3. Система породження

Великий клас проблем, пов'язаних з міркуваннями, виділяється в систему породження , що складається з трьох основних елементів:

Набір станів - кожен стан - це ситуація, яка може виникнути в прикладному середовищі.

Набір породжень (правил). Породження - це операція, яку можна виконати в прикладному середовищі для переведення системи з одного стану в інший.

Система контролю - складається з логіки для вирішення проблеми породження від стартового стану до цільового.

Прикладом системи породження є: проблема отримання логічного висновку з наявних фактів. Однією із груп класичних проблем, що вивчаються в галузі штучного інтелекту, є ігри, наприклад шахи.

4. Дерева пошуку

Дерево (як структура даних) — динамічна нелінійна структура даних, кожен елемент якої містить власне інформацію (або посилання на те місце в пам'яті ЕОМ, де зберігається інформація) та посилання на кілька (не менше двох) інших таких же елементів. Дерева пошуку призначені для представлення словників як абстрактного типу даних. Кореневий вузол дерева пошуку - це початковий стан. Дочірні стани кожного вузла - це стани, які можуть бути досягнуті з батьківського стану за одне породження. Кожна дуга між вузлами дерева пошуку є реалізацію окремого породження, а кожна частина від кореня до листового вузла - шлях між відповідними станами на графі станів.

5. Евристичні методи

Евристика (грец. heurisko — знаходжу, відшукую, відкриваю) — наука, яка вивчає творчу діяльність, методи, які використовуються у відкритті нового і в навчанні. Евристичні методи (друга назва Евристики) дозволяють пришвидшити процес вирішення задачі. Значний інтерес до їх дослідження виник у зв'язку з можливістю вирішення ряду задач (розпізнавання об'єктів, доведення теорем і т. д.), в яких людина не може дати точний алгоритм вирішення з допомогою технічних засобів. Метою Евристики є побудова моделей процесу вирішення якої-небудь нової задачі. Існують такі типи моделей: модель сліпого пошуку, яка спирається на так званий метод проб і помилок; лабіринтна модель, в якій вирішувана задача розглядається як лабіринт, а процес пошуку рішення — як прохід лабіринтом; структурно-семантична модель, яка вважається в наш час[Коли?] найповнішою і яка відображає семантичні відношення між об'єктами, які складають область задачі.

6. Властивості штучних нейронних мереж

Незважаючи на прогрес, досягнутий в теорії штучного інтелекту, вирішення багатьох проблем у цій галузі як і раніше вимагає витрат ресурсів, що перевершують можливості звичайних комп'ютерів. Центральні процесори, що виконують єдину послідовність команд, схоже, ніколи не зможуть знайти здатність відчувати і міркувати на рівні багатопроцесорного людського мозку. З цієї причини багато вчених схильні до створення машин з багатопроцесорною структурою. Одним з типів таких машин є штучна нейронна мережа. Штучні нейронні мережі(ШНМ)створюються з безлічі окремих процесорів-блоків обробки, які з'єднуються за схемою, що моделює нейронну мережу живих біологічних систем. Біологічний нейрон - це окрема клітина з вхідними відростками-дендритами, та вихідними відростками-аксонами. Сигнал, що передається по аксону клітини, відображає стан цієї клітини, який може бути загальмованим або збудженим. Стан клітини визначається комбінацією сигналів, що надходять через дендрити клітини, які передають сигнали від аксонів інших клітин через синапси.