解決問(wèn)題

早期的人工智能研究人員直接模仿人類(lèi)進(jìn)行逐步的推理，就像是玩棋盤(pán)游戲或進(jìn)行邏輯推理時(shí)人類(lèi)的思考模式。到了1980和1990年代，利用 概率和經(jīng)濟(jì)學(xué)上的概念，人工智能研究還發(fā)展了非常成功的方法處理 不確定或不完整的資訊。

對(duì)于困難的問(wèn)題，有可能需要大量的運(yùn)算資源，也就是發(fā)生了“可能組合爆增”：當(dāng)問(wèn)題超過(guò)一定的規(guī)模時(shí)，電腦會(huì)需要天文數(shù)量級(jí)的存儲(chǔ)器或是運(yùn)算時(shí)間。尋找更有效的算法是優(yōu)先的人工智能研究項(xiàng)目。

人類(lèi)解決問(wèn)題的模式通常是用最快捷，直觀(guān)的判斷，而不是有意識(shí)的，一步一步的推導(dǎo)，早期人工智能研究通常使用逐步推導(dǎo)的方式。人工智能研究已經(jīng)于這種“次表征性的”解決問(wèn)題方法取得進(jìn)展：實(shí)體化AGENT研究強(qiáng)調(diào)感知運(yùn)動(dòng)的重要性。神經(jīng)網(wǎng)絡(luò)研究試圖以模擬人類(lèi)和動(dòng)物的大腦結(jié)構(gòu)重現(xiàn)這種技能。

知識(shí)表示

AN ONTOLOGY REPRESENTS KNOWLEDGE AS A SET OF CONCEPTS WITHIN A DOMAIN AND THERELATIONSHIPS BETWEEN THOSE CONCEPTS.

主條目： 知識(shí)表示和常識(shí)知識(shí)庫(kù)