研究方法

如今沒(méi)有統(tǒng)一的原理或范式指導(dǎo)人工智能研究。許多問(wèn)題上研究者都存在爭(zhēng)論。其中幾個(gè)長(zhǎng)久以來(lái)仍沒(méi)有結(jié)論的問(wèn)題是：是否應(yīng)從心理或神經(jīng)方面模擬人工智能?或者像鳥(niǎo)類(lèi)生物學(xué)對(duì)于航空工程一樣，人類(lèi)生物學(xué)對(duì)于人工智能研究是沒(méi)有關(guān)系的？智能行為能否用簡(jiǎn)單的原則（如邏輯或優(yōu)化）來(lái)描述？還是必須解決大量完全無(wú)關(guān)的問(wèn)題？智能是否可以使用高級(jí)符號(hào)表達(dá)，如詞和想法？還是需要“子符號(hào)”的處理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提議人工智能應(yīng)歸類(lèi)為SYNTHETIC INTELLIGENCE，[29]這個(gè)概念后來(lái)被某些非GOFAI研究者采納。

大腦模擬

主條目：控制論和計(jì)算神經(jīng)科學(xué)20世紀(jì)40年代到50年代，許多研究者探索神經(jīng)病學(xué)，信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網(wǎng)絡(luò)構(gòu)造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 這些研究者還經(jīng)常在普林斯頓大學(xué)和英國(guó)的RATIO CLUB舉行技術(shù)協(xié)會(huì)會(huì)議.直到1960， 大部分人已經(jīng)放棄這個(gè)方法，盡管在80年代再次提出這些原理。

符號(hào)處理

主條目：GOFAI當(dāng)20世紀(jì)50年代，數(shù)字計(jì)算機(jī)研制成功，研究者開(kāi)始探索人類(lèi)智能是否能簡(jiǎn)化成符號(hào)處理。研究主要集中在卡內(nèi)基梅隆大學(xué)， 斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨(dú)立的研究風(fēng)格。JOHN HAUGELAND稱(chēng)這些方法為GOFAI(出色的老式人工智能)。60年代，符號(hào)方法在小型證明程序上模擬高級(jí)思考有很大的成就?；诳刂普摶蛏窠?jīng)網(wǎng)絡(luò)的方法則置于次要。 60~70年代的研究者確信符號(hào)方法最終可以成功創(chuàng)造強(qiáng)人工智能的機(jī)器，同時(shí)這也是他們的目標(biāo)。認(rèn)知模擬經(jīng)濟(jì)學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類(lèi)問(wèn)題解決能力和嘗試將其形式化，同時(shí)他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A(chǔ)，如認(rèn)知科學(xué)， 運(yùn)籌學(xué)和經(jīng)營(yíng)科學(xué)。他們的研究團(tuán)隊(duì)使用心理學(xué)實(shí)驗(yàn)的結(jié)果開(kāi)發(fā)模擬人類(lèi)解決問(wèn)題方法的程序。這方法一直在卡內(nèi)基梅隆大學(xué)沿襲下來(lái)，并在80年代于SOAR發(fā)展到高峰?；谶壿嫴幌癜瑐悺ぜ~厄爾和赫伯特·西蒙，JOHN MCCARTHY認(rèn)為機(jī)器不需要模擬人類(lèi)的思想，而應(yīng)嘗試找到抽象推理和解決問(wèn)題的本質(zhì)，不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實(shí)驗(yàn)室致力于使用形式化邏輯解決多種問(wèn)題，包括知識(shí)表示， 智能規(guī)劃和機(jī)器學(xué)習(xí). 致力于邏輯方法的還有愛(ài)丁堡大學(xué)，而促成歐洲的其他地方開(kāi)發(fā)編程語(yǔ)言PROLOG和邏輯編程科學(xué).“反邏輯”斯坦福大學(xué)的研究者 (如馬文·閔斯基和西摩爾·派普特)發(fā)現(xiàn)要解決計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理的困難問(wèn)題，需要專(zhuān)門(mén)的方案-他們主張不存在簡(jiǎn)單和通用原理（如邏輯）能夠達(dá)到所有的智能行為。ROGER SCHANK 描述他們的“反邏輯”方法為 "SCRUFFY" .常識(shí)知識(shí)庫(kù) (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子，因?yàn)樗麄儽仨毴斯ひ淮尉帉?xiě)一個(gè)復(fù)雜的概念?；谥R(shí)大約在1970年出現(xiàn)大容量?jī)?nèi)存計(jì)算機(jī)，研究者分別以三個(gè)方法開(kāi)始把知識(shí)構(gòu)造成應(yīng)用軟件。這場(chǎng)“知識(shí)革命”促成專(zhuān)家系統(tǒng)的開(kāi)發(fā)與計(jì)劃，這是第一個(gè)成功的人工智能軟件形式?！爸R(shí)革命”同時(shí)讓人們意識(shí)到許多簡(jiǎn)單的人工智能軟件可能需要大量的知識(shí)。

子符號(hào)法

80年代符號(hào)人工智能停滯不前，很多人認(rèn)為符號(hào)系統(tǒng)永遠(yuǎn)不可能模仿人類(lèi)所有的認(rèn)知過(guò)程，特別是感知，機(jī)器人，機(jī)器學(xué)習(xí)和模式識(shí)別。很多研究者開(kāi)始關(guān)注子符號(hào)方法解決特定的人工智能問(wèn)題。自下而上， 接口AGENT，嵌入環(huán)境（機(jī)器人），行為主義，新式AI機(jī)器人領(lǐng)域相關(guān)的研究者，如RODNEY BROOKS，否定符號(hào)人工智能而專(zhuān)注于機(jī)器人移動(dòng)和求生等基本的工程問(wèn)題。他們的工作再次關(guān)注早期控制論研究者的觀點(diǎn)，同時(shí)提出了在人工智能中使用控制理論。這與認(rèn)知科學(xué)領(lǐng)域中的表征感知論點(diǎn)是一致的:更高的智能需要個(gè)體的表征(如移動(dòng)，感知和形象)。計(jì)算智能80年代中DAVID RUMELHART 等再次提出神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義. 這和其他的子符號(hào)方法，如模糊控制和進(jìn)化計(jì)算，都屬于計(jì)算智能學(xué)科研究范疇。

統(tǒng)計(jì)學(xué)法

90年代，人工智能研究發(fā)展出復(fù)雜的數(shù)學(xué)工具來(lái)解決特定的分支問(wèn)題。這些工具是真正的科學(xué)方法，即這些方法的結(jié)果是可測(cè)量的和可驗(yàn)證的，同時(shí)也是人工智能成功的原因。共用的數(shù)學(xué)語(yǔ)言也允許已有學(xué)科的合作（如數(shù)學(xué)，經(jīng)濟(jì)或運(yùn)籌學(xué)）。STUART J. RUSSELL和PETER NORVIG指出這些進(jìn)步不亞于“革命”和“NEATS的成功”。有人批評(píng)這些技術(shù)太專(zhuān)注于特定的問(wèn)題，而沒(méi)有考慮長(zhǎng)遠(yuǎn)的強(qiáng)人工智能目標(biāo)。

集成方法

智能AGENT范式智能AGENT是一個(gè)會(huì)感知環(huán)境并作出行動(dòng)以達(dá)致目標(biāo)的系統(tǒng)。最簡(jiǎn)單的智能AGENT是那些可以解決特定問(wèn)題的程序。更復(fù)雜的AGENT包括人類(lèi)和人類(lèi)組織（如公司）。這些范式可以讓研究者研究單獨(dú)的問(wèn)題和找出有用且可驗(yàn)證的方案，而不需考慮單一的方法。一個(gè)解決特定問(wèn)題的AGENT可以使用任何可行的方法-一些AGENT用符號(hào)方法和邏輯方法，一些則是子符號(hào)神經(jīng)網(wǎng)絡(luò)或其他新的方法。范式同時(shí)也給研究者提供一個(gè)與其他領(lǐng)域溝通的共同語(yǔ)言--如決策論和經(jīng)濟(jì)學(xué)（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被廣泛接受。AGENT體系結(jié)構(gòu)和認(rèn)知體系結(jié)構(gòu)研究者設(shè)計(jì)出一些系統(tǒng)來(lái)處理多ANGENT系統(tǒng)中智能AGENT之間的相互作用。一個(gè)系統(tǒng)中包含符號(hào)和子符號(hào)部分的系統(tǒng)稱(chēng)為混合智能系統(tǒng) ，而對(duì)這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級(jí)控制系統(tǒng)則給反應(yīng)級(jí)別的子符號(hào)AI 和最高級(jí)別的傳統(tǒng)符號(hào)AI提供橋梁，同時(shí)放寬了規(guī)劃和世界建模的時(shí)間。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一個(gè)早期的分級(jí)系統(tǒng)計(jì)劃。