Les différentes approches de l'intelligence artificielle peuvent être classées en trois groupes distincts: la simulation du cerveau, symbolique et sub-symbolique et statistique. Les approches symboliques et sub-symboliques peuvent être classées dans leur propre groupe: simulation cognitive, fondée sur la logique et l'intelligence basée sur la connaissance automne intelligence dans l'approche symbolique, alors que les théories de renseignement de bas en haut et de calcul sont identifiées comme sous-symbolique de l'intelligence artificielle approches. Années de progrès dans la recherche et l'application de ces théories a conduit à la formation d'approches intégrées, combinant les principes de plusieurs écoles de pensée afin de générer plus sophistiqués intelligence artificielle (IA) des systèmes.
AI premier développement frappé les grandes avancées de développement dans les années 1940. En utilisant les principes de la neurologie, de la cybernétique et des théories de base de traitement cognitif, les chercheurs ont réussi à construire des robots avec des niveaux primitifs de l'intelligence basée sur la simulation du cerveau, ce qui permet d'éviter certains obstacles grâce à la détection sensorielle. L'avancement limitée entre les années 1940 et 1960, cependant, conduit à l'abandon de ce modèle, les chercheurs choisissent de développer d'autres approches les plus prometteuses de l'intelligence artificielle.
Dans les années 1950 à la mi-années 1960, les chercheurs en IA tenté de simplifier l'intelligence humaine dans la manipulation des symboles, croyant que la capacité des humains à apprendre et à s'adapter aux objets dans leur environnement tourne autour de l'interprétation et la réinterprétation des objets comme des symboles de base. Une chaise, par exemple, pourrait être simplifiée en un symbole en le définissant comme un objet pour s'asseoir. Ce symbole peut alors être manipulé et projetée sur d'autres objets. Les chercheurs ont réussi à créer un certain nombre d'approches flexibles et dynamiques de l'intelligence artificielle en intégrant cette approche symbolique dans le développement de l'IA.
La possibilité de simuler les différentes approches cognitives de la pensée symbolique a permis aux développeurs de créer AI intelligence fondée sur la logique et fondée sur la connaissance. L'approche fondée sur la logique travaille sur les principes fondamentaux de la pensée logique, porté presque entièrement sur la résolution de problèmes plutôt que de la capacité de penser réplication de type humain. Logique a finalement été contrebalancée par "débraillé" logique, qui a pris en compte le fait que des solutions peuvent être trouvées en dehors d'un algorithme de logique donnée. Basée sur la connaissance de renseignement, d'autre part, a profité de la capacité d'un ordinateur pour stocker, traiter, et de rappeler grandes quantités de données pour fournir des solutions aux problèmes.
L'intérêt pour la simulation du cerveau a été relancé dans les années 1980 après l'avancement de l'intelligence symbolique ralenti. Cela a conduit à la création de sous-systèmes symboliques, les approches d'intelligence artificielle qui tournaient autour de combiner la pensée avec le plus d'intelligence de base nécessaires pour le mouvement et l'auto-préservation. Ce modèle a permis de relier l'environnement autour d'eux pour les données dans la mémoire de leurs magasins. L'approche statistique mis au point dans les années 1990 a contribué à ongles à la fois les approches symboliques et sub-symbolique de l'intelligence artificielle à l'aide d'algorithmes sophistiqués de mathématiques pour déterminer la ligne de conduite la plus susceptible d'entraîner le succès de la machine. Recherche aborde souvent le développement AI en utilisant les principes de toutes les approches.