Cet article souligne que les systèmes d'IA de pointe échouent fréquemment, même sur des tâches simples de raisonnement déductif, et soutient que cela est dû aux limites des approches d'apprentissage statistique. La capacité de raisonnement déductif des systèmes d'IA est essentielle pour parvenir à l'intelligence artificielle générale (IAG), mais les méthodes actuelles d'optimisation des performances statistiques ne peuvent garantir la précision de toutes les entrées. Par conséquent, l'article soutient que pour un raisonnement déductif fiable, nous devons abandonner l'apprentissage statistique et adopter un paradigme d'apprentissage exact qui exige la précision de toutes les entrées. Il souligne que l'apprentissage exact est un objectif ambitieux, mais nécessaire et réalisable, qui devrait guider la conception des algorithmes.
