چرا پیشرفت خودروهای خودران به کندی صورت می‌گیرد؟ بیشتر کودکان در سن هفت ماهگی، یاد گرفته‌اند که اشیا حتی اگر جلوی چشم آنها نباشند، وجود دارند. اگر یک اسباب‌بازی را زیر پتو بگذارید، کودکی در آن سن، پیدایش می‌کند. این درک از «وجود اشیا» یک معیار توسعه‌ای عادی و همچنین یک اصل بنیادی از واقعیت است.
نکته‌ای که وجود دارد این است که خودروهای خودران، فاقد این درک هستند که مشکل بزرگی محسوب می‌شود. وسایل نقلیه خودران، هر روز بهتر می‌شوند، اما هنوز دنیا را به شکلی که انسان تشخیص می‌دهد، تشخیص نمی‌دهند. برای یک خودرو خودران، دوچرخه‌ای که موقتا پشت یک ون در حال عبور پنهان شده، دوچرخه‌ای است که دیگر وجود ندارد.
این نقص، برای هوش مصنوعی که استفاده از آن گسترده شده، خیلی مهم است. هوش مصنوعی در حال حاضر با ایجاد مدل‌های آماری پیچیده از دنیا کار می‌کند، اما درک عمیقی از واقعیت ندارد. اینکه چطور چیزی حداقل شبیه این درک را به هوش مصنوعی بدهیم، موضوع تحقیق این روزها است.
هوش مصنوعی مدرن، بر اساس ایده یادگیری ماشینی است. اگر یک مهندس از کامپیوتر بخواهد علامت توقف را شناسایی کند، تلاش نمی‌کند هزاران خط کد بنویسد تا تک تک الگوهای پیکسل تصویری را که چنین علامتی را نشان می‌دهد، توصیف کند. در عوض، او برنامه‌ای می‌نویسد که خودش یاد می‌گیرد و سپس هزاران تصویر از علامت توقف را به نمایش می‌گذارد. تکنیک‌های مشابهی برای خودروهای خودران به کار می‌رود تا در ترافیک کارایی داشته باشند. خودروهای خودران یاد می‌گیرند چطور از علامت‌های راهنمایی و رانندگی تبعیت کنند، از خودروهای دیگر فاصله بگیرند، پشت چراغ قرمز ترمز کننند و غیره. اما خیلی از چیزهایی را راننده‌های انسانی به آن توجه می‌کنند، تشخیص نمی‌دهند – از جمله وجود دائمی اشیا.
مثلا اگر از یک راننده بپرسید چرا ناگهان ترمز کرد، می‌گوید حدس می‌زند دوچرخه‌ای که پشت ون پنهان شده بود، وارد تقاطع بعدی شود. یادگیری ماشینی نمی‌تواند چنین تشخیصی داشته باشد.
چنین اطلاعاتی در کنار کمک به توسعه طراحی برنامه، به قانون‌گذاران و شرکت‌های بیمه برای تصمیم‌گیری در مورد رواج استفاده از خودروهای خودران، کمک می‌کند.