Uudessa projektissa ei ole kyse ihmisaivojen mallintamisesta ja mallin käyttämisestä tietokoneella. Lyhyellä aikavälillä monet tiedemiehet pitävät tätä polkua umpikujana ihmisaivojen poikkeuksellisen monimutkaisuuden ja mielemme periaatteiden tuntemattomuuden vuoksi. DARPA aikoo valita toisen polun: rakentaa koneita, jotka oppivat käyttämällä todennäköisyyspohjaisia ohjelmointialgoritmeja, eli seulovat valtavia tietokantoja ja valitsevat parhaat ratkaisut ongelmaan. Tämän työn aikana tekoäly oppii ja jonkin ajan kuluttua pystyy helposti ratkaisemaan yksinkertaisia ongelmia. Tällaisilla tieteisromaanien hankkeilla alkaa koneiden kapina ja ihmiskunnan kuolema.DARPA-asiantuntijat tarjoavat kaupallisia kampanjoita kehittääkseen uusia todennäköisyyspohjaisia ohjelmointitekniikoita itseoppiville koneille, lyhennettynä PPAML, 46 kuukaudessa. PPAML-teknologia auttaa armeijaa ratkaisemaan tehokkaammin monia analyyttisiä tehtäviä, jotka nykyään vaativat valtavia henkilöresursseja. Erityisesti itseoppivat koneet ovat erittäin hyödyllisiä tiedustelussa, valvonnassa, puheentunnistuksessa, autolla ajamisessa, tiedon seulonnassa arvokkaan tiedon etsimisessä jne.
Tekoälylaitteistot voivat olla erilaisia: moniytimisprosessoreihin perustuvia supertietokoneita, perinteisten tietokoneiden verkkoa ja pilviverkkoja.
On vaikea sanoa, kuinka realistista on luoda näin monimutkainen tekoälyjärjestelmä lähivuosina. Tällä hetkellä on olemassa monia automatisoituja analyyttisiä työkaluja, jotka helpottavat ihmisten työtä, mutta toistaiseksi mikään niistä ei pysty todelliseen itseoppimiseen. Tietokannan kanssa työskentelyn tekniikan toistaiseksi korkein saavutus on olennaisesti arkistokuvien vertailu videokamerasta tulevaan kuvaan. Siksi DARPA korostaa, että PPAML-algoritmit tulevat olemaan paljon monimutkaisempia, erityisesti ne pystyvät yhdistämään erityyppisiä tietoja, muotoilemaan itsenäisesti pyynnön ja muotoilemaan päätöksen vastaanotetun tiedon perusteella.