Il faut distinguer l’intelligence artificielle faible et l’intelligence artificielle forte. La notion d’intelligence artificielle faible désigne les travaux visant à créer des systèmes de plus en plus autonomes (pour réduire le coût de leur supervision). Ici, l’outil informatique se comporte comme une intelligence humaine, il produit des résultats dignes d’une intelligence véritable. Il en existe de nombreux exemples concrets avec les programmes conversationnels ou chatbots qui interagissent avec les utilisateurs sans qu’ils soient en mesure de dire si leur interlocuteur est un humain ou bien un robot. Le concept d’intelligence artificielle forte concerne quant à lui des machines adoptant des conduites intelligentes, mais aussi capables de ressentir des émotions, de devenir conscientes et autonomes, de construire ses propres raisonnements. Pour l’heure, il n’existe que des intelligences artificielles faibles.

Selon les neurosciences, la conscience suppose un support biologique et donc matériel. Mais beaucoup de scientifiques ne voient guère d’obstacle théorique à la création d'une intelligence consciente sur un support matériel autre que biologique. Pour les défenseurs de l’IA forte, il n’y aurait aucune limite fonctionnelle (un ordinateur est une machine de Turing universelle avec pour seules limites celles de la calculabilité), seulement des limites liées à l’aptitude humaine à concevoir les logiciels appropriés (programme, base de données).

Il faut par ailleurs distinguer le machine learning (apprentissage automatique) et le deep learning (apprentissage profond). Alors que la notion d’intelligence artificielle est générique, le machine learning désigne une technologie d’intelligence artificielle permettant aux ordinateurs d’apprendre sans avoir été programmés explicitement à cet effet. Pour apprendre et se développer, les ordinateurs ont toutefois besoin de données à analyser et sur lesquelles s’entraîner. Quant au deep learning, il s’agit d’une sous-catégorie dans le machine learning, à savoir des ensembles de réseaux de neurones artificiels. C’est sur ces algorithmes que reposent le deep learning, mais aussi des technologies comme la reconnaissance d’images ou la vision robotique. Les réseaux de neurones artificiels sont inspirés par les neurones du cerveau humain. Ils sont constitués de plusieurs neurones artificiels connectés entre eux. Plus le nombre de neurones est élevé, plus le réseau est  « profond ».