結束這一不確定性面臨著更大的問題，即人工智能研究者是否以正確的方式工作。就像玩拼圖要從最困難的部分開始一樣，人工智能研究者們設想，如果他們解決了複雜的問題，那麼簡單的問題就會迎刃而解。畢竟，如果你能讓機器像數學天才一樣下象棋，那麼模仿嬰兒學習又有多難呢？然而，事實證明這是相當難的。象棋是一項遊戲，包含明確的說明、棋盤位置、合規或違規移動。象棋為棋手營造了一個靜態世界，他們在這裡擁有完整的信息，前提是他們能夠看見棋盤，並且知道如何移動棋子。象棋是現實世界的一部分，但現實世界卻與象棋截然不同。漢斯·莫拉維克（Hans Moravec）等研究者突然開始提出驚人的建議，例如「讓計算機在智力測驗中或在下跳棋時表現出成人水平相對容易一些，而讓計算機在知覺和移動性方面達到一歲小孩的水平卻是十分困難甚至是不可能的」。
將人工智能設定為關注生活中更複雜的事物，而排除對相對普通任務的關注，這可能與研究人工智能的人有關。在許多案例中，堪稱「天才」的科學家們能夠控制象棋或布爾邏輯（Boolean Logic）的微小細節，卻缺少現實生活中的常識。有一則眾所周知的趣聞：麻省理工學院一個名為西蒙·派珀特（Seymour Papert）的研究人員有一次將他的妻子忘在了紐約機場。當他意識到妻子沒有陪在他身邊時，飛機正在跨越大西洋。約翰·麥卡錫十分頑強地面對具有挑戰性的問題，但是卻因為經常忘記為資助他的各類機構填寫進程報告而招致許多麻煩。據說麥卡錫在斯坦福大學講授的課程「人工智能入門」並未受到重視，私下裡被學生戲稱為「聽約翰叔叔講故事」。都說什麼樣的人會幹出什麼樣的事，這樣看來，這些研究人員的人工智能項目都側重於遠大目標而非平凡（可能更實用）小事也就不足為奇了。
心理學家史蒂芬·平克（Steven Pinker）總結道：「人工智能研究的前35年得出的主要教訓是，困難的問題容易解決，容易的問題很難解決。」