人工智能领域是当今世界最活跃的领域之一。人类对于预测、理解、行动和决策的能力一直充满好奇。现在，可以通过人工智能这一通用领域来学习这一切，并创建智能实体。本文将简要介绍构建人工智能的四大基本策略。
要使程序表现得像人类，必须有一些衡量人类思维的方式。这包括分析大脑的运作、研究个体的行为以及自反思。完成这一心智理论后，可以形成精确的计算机程序。只要输入过程和结果类似于人类行为，该程序就可以应用于机器和人类。第一个成功的人工智能程序——通用问题求解器，由艾伦·纽厄尔和赫伯特·西蒙在1957年开发。在研究中，他们将计算机的推理步骤与解决类似问题的人类主体的推理步骤进行了比较。
认知科学领域结合了人工智能的计算机模型和心理学的实验，构建关于人类行为的精确、可测试的理论。然而，认知的研究必须基于实际的人类或动物实验。人工智能的早期充满了混乱：人们会争论一个算法是否是准确模拟人类表现的模型，因为它在特定任务上表现良好。在现代，科学家们区分了这两种类型的主张，使得认知科学和人工智能能够更迅速地发展。
亚里士多德是最早将正确的思考——即无可争议的推理——编码的哲学家之一。他的逻辑促进了总是产生有效判断的论证结构，只要给出适当的假设。研究这些思维法则导致了逻辑领域的创建，该领域研究大脑如何工作。在19世纪，逻辑学家设计了一种特定的符号来描述关于不同类型世界实体的陈述。人工智能中的逻辑主义实践旨在基于此类程序创建智能系统。这种方法中存在两个主要问题。
首先，将非正式知识形式化为逻辑符号并不简单，特别是当知识不是100%确定时。其次，理论解决问题和实践解决问题之间存在巨大差异。如果计算机没有指导哪些推理步骤应该首先尝试，它们在面对只有几百个事实的问题时可能会耗尽计算资源。
1950年，艾伦·图灵提出了图灵测试来操作性地定义智能。如果人类审问者在提出一些书面问题后，不能区分书面回答是来自人类还是计算机，那么计算机就通过了测试。为此，计算机应该具备自动推理、机器学习和知识表达的能力。图灵测试的目的是避免审问者和计算机之间的直接物理互动，因为人的物理模拟并不贡献于智能。然而，审问者可以通过视频信号测试受试者的感知能力，并在完整的图灵测试期间通过“舱口”传递物理对象。计算机感知和操纵对象的能力将需要计算机视觉，而其移动和操纵对象的能力将需要机器人技术。人工智能结合了这六个学科，图灵值得称赞的是设计了一个至今仍相关的测试。然而，人工智能研究人员很少关注通过图灵测试，他们认为研究智能的基本原理比复制一个例子更重要。
计算机代理必须执行多项任务：自主功能、感知周围环境、持久运行、适应变化和寻求目标。代理不过是行动的东西。理性代理旨在实现最佳结果，或者在不确定的情况下获得最佳预期结果。思维法则将人工智能视为一个做出正确推断的过程。准确做出假设的能力有时是成为理性代理的一部分。这是因为理性行为意味着逻辑上得出一个给定行动将实现目标的结论，然后相应地行动。
然而，正确的推断并不总是包含所有的理性；在某些情况下，没有可证明的正确方法进行，但仍需要采取行动。此外，理性行为并不总是基于推断。通常，通过反射动作从热炉子上退缩比采取更慢和更深思熟虑的行动更成功。图灵测试技能也使代理能够理性行动。知识表示和推理使良好的决策成为可能。
复杂的社会要求能够用自然语言产生可理解的句子。学习的目的不仅是提高知识，也是产生有效行为。与其他方法相比，理性代理有两个优势。正确的推断只是实现理性的几种可能机制之一，这使其比“思维法则”方法更通用。其次，它可以比基于人类行为和思维的方法更容易地科学发展。通过数学上定义理性标准并将其放入一般框架中，可以修改被证明是理性的代理设计。然而，人类行为适合特定环境，由人类所做的一切定义。由于复杂的计算需求，实现完美的理性并不总是可行的。