規(guī)劃

智能AGENT必須能夠制定目標(biāo)和實(shí)現(xiàn)這些目標(biāo)。他們需要一種方法來建立一個(gè)可預(yù)測(cè)的世界模型(將整個(gè)世界狀態(tài)用數(shù)學(xué)模型表現(xiàn)出來，并能預(yù)測(cè)它們的行為將如何改變這個(gè)世界)，這樣就可以選擇功效最大的行為。 

在傳統(tǒng)的規(guī)劃問題中，智能AGENT被假定它是世界中唯一具有影響力的，所以它要做出什么行為是已經(jīng)確定的。 但是，如果事實(shí)并非如此，它必須定期檢查世界模型的狀態(tài)是否和自己的預(yù)測(cè)相符合。如果不符合，它必須改變它的計(jì)劃。因此智能代理必須具有在不確定結(jié)果的狀態(tài)下推理的能力。 在多AGENT中，多個(gè)AGENT規(guī)劃以合作和競(jìng)爭(zhēng)的方式去完成一定的目標(biāo)，使用演化算法和群體智慧可以達(dá)成一個(gè)整體的突現(xiàn)行為目標(biāo)。

學(xué)習(xí)

主條目：機(jī)器學(xué)習(xí)機(jī)械學(xué)習(xí)的主要目的是為了從使用者和輸入數(shù)據(jù)等處獲得知識(shí)，從而可以幫助解決更多問題，減少錯(cuò)誤，提高解決問題的效率。對(duì)于人工智能來說，機(jī)械學(xué)習(xí)從一開始就很重要。

1956年，在最初的達(dá)特茅斯夏季會(huì)議上，雷蒙德索洛莫諾夫?qū)懥艘黄P(guān)于不監(jiān)視的概率性機(jī)械學(xué)習(xí)：一個(gè)歸納推理的機(jī)械。