Se as ciências da computação são fartas de atalhos para o aprendizado humano, é natural imaginar que o mesmo seja induzido para o aprendizado de máquina.Entretanto, a Inteligência Artificial Forte e Genérica é um desafio tão complexo que provavelmente quanto mais paradigmas criarmos, mais lentos serão os caminhos para chegar em níveis realmente práticos.Dessa forma, prefiro começar com estruturas de dados o mais próximas possíveis do objetivo central, que é o aprendizado, para abrir portas para a criação de modelos adaptados a essas estruturas, sem alguma regra específica para isso.Nesse livro irei apresentar uma ideia central que considero para isso, com uma proposta de modelo e paradigma em uma camada de abstração bastante alta, denominada de Base de Aprendizados.Para isso, focaremos em duas necessidades de informações básicas para a produção de inteligência artificial: pergunta e resposta, com uma base de aprendizado estruturada com esse paradigma. Ou seja, a medida que a máquina busca respostas para as mais diversas perguntas, que inclusive não necessitam ser necessariamente humanas, mas também da própria máquina ou de outras – e isso é importante destacar, pois o conceito apresentado no mercado de Inteligência Aumentada foca basicamente na inteligência humana de perguntas, o que me parece subestimar a capacidade de inferência e abstração de consciência artificial das máquinas – é natural que as respostas encontradas, mesmo que não sejam corretas, ao menos para o momento atual, sejam tratadas como uma representação do aprendizado até o momento em busca da verdade, que no caso, seria a resposta que atende de forma qualitativa e quantitativa o objetivo e dúvida da pergunta, principalmente através de um modelo formal para isso, representado em forma de algoritmos que possam ser traduzidos em código de máquina.