對於壹個難題，可能需要大量的計算資源，也就是出現了“可能的組合爆炸”:當問題超過壹定規模時，計算機將需要天文數字的內存或計算時間。尋找更有效的算法是人工智能的優先研究項目。
人類解決問題的模式通常是最快捷、最直觀的判斷，而不是有意識、按部就班的推演。早期的人工智能研究通常采用逐步演繹的方法。人工智能的研究在這種“亞表象”的解題方法上取得了進展:物化智能體的研究強調了感知運動的重要性。神經網絡研究試圖通過模擬人類和動物的大腦結構來重現這種技能。本體將知識表示為領域內的壹組概念以及這些概念之間的關系。
主項:知識表示和常識知識庫主項:機器學習
機械學習的主要目的是從用戶那裏獲取知識，輸入數據，可以幫助解決更多的問題，減少錯誤，提高解決問題的效率。對於人工智能來說，機械學習從壹開始就是非常重要的。1956在最初的達特茅斯夏季會議上，Raymond Solomonov寫了壹篇關於無監督概率機械學習的文章:歸納推理的機器。主要項目:機器感知、計算機視覺和語音識別
機器感知是指利用傳感器(如攝像頭、麥克風、聲納等特殊傳感器)輸入的信息，進而推斷世界狀態的能力。計算機視覺可以分析圖像輸入。還有語音識別，人臉識別，物體識別。主項目:情感計算
KISMET，具有表達等社交能力的機器人。
情感和社交技能對於壹個聰明的特工來說非常重要。首先，通過了解他們的動機和情緒狀態，智能體可以預測他人的行動(這涉及到因素博弈論，決策理論，以及可以塑造人的情緒和情緒感知的檢測)。此外，為了良好的人機交互，智能代理還需要表現出情感。至少它必須顯得對人類很有禮貌。最起碼應該有壹個正常的心情。主要項目:電腦創意
人工智能的壹個子領域代表了由理論(從哲學和心理學的角度)和實踐(通過特定實現產生的系統的輸出是可以考慮的創造性想法，或者系統識別和評價創造力)定義的創造力。相關領域包括人工直覺和人工想象。(1)人工智能對自然科學的影響。在需要使用數學計算機工具解決問題的學科中，AI帶來的幫助不言而喻。更重要的是，AI反過來幫助人類最終理解自身智能的形成。
(2)人工智能對經濟的影響。專家系統更深入各行各業，帶來巨大的宏觀效益。人工智能也促進了計算機產業和網絡產業的發展。但同時也帶來了勞動力就業的問題。由於AI在科學、技術和工程領域的應用，它可以取代人類從事各種技術工作和腦力工作，這將引起社會結構的劇烈變化。
(3)人工智能對社會的影響。AI也為人類的文化生活提供了新的模式。現有的遊戲將逐漸發展成為更智能的互動文化娛樂手段。如今，人工智能在遊戲中的應用已經被各大遊戲廠商深度開發。隨著人工智能和智能機器人的發展，不得不討論人工智能本身是高級研究，需要用未來的眼光進行現代科學研究，因此很可能觸及倫理底線。作為科學研究中可能涉及的敏感問題，要盡早預防可能發生的沖突，而不是在矛盾無法解決的情況下試圖解決。