人類智力的優越性表現在人能思維、判斷和決策。思維是人類在感性認識的基礎上形成的理性認識，是通過分析和綜合過程來實現的，而人類思維中的分析綜合過程則產生了質變，在壹般的分析和綜合基礎上，產生了抽象和概括，比較和分類、系統化和具體化等壹系列新的、高級的、復雜的思維能力，在頭腦中運用概念作出判斷和推理。要使機器具有智能，就必須使其具有推理的功能。推理是由壹個或幾個判斷推出另壹個判斷的壹種思維形式，也即從已有事實推出新的事實的過程。在形式邏輯中，推理由前提(已知判斷)、結論(被推出的判斷)和推理形式(前提和結論之間的聯系方式)組成。
人類之所以能高效率地解決壹些復雜的問題，這除了擁有大量的專門知識外，還由於人具有合理選擇知識和運用知識的能力，也即推理能力和推理策略。以符號邏輯為基礎的人工智能，是以邏輯思維和推理為主要內容的。傳統的形式化推理技術，是以經典的謂詞邏輯也即演繹推理為基礎，廣泛應用於早期的問題求解和定理證明中，但隨著人工智能研究的不斷深入，人們在研究中碰到的許多復雜問題不能用嚴格的演繹推理來解決，因而對非單調邏輯推理等方式的研究正迅速發展起來，已成為人工智能的重要研究內容之壹．
感知問題
感知問題是人工智能的壹個經典研究課題，涉及神經生理學、視覺心理學、物理學、化學等學科領域，具體包括計算機視覺和聲音處理等。計算機視覺研究的是，如何對由視覺傳感器(如攝像機)獲得的外部世界的景物和信息進行分析和理解，也就是說如何使計算機“看見”周圍的東西。聲音處理則是研究如何使計算機“聽見”講話的聲音，對語音信息等進行分析和理解。感知問題的關鍵是必須把數量巨大的感知數據以壹種易於處理的精練的方式，進行簡練、有效的表征和描述。
對計算機視覺做出卓越貢獻的是馬爾(D．Marr)教授，他認為視覺是壹個復雜的信息處理過程，並有不同的信息表達方式和不同層次的處理過程，而最終的目的是實現計算機對外部世界的描述。由此，他提出了三十層次的研究方法，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，並明確指出了研究內容和研究目標．目前，計算機視覺已在圖像處理、立體與運動視覺、三維物體建模和識別等方面取得了很大的進展，但離建構壹個實用的計算機視覺系統還有很大的距離。
在2002年歲末，有關“智能人機交互”領域的重要研究內容之壹“面像識別技術”在我國取得了突破性進展，其穩定性、識別率等都達到了國際先進水平，初步達到了實用階段。面像識別技術使計算機“人性化”、“智能化”的水平大大提高。
探索
在下棋或思考問題或尋求迷宮出口時，人們總要探索解決問題的原理，這就需要對之進行專門的研究。探索是人工智能研究的核心內容之壹。早期的人工智能研究成果如通用問題求解系統、幾何定理證明、博弈等都是圍繞著如何進行有效的搜索，以獲得滿意的問題求解。探索是人工智能研究和應用的基本技術領域。
人工智能中的問題求解和通常的數值計算不同。人工智能的問題求解首先對壹個給定的問題進行描述，然後通過搜索推理以求得問題的解，而數值計算是通過程序設計的算法來實現數值的運算。人工智能問題求解的過程就是狀態空間中從初始狀態到目標狀態的探索推理的過程。探索的主要任務是確定如何選出壹個合適的操作規則。探索有兩種基本方式，壹種是盲目探索，即不考慮給定問題的具體知識，而根據事先確定的某種固定順序來調用操作規則。盲目探索技術主要有深度優先搜索、廣度優先搜索；另壹種是啟發式搜索，考慮問題可應用的知識，動態地優先調用操作規則，探索就會變得更快。
探索技術中重點是啟發式搜索。壹般地，對給定的問題有很多不同的表示方法，但它們對問題求解具有不同的效率。在許多的問題求解中，有很多與問題有關的信息可利用，使整個問題解決過程加快，這類與問題有關的信息稱為啟發信息，而利用啟發信息的探索就是啟發式探索。啟發式探索利用啟發信息評估解題路徑中有希望的節點進行排序，優先擴展最有希望的節點，以實現問題解決的最佳方案。
博弈
博弈，指賭博的學說，對抗的學問，起源於下棋。讓計算機學會下棋是人們使機器具有智能的最早嘗試。早在1956年，人工智能的先驅之壹 ——塞繆爾就研制出跳棋程序，這個程序能夠從棋譜中進行學習，並能從實戰中總結經驗。當時最轟動的壹條新聞是塞繆爾的跳棋程序下贏了美國壹個州的跳棋冠軍。不過，在隨後幾年與世界冠軍的較量中它沒能占到便宜。今天的個人計算機家用軟件上壹般都有跳棋程序、象棋程序、五子棋程序甚至是圍棋程序。即使妳選擇的是初級水平，要贏計算機壹盤棋還真不容易呢。
事實上，對於跳棋、象棋、五子棋以及圍棋等博弈遊戲，其過程完全可用壹棵博弈樹來表示，利用最基本的狀態空間搜索技術來找到壹條必勝的下棋路線。遺憾的是，這棵博弈樹往往大得驚人，特別是像象棋程序和圍棋程序。即使計算機的存儲空間能夠裝得下所有的狀態，花在搜索上的時間(也就是通常所謂朝前看幾步的時間)常常長得令人不能忍受。好在現在計算機的性能越來越高，存儲空間也越來越大，給人感覺上好像計算機的棋力提高了。另外，現有的計算機下棋程序建立在傳統的狀態空間搜索技術基礎上，通過—些啟發式算法對棋局中間狀態獲勝的可能性進行估計，並以此來決定下—步該怎麽走。這壹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—流下棋高手進壹步鋪平道路。
從20世紀50年代起，計算機與國際象棋高手、大師的比賽壹直是人們很感興趣的話題，計算機通過與高手的比賽來不斷改進程序，計算機界有人原以為計算機可以在80年代戰勝國際象棋冠軍，但實際時間卻有所推延。IBM公司壹直有開發博弈程序這樣壹個傳統，當年的塞繆爾就隸屬於IBM公司。90年代，IBM公司先後開發了多種高性能計算機及相應的下棋軟件，並把經過不斷改進的下棋程序和“深藍”計算機的矛頭直接對準當今國際象棋頭號高手——俄國人卡斯帕羅夫。在新聞媒體的推波助瀾之下，1997年5月在美國紐約，卡氏和“深藍”展開了令全球矚目的又壹輪人機大戰。前兩盤，雙方下成壹比壹平，之後，雙方連下三盤和棋，在關鍵性的第六盤比賽中，“深藍”計算機發揮出色，贏得了勝利，從而以“2勝3平1負”的總比分戰勝了對手，令全球觀眾嘩然；有人形容這是壹場“像人壹樣的機器和像機器壹樣的人之間的比賽”。雖然 “深藍”計算機取勝了，但是也不能說明人工智能取得了突破性的成就。正如卡氏所說，他們之間的較量是不公平的，“深藍”計算機掌握了他與別人下棋的大量棋譜，用到的仍然是狀態空間搜索、模式匹配等傳統的人工智能技術，只不過是計算機速度大幅度提高罷了。計算機取勝卡氏另外壹個重要的原因是除了計算機工程師之外，IBM公司還有壹幫深諳國際象棋規則和計算機知識的高手躲在“深藍”計算機後面幫助它出謀劃策，及時調整程序，如此壹來，卡氏豈有不輸的道理，輸棋只是時間早晚的問題。如果換壹種棋，比如說用計算機和人下圍棋，情況又會怎樣呢?目前計算機要戰勝圍棋壹流高手恐怕還有相當大的困難，這是因為圍棋的狀態空間又大了很多，又復雜了很多。
機器人學
機器人和機器人學是人工智能研究的另壹個重要的應用領域，促進了許多人工智能思想的發展，由它衍生而來的壹些技術可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，而且對於規劃如何產生動作序列以及監督規劃執行提供了較好的幫助。
機器人的應用範圍越來越廣，已開始走向第三產業，如商業中心、辦公室自動化等。目前機器人學的研究方向主要是研制智能機器人。智能機器人將極大地擴展機器人應用領域。智能機器人本身能夠認識工作環境、工作對象及其狀態，根據人給予的指令和自身的知識，獨立決定工作方式，由操作機構和移動機構實現任務，並能適應工作環境的變化。智能機器人只要告訴它做什麽，而不用告訴怎麽做。它***有四種基本功能，分別是：(1)運動功能，類似於人的手、臂和腿的基本功能，對外界環境施加作用。(2)感知功能，獲取外界信息的功能。(3)思維功能，求解問題的認識、判斷、推理的功能。(4)人機通信功能，理解指示，輸出內部狀態，與人進行信息交流的功能。智能機器人是以壹種“認知——適應”方式進行操作的。著名的機器人和人工智能專家布拉迪(Brady)曾總結了機器人學當前面臨的30個難題，包括傳感器、視覺、機動性、設計、控制、典型操作、推理和系統等幾個方面，指出了機器人學當前急需解決的難題。只有在這些方面有所突破，機器人應用和機器人學才能更適應社會的要求，成為開發人類智力的幫手。
今天，在仿真人各種外在功能的各個方面，機器人的設計都有很大的進展。現在有壹些科學家在研究如何從生物工程的角度去研制高逼真度的仿真機器人。目前的機器人離人們心目中的能夠做各種家務活，任勞任怨，並會揣摩主人心思的所謂“機器仆人”的目標還相去甚遠。因為機器人所表現的智能行為都是由人預先編好的程序決定的，機器人只會做人要他做的事。人的創造性、意念、聯想、隨機應變乃至當機立斷等都難以在機器人身上體現出來。要想使機器人融入人類的生活，看來還是比較遙遠的事情。