[labot šo sadaļu | labot pirmkodu]

Pēc problēmas risināšanas pieejas mākslīgo intelektu iedala konvenciālajos MI un skaitļošanas intelektā.

Konvenciālais MI (Conventional AI) aptver metodes, kuras tagad klasificē kā mašīnapmācību, ko raksturo formālisms un statistiskā analīze. Tas ir pazīstams arī kā simboliskais MI, loģiskais MI. Galvenās metodes:

• Ekspertsistēmas — sistēmas, balstītas uz zināšanām;

• Case based reasoning — uz analoģiskiem gadījumiem balstīta spriešana;

• Beiesa tīkli — uz varbūtībām balstīti tīkli;

• Uz uzvedību balstīti MI (Behavior based AI) — modulāra pieeja, kas sastāv no autonomām uzvedības programmām, kuras palaiž atkarībā no vides izmaiņām.

Skaitļošanas intelekts (Computational Intelligence — CI) ietver iteratīvo attīstību vai mācīšanos. Mācīšanās balstīta uz empīriskiem datiem un tiek saistīta ar nesimbolisko MI. Metodes:

• Neironu tīkli — balstīti uz struktūrām, kas līdzīgas cilvēka smadzenēm; sistēmas ar ļoti lielām tēlu pazīšanas spējām;

• Izplūdušās sistēmas (Fuzzy systems) — tehnika spriešanai nenoteiktības apstākļos, plaši izmanto mūsdienu ražošanas un patērētāju kontroles sistēmās;

• Evolucionārā skaitļošana — izmanto bioloģijā pielietotas koncepcijas, tādas kā populācija, mutācija un dabiskā atlase, lai atrastu labākos problēmas risinājumus. Šīs metodes iedala:

  • Evolucionārajos algoritmos (piemēram, ģenētiskais algoritms);

  • Spieta algoritmos (piemēram, skudru algoritms).

Hibrīdās intelekta sistēmas ir mēģinājums kombinēt šīs abas grupas