است. همان اصلی که باعث شباهت دو بال یک برگ، بازو های انسان یا دو چشم و دو گوش می شود. در مقیاس کهکشانی، چه فرد با سرعت نور به مدت یک سال به سمت چپ یا راست سفر کند، یا یک سال توقف کند، مشمول قوانین یکسان فیزیکی می باشد.