第三次浪潮
Launchbury预言了一个尚未完善的人工智能第三次浪潮，他将其命名为“语境适应”。这项技术需要更多的工作，将感知、学习和推理的优势集中在一起，并支持跨领域抽象的更高水平。
2017年5月，年度本体峰会被命名为“人工智能、学习、推理和本体”。印证了Launchbury的观察，峰会公报草案得出结论说，到目前为止，大多数人工智能方法，包括机器学习工具和使用的计算技术都是在运用计算技术的亚符号水平上运行，是不接近人类思维的。尽管在许多形式的人工智能中已经取得了巨大的进步，但在象征层面上对知识表现的全面处理还有待于成熟。相应地，本体作为正式的语义组织工具的实用性，对人工智能及其最终测试环境的优势有限。
语义网络涉及到以节点和弧的图形形式来表现知识。它提供了一种理解和视觉化符号之间关系的方式，通常用积极的词语来表示。在不同的上下文语境中，这些词表达不同的意思。人工智能在很大程度上是象征性的，它需要以一种更加正式的方式来处理应用语义，以实现第三浪潮的状态。在这种情况下，人工智能就变成了非线性的，因果关系通过多个执行线程逐渐解耦。这就导致了复杂的自适应系统(CAS)的建立，这种系统往往会受到非线性网络行为的影响。
在CAS中，随着时间的推移，新的行为会基于环境的情况出现。在这里，可以有多个自组织的路径通向成功或失败，所有这些路径都是由高度多样化的节点和弧线所触发的，这些节点和弧线可以随着时间的推移而变化、增长、收缩和消失。这种网络在使用嵌入式软件时，违背了传统的递归单元测试，而这与数据是相关联的。这是因为，在CAS中，整体往往不仅仅是各部分的总和。相反，从应用网络科学出现的新方法，提供了一种更好的方法来评估随时间推移而出现的动态人工智能行为。与图论相关的时间指标逐渐被更好地理解为一种描述动态行为的方法，这些动态行为是一些未能遵循线性路径来达到预期效果的行为。
除非采用可靠的方法来评估人工智能的信任程度，不然喊口号就必须谨慎。对于尚不那么可靠的技术，如果盲目信任则有可能会造成误导，有时甚至会导致危险的结果。