1. 模仿人类推理：早期的人工智能研究主要模仿人类的逐步推理过程，类似于棋盘游戏中的思考方式。这种方法在1980和1990年代得到了扩展，利用概率和经济学概念来处理不确定和 incomplete 的信息。
2. 算法优化：随着问题规模的增长，可能出现组合爆炸，需要大量的计算资源。因此，研究重点转向更有效的算法，以优化人工智能的性能。
3. 次表征性解决方案：人工智能研究开始采用实体化的代理人和神经网络，模拟人类和动物的大脑结构，强调感知和运动的重要性。
4. 知识表示和常识：智能Agent需要制定目标和计划，因此需要一种方法来建立可预测的世界模型。此外，多Agent规划采用合作和竞争来完成目标，利用演化算法和群体智慧实现整体行为。
5. 机器学习：机器学习是人工智能的一个重要分支，涉及自然语言处理、运动和控制、知觉、社交等方面。
6. 情感计算：情感和社交技能对于智慧代理人至关重要。代理人需要了解他人的动机和情感状态，以预测其行为，并通过表现出适当的情感来良好地与人互动。
7. 创造力和多元智能：人工智能领域还包括创造力的研究和实现，目标是创建具有多元智能的系统，能够超越人类的能力。
8. 人工智能的定义：人工智能的定义包括机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。目前对人工智能的理解主要分为弱人工智能和强人工智能。
9. 强人工智能与弱人工智能：强人工智能认为可以制造出具有真正推理和解决问题能力的智能机器，而弱人工智能则认为这些机器只是看起来像是有智能，实际上并不具备真正的智能。
10. 哲学争论：关于强人工智能的争论涉及机器是否能够真正理解其处理的数据。一些哲学家认为，即使机器通过了图灵测试，也不一定说明它真的具有思维和意识。