Pendekatan kecerdasan buatan yang berbeda dapat diklasifikasikan ke dalam tiga kelompok berbeda: simulasi otak, simbolik dan sub-simbolik, dan statistik. Pendekatan simbolik dan sub-simbolis dapat diklasifikasikan lebih lanjut ke dalam kelompok mereka sendiri: simulasi kognitif, kecerdasan berbasis logika dan kecerdasan berbasis pengetahuan termasuk dalam pendekatan simbolik, sedangkan teori kecerdasan bottom-up dan komputasi diidentifikasi sebagai kecerdasan buatan sub-simbolis. pendekatan. Kemajuan bertahun-tahun dalam penelitian dan penerapan teori-teori ini telah mengarah pada pembentukan pendekatan terintegrasi, menggabungkan prinsip-prinsip dari berbagai aliran pemikiran untuk menghasilkan sistem kecerdasan buatan (AI) yang lebih canggih.
Pengembangan AI pertama kali mencapai langkah perkembangan besar selama tahun 1940-an. Dengan memanfaatkan prinsip-prinsip dari neurologi, sibernetika, dan teori pemrosesan kognitif dasar, para peneliti dapat membangun robot dengan tingkat kecerdasan primitif berdasarkan simulasi otak, yang memungkinkan penghindaran rintangan tertentu melalui deteksi sensorik. Kemajuan terbatas antara tahun 1940-an dan 1960-an, bagaimanapun, menyebabkan ditinggalkannya paradigma ini, dengan para peneliti memilih untuk mengembangkan pendekatan kecerdasan buatan lain yang lebih menjanjikan.
Pada pertengahan 1950-an hingga awal 1960-an, peneliti AI berusaha menyederhanakan kecerdasan manusia menjadi manipulasi simbol, percaya bahwa kemampuan manusia untuk belajar dan beradaptasi dengan objek di lingkungan mereka berkisar pada interpretasi dan reinterpretasi objek sebagai simbol dasar. Kursi, misalnya, dapat disederhanakan menjadi simbol yang mendefinisikannya sebagai objek untuk diduduki. Simbol ini kemudian dapat dimanipulasi dan diproyeksikan ke objek lain. Para peneliti mampu menciptakan sejumlah pendekatan kecerdasan buatan yang fleksibel dan dinamis dengan memasukkan pendekatan simbolis ini ke dalam pengembangan AI.
Kemampuan untuk mensimulasikan pendekatan kognitif yang berbeda untuk pemikiran simbolis memungkinkan pengembang AI untuk membuat kecerdasan berbasis logika dan berbasis pengetahuan. Pendekatan berbasis logika bekerja pada prinsip-prinsip yang mendasari pemikiran logis, berfokus hampir seluruhnya pada pemecahan masalah daripada mereplikasi kemampuan berpikir seperti manusia. Logika akhirnya diimbangi oleh logika “berantakan”, yang memperhitungkan fakta bahwa solusi dapat ditemukan di luar algoritma logis yang diberikan. Kecerdasan berbasis pengetahuan, di sisi lain, mengambil keuntungan dari kemampuan komputer untuk menyimpan, memproses, dan mengingat sejumlah besar data untuk memberikan solusi untuk masalah.
Ketertarikan pada simulasi otak dihidupkan kembali pada 1980-an setelah kemajuan dalam kecerdasan simbolik melambat. Ini mengarah pada penciptaan sistem sub-simbolis, pendekatan kecerdasan buatan yang berkisar menggabungkan pemikiran dengan kecerdasan yang lebih mendasar yang diperlukan untuk gerakan dan pelestarian diri. Ini memungkinkan model untuk menghubungkan lingkungan di sekitar mereka dengan data di penyimpanan memori mereka. Pendekatan statistik yang dikembangkan pada 1990-an membantu memoles pendekatan kecerdasan buatan simbolik dan sub-simbolis dengan menggunakan algoritma matematika yang canggih untuk menentukan tindakan yang paling mungkin menghasilkan kesuksesan mesin. Penelitian sering kali menangani pengembangan AI menggunakan prinsip-prinsip dari semua pendekatan.