Стає лінійною.

Зменшується завдяки евристикам.

Залишається експоненціальною.

Перестає впливати на швидкість обчислень.

Використання виключно математичних моделей.

Використання тільки фізичних параметрів об'єкта.

Здатність самостійно налаштовуватися на об'єкт, використовуючи поточну інформацію.

Відмова від принципу "якщо... то...".

Тому що вона ігнорує недостовірні дані.

Завдяки відмові від трудомісткої згортки цілей у єдиний критерій.

Через перехід до бінарної характеристики множин.

Через використання потужних обчислювальних систем.

Через використання тільки біологічних компонентів.

Через те, що залежності між змінними не можуть бути записані в явному аналітичному вигляді.

Через обмежену кількість нейронів у шарах.

Через неможливість їх реалізації на сучасних ПК.

Побудова регресійної моделі в явному вигляді.

Перетворення всіх якісних даних у кількісні.

Видалення всіх прихованих шарів мережі.

Процес ітеративного навчання на наявних даних.

Генетичні маркери.

Кореляційні матриці.

Алгоритми повного перебору.

Лінгвістичну модель на основі слів, що відображають якість.

Створення більш ефективних алгоритмів навчання.

Відмова від багатошарових архітектур.

Зменшення кількості вхідних змінних.

Використання тільки однопроцесорних систем.

Збільшення кількості ітерацій для підвищення точності.

Перехід до багатокритеріального пошуку.

Заміна всіх атрибутів на числові значення.

Приведення залежності кількості операцій від обсягу даних до лінійного виду.

Фізичних невизначеностей.

Невизначеності значень слів.

Лінгвістичних невизначеностей.

Неоднозначності сенсу фраз.

Лінгвістична недостовірність.

Статистична похибка.

Фізична випадковість.

Фізична неточність.