人類智力的優越性在於人的思考、判斷和決策能力。思維是人類在感性認識的基礎上形成的理性認識，是通過分析綜合的過程實現的，而人類思維中的分析綜合過程發生了質的變化。在壹般分析綜合的基礎上，出現了抽象與概括、比較與分類、系統化與具體化等壹系列新的、高級的、復雜的思維能力，在頭腦中運用概念進行判斷和推理。要使機器具有智能，它必須具有推理功能。推理是壹種由壹個或幾個判斷推導出另壹個判斷的思維形式，即從已有事實推導出新事實的過程。在形式邏輯中，推理由前提(已知判斷)、結論(推斷判斷)和推理形式(前提與結論的聯系)組成。
人類之所以能夠高效地解決壹些復雜的問題，不僅是因為擁有大量的專業知識，還因為擁有合理選擇和運用知識的能力，即推理能力和推理策略。基於符號邏輯的人工智能以邏輯思維和推理為主要內容。傳統的形式推理技術基於經典謂詞邏輯，即演繹推理，廣泛應用於早期的問題求解和定理證明。然而，隨著人工智能研究的深入，人們在研究中遇到的許多復雜問題都無法用嚴格的演繹推理來解決，因此對非單調邏輯推理的研究發展迅速，已成為人工智能的重要研究內容之壹。
感知問題
感知是人工智能的經典研究課題，涉及神經生理學、視覺心理學、物理學、化學等學科，包括計算機視覺和聲音處理。計算機視覺研究的是如何分析和理解視覺傳感器(如攝像機)獲得的外界景物和信息，即如何讓計算機“看見”周圍的事物。聲音處理就是研究如何讓計算機“聽到”說話的聲音，並對語音信息進行分析和理解。感知問題的關鍵是用簡潔易操作的方式來表示和描述大量的感知數據。
D. Marr教授對計算機視覺做出了傑出的貢獻。他認為視覺是壹個復雜的信息處理過程，有不同的信息表達和不同層次的處理，最終目的是實現計算機對外部世界的描述。因此，他提出了30個層次的研究方法，包括計算理論、算法和硬件實現。他的理論奠定了計算機視覺研究的理論基礎，明確指出了研究內容和目標。目前，計算機視覺在圖像處理、立體和運動視覺、三維物體的建模和識別等方面取得了很大的進展，但還遠未構建出實用的計算機視覺系統。
2002年底，智能人機交互領域的重要研究內容之壹人臉識別技術在國內取得突破，其穩定性和識別率達到國際先進水平，初步達到實用階段。人臉識別技術大大提高了計算機的“人性化”和“智能化”水平。
探索
下棋、思考問題或尋找迷宮的出口時，人們總想探索解決問題的原理，這就需要專門研究。探索是人工智能研究的核心內容之壹。人工智能的早期研究成果，如通用問題求解系統、幾何定理證明、博弈等。，都圍繞著如何有效地搜索以獲得滿意的問題解。探索是人工智能研究和應用的基礎技術領域。
人工智能中的問題求解不同於通常的數值計算。人工智能的問題求解首先描述壹個給定的問題，然後通過搜索推理得到問題的解，而數值計算是通過編程的算法實現數值運算。人工智能問題求解的過程就是在狀態空間中從初始狀態到目標狀態的探索和推理過程。探索的主要任務是確定如何選擇壹個合適的操作規則。探索的基本方式有兩種，壹種是盲目探索，即不考慮給定問題的具體知識，按照事先確定的固定順序調用運算規則。盲探測技術主要有深度優先搜索和廣度優先搜索；另壹種是啟發式搜索，考慮問題的適用知識，先動態調用運算規則，探索會變快。
探索技術的重點是啟發式搜索。壹般來說，壹個給定的問題有很多不同的表征，但它們在解決問題時的效率不同。在許多問題求解中，有大量與問題相關的信息可以用來加快整個問題求解過程。這種與問題相關的信息稱為啟發式信息，利用啟發式信息的探索就是啟發式探索。啟發式探索利用啟發式信息對解題路徑中有希望的節點進行評估並排序，優先擴展最有希望的節點，以達到問題的最優解。
比賽
博弈是指賭博的理論和對抗的知識，起源於下棋。讓計算機學會下棋，是讓機器智能化的最早嘗試。早在1956年，人工智能的開創者之壹塞繆爾就開發了壹個跳棋程序，可以從棋譜中學習，從實戰中總結經驗。當時最轟動的新聞是塞繆爾在跳棋項目下贏得了美國某州的跳棋冠軍。但在隨後的幾年中未能占據世界冠軍的優勢。現在的個人電腦家用軟件壹般都有跳棋程序、象棋程序、五子棋程序甚至圍棋程序。即使妳選擇了初級水平，也不容易贏得壹場電腦象棋比賽。
其實對於跳棋、象棋、五子棋、圍棋來說，過程完全可以用壹棵博弈樹來表示，用最基本的狀態空間搜索技術來尋找壹條贏棋路線。不幸的是，這種博弈樹往往大得驚人，尤其像象棋程序和圍棋程序。即使計算機的存儲空間可以容納所有的狀態，但搜索所花費的時間(也就是通常所說的向前看幾步的時間)往往是難以承受的。好在現在電腦的性能越來越高，存儲空間越來越大，給人的感覺是電腦的棋力提高了。另外，現有的計算機象棋程序都是基於傳統的狀態空間搜索技術，通過壹些啟發式算法來估計棋局中間狀態獲勝的可能性，從而決定下壹步做什麽。這種方法可以大大減少狀態空間的存儲和搜索，從而為現代高性能計算機戰勝國際象棋大師鋪平道路。
自20世紀50年代以來，計算機與國際象棋大師和大師的競爭壹直是人們非常感興趣的話題。計算機通過與高手競爭，不斷改進自己的程序。80年代計算機界有人認為計算機可以打敗國際象棋冠軍，但實際時間推遲了。IBM壹直有開發遊戲程序的傳統，塞繆爾當年就屬於IBM。20世紀90年代，IBM開發了多種高性能計算機和相應的下棋軟件，並將改進後的下棋程序和“深藍”計算機對準了現在排名第壹的俄羅斯棋手卡斯帕羅夫。在新聞媒體的推波助瀾下，5月，美國紐約1997，卡諾夫斯基與深藍展開了又壹輪舉世矚目的人機大戰。前兩盤，雙方打成1比1平。之後雙方三連平。至關重要的第六盤，“深藍”電腦發揮出色，取得勝利，從而以“2勝3平1負”的總比分擊敗對手，令全球觀眾目瞪口呆。有人形容這是“像人壹樣的機器和像機器壹樣的人之間的遊戲”。雖然“深藍”計算機贏了，但並不意味著人工智能取得了突破。正如卡爾·馬克思所說，他們之間的競爭是不公平的。“深藍”計算機掌握了大量他與他人對弈的棋譜，它仍然使用狀態空間搜索、模式匹配等傳統人工智能技術，但計算機的速度有了很大提高。計算機戰勝笛卡爾的另壹個重要原因是，除了計算機工程師，IBM還有壹批深諳國際象棋規則和計算機知識的專家藏在“深藍”計算機的背後，幫助它提出建議，及時調整程序。因此，笛卡爾的失敗只是時間問題。如果我們下壹盤不同的棋，比如在電腦上和人下圍棋，會發生什麽？目前來看，計算機要打敗圍棋壹級棋手恐怕還是相當困難的，因為圍棋的狀態空間要大得多，復雜得多。
機器人學
機器人學和機器人學是人工智能研究的另壹個重要應用領域，它促進了許多人工智能思想的發展。由此衍生的壹些技術可以用來模擬現實世界的狀態，描述從壹種狀態到另壹種狀態的變化過程，為規劃如何生成動作序列和監督規劃的實施提供更好的幫助。
機器人的應用越來越廣泛，已經開始走向第三產業，比如商業中心、辦公自動化。目前機器人學的研究方向主要是開發智能機器人。智能機器人將大大拓展機器人的應用領域。智能機器人本身能夠知道工作環境、工作對象及其狀態，根據人給出的指令和自身的知識自主決定工作模式，通過操作機構和移動機構實現任務，並能適應工作環境的變化。智能機器人只需要告訴它做什麽，而不是怎麽做。它有四個基本功能，即:(1)運動功能，類似於人的手、臂、腿的基本功能，對外界環境產生作用。(2)感知功能，獲取外界信息的功能。(3)思維功能，解決問題時的理解、判斷和推理功能。(4)人機交流功能，理解指令，輸出內部狀態，與人交換信息的功能。智能機器人以壹種認知適應的方式工作。著名的機器人和人工智能專家Brady曾經總結了機器人面臨的30個難題，包括傳感器、視覺、移動性、設計、控制、典型操作、推理和系統，並指出了亟待解決的難題。只有在這些方面取得突破，機器人應用和機器人技術才能更好地滿足社會的要求，成為開發人類智能的幫手。
今天，機器人的設計在模擬人類外部功能的各個方面都有了很大的進步。現在壹些科學家正在從生物工程的角度研究如何開發高保真仿真機器人。目前，機器人還遠遠不是那些能做各種家務、能努力工作、能讀懂主人心思的所謂“機器人仆人”。因為機器人的智能行為是由預先編好的程序決定的，機器人只會做人們希望它們做的事情。人的創造力、想法、聯想、即興甚至果斷都很難在機器人身上體現出來。讓機器人融入人類生活，似乎還是壹件很遙遠的事情。