Umetna inteligenca in še zlasti strojno učenje je danes tako rekoč vseprisotna tehnologija. Njene zmožnosti so v številnih pogledih presenetljive in iz leta v leto se odpirajo nove možnosti njene uporabe pri novih, še nedavno nepredstavljivih nalogah. A če so nekatere aplikacije v določenem trenutku deležne izrazite pozornosti, trenutno bi to vsekakor bili veliki jezikovni modeli, kakršen je denimo Chat GPT, so metode strojnega učenja v praksi seveda številne in raznolike, pa tudi različno uspešne pri različnih nalogah. Vedno znova se tudi išče načine, kako njihove pomanjkljivosti odpraviti. Med aktualnimi dilemami je gotovo ta, da nekatere danes najbolj učinkovite in tudi razširjene metode strojnega učenja, kot denimo globoke nevronske mreže, do svojih rezultatov pridejo na načine, ki jih ne zmorejo razložiti. To pa vsaj pri določenih rabah teh tehnologij lahko predstavlja resen problem. A kot rečeno, metod strojnega učenja je veliko in razvoj še zdaleč ni zaključen. Obetavno pot naprej denimo odpira izvirna metoda simbolnega strojnega učenja reprezentacij, ki poenostavlja in izboljša rabo vseh vrst strojenega učenja, katero jo je razvila prof. dr. Nada Lavrač z Instituta “Jožef Stefan”, profesorica na Univerzi v Novi Gorici in na Mednarodni podiplomski šoli Jožefa Stefana, kjer vodi program informacijsko komunikacijskih tehnologij. Za svoje raziskovalno delo je prejela Zoisovo nagrado.