人工智慧神经网络诞生于1956年7月，由美国新罕布什尔州着名的达特茅斯学院(Dartmouth College)裡的一群电脑科学家与数学家所开始研发。该项目的创始人相信拥有会讲话、具有创造力，甚至于模仿人类思维网络，可自我优化的电脑，将会是未来科技发展的关键。
训练一位战斗机飞行员，首先要通过的考验就是，必须先在模拟器中通过测试，因为为了「成本考量」，任谁都不想让数十亿、百亿的战斗机毁在一位「菜鸟」手上。同理，现在汽车製造业也开始要使用如此策略，不仅让开发成本更为精算，也能够让产品品质更加精进！目前Porsche製造的发展近程，已开始使用人工智慧、虚拟实境和扩增实境三大技术来加以精进。
虽然目前距离星际大战C3PO或阿诺的魔鬼终结者的「Strong A.I.」还很遥远，但目前「Weak A.I.」的层级也已开始有很大的进展，不再像过去只能陪下棋、个人爱好热门搜索…等一类的简单运用，甚至于也开始能够与人们对答如流了(如：Alexa或Siri)，开始迈向Strong A.I.等级发展了。
注：只能模拟人类的思维行为表现，而不是真的懂得思考的为「Weak A.I.」；经由多种测试鉴定(例如：与人类交流而不被察觉是机械的图灵测试)，具有与人相同程度思考能力的人工智慧分类为「Strong A.I.」，未来将可能因为量子电脑的发展，而衍生出此能力的人工智慧。
使用极大量成千上万的数据和演算法来「训练」机器，让它学习如何执行任务，而非过去写好程式直接执行的单一作业。自2015年以来，由于GPU图像处理器的蓬勃发展，加强了机械学习的能力，因此目前让还是基于0与1二近位法运算的人工智慧，也能够顺势起飞加速，将人类科技带往下一世代。
正因为有GPU这项技术，可以让AI深度学习网络拥有越来越多的层次，它们变得更复杂、嵌套更大！
在深度学习「培训」期间，系统吞噬了成千上万的照片，直到它能够对以前看不见的图像进行陈述，它实现了知识应用的壮举，例如：它不仅将猫视为猫、把苹果辨识为苹果，即使苹果被叶子半遮盖，也能认得出来。甚至于更高层级的识别不仅允许无人驾驶机器出租车可以遵守交通规则，现在甚至已可以帮助外科医生识别肿瘤，未来的应用更甚而能执行极精密(如：眼睛、脑)的外科手术。
当然！在道路上识别交通标誌、鹿、人类…等等，也就不成问题。
人工智慧领域取得的进展，将推动未来几年移动行业的根本性变革，因为随着人口的大增，将伴随着道路交通的大规模复杂性，特别是在大城市中，因此必须开发高度自动化甚至全自主的系统。
Porsche工程项目负责人Christian Koelen博士解释说，「使用传统演算法覆盖所有可想像的参数变化需要相当长的时间，并且会产生很高的编程和测试成本花费。对于可靠地检测其他交通的物体分类，例如：行人的路上行为，Porsche选择采用深度学习的方法来进行研发。」如今的深度神经网络也取得了很高的成功！
例如：Lane Keep Assist车道维持辅助系统也可以从深度学习中受益。Porsche工程部门的Johann Haselberger完成了一项可行性研究，证明了这一点。为了使神经网络在几分之一秒内做出正确的控制转向，首先需要对其进行训练。专业车手驾驶现行市售的Porsche车款，在斯图加特周边地区完成了长时间试驾，配备了高性能电脑和两具新型视频传感器。
在驾驶时，人类驾驶的转向动作不断与前方道路的视频记录数据相联结，传输到深度学习网络中。其大约有一半的时间在高速公路上行驶；另一半则在乡村道路上，以Sport动态驾驶模式进行。
Haselberger提到已经有相当不错的初步结果，但仍是不够的！深度学习系统尚未在训练中「看到」的特殊情况，例如：突然遭遇特殊标记的道路工程，而必须紧急做出闪避的动作，这一方面仍需要再累积大量的学习。
Koelen博士提到将在2019年年初之前将它用于批量生产。不过，在那之前还有很多工作要做，需要再多累积不同驾驶风格(激进或保守)的数据，甚至于驾驶在弯中突然改变驾驶风格，辅助系统也必需做出正确的反应。未来，Porsche车款横向动力表现的经典优势，也会与人工智能相结合进行研发。
目前针对第二款纯电动力的原型车-Taycan Cross Turismo测试，不仅结合了人工智慧进行大数据分析，还运用了虚拟实境技术可进行各种道路状况的模拟测试，甚至于还可以套用纽柏林北赛道的数据进行测试。
除了自动驾驶，Porsche人工智慧的相关研发也有运用在生产线上，Porsche Digital与初创公司-iNDTact合作开发了一套系统，可根据生产机器异常的振动与噪音数据来自动识别问题。这套系统是Porsche关于Taycan生产所采用工业4.0规格，在预测性维护项目中的核心组件，藉以在发生问题时，最大限度地减少停机时间，来避免生产效率的大幅滑落。
Porsche为了应付大量订单，Taycan的生产流程确定将采用工业4.0标准。