Según el máximo ejecutivo de Microsoft, tal objetivo será alcanzado en aproximadamente 10 años, en que veremos computadoras capaces no sólo de reaccionar ante comandos verbales, sino también de reconocer e interpretar el lenguaje corporal del usuario.
A modo de ilustración básica de lo anterior, Gates simuló ante una computadora los movimientos de alguien que toca el tambor, ante lo cual la máquina reaccionó produciendo el sonido correspondiente. Asimismo, mostró que la computadora era capaz de reconocer movimientos afirmativos y negativos de la cabeza.
Según Gates, los programas educativos y juegos serán los primeros en valerse de la futura tecnología del interfaz natural.
Luego de recordar que las actuales tecnologías de reconocimiento de voz no logran distinguir más del 35% de las palabras de una frase, Gates puntualizó que queda mucho camino por recorrer antes de que el interfaz natural sea una realidad.
