人工智能是一门边缘学科，用来模拟人的思维，已经引起了许多学科的日益重视，并且有越来越多的实用意义，而且许多不同专业背景的科学家正在人工智能领域内获得一些新的思维和新的方法。作为一个计算机科学中涉及智能计算机系统的一个分支，这些系统呈现出与人类的智能行为有关的特性。
人工智能的主要领域包括问题求解、语言处理、自动定理证明、智能数据检索等领域。这些综合概念在自然语言处理、情报检索、自动程序设计、数学证明都有重要应用。人工智能的第一个大成就是发展了能够求解难题的下棋程序。在下棋程序中应用的其他技术也包括把困难的问题分成一些比较容易的子问题，发展成为搜索和问题规约这样的人工智能基本技术。今天的计算机程序更是能够达到击败人类的世界冠军的程度，已经展现了人工智能的威力。
问题求解及搜索是人工智能的一个大课题，它是指许多涉及规约、推断、规划和相关过程的核心概念。问题求解是一个非常模糊的课题，广义的说包含了全部计算机科学，这里我们仅仅讨论狭义的问题求解。在人们分析了人工智能研究中运用的问题求解方法后，发现许多方法都是通过试探搜索的方法来实现问题求解的。其中，难题和博弈问题提供了丰富的来源，下面以下国际象棋的问题为例子来分析以问题求解为代表的人工智能原理。
为了实现一个能够下棋的程序，我们采用状态空间的方法来解决问题。首先要为象棋建立一个数学模型，用一种或多种合适的数据结构来表示象棋。这样就有一个建立模型的逻辑问题，合适的逻辑将对后面的求解象棋问题起到重要的作用。一个比较简单的方法是：给不同的棋子赋予不同的权值，其中给“王”赋予超过其他棋子很多的权值，这样再确定一个目标函数，以减少对方的权值总和为目的，就可以获得一个比较简单的走法。当然如果这样的模型过于简单，效果也不会很好。在我们获得了一个数学上的模型之后，将问题分解成为用这模型能够理解的子问题。而求解象棋问题的过程就是一个试探搜索的过程，把象棋的规则和目标函数的可能运行方向结合起来，就可以指导下一个子的落子位置，也就是说获得了一个状态的集合。然后从这个状态集合的每个状态推导再下一步的状态集合，这样反复运行，就可以得到一个树型结构，在这个结构中运用一系列的规则和搜索技术，就可能确定一个合理的走法。很明显，如果状态空间的精度越高，属性结构的复杂度就越高。
从上面可以看出，类似上面这样的状态空间求解问题的主要技术包括状态的描述、描述目标状态和搜索策略。其中搜索策略模拟人的思维过程，是体现算法优劣的关键部分。主要的搜索策略包括有宽度优先的搜索、深度优先的搜索、启发式的搜索等。状态空间方法借助于现代计算机的强大的计算能力，尽可能地穷尽所有的可能的状态，是一个最多被应用的人工智能理论分支。
另一种不同于状态空间法的方法是问题规约的方法。在问题规约的方法中，问题描述或目标是其主要的数据结构。已知问题的描述，然后通过一系列的变换，把此问题最终变为一个子问题的集合；这些子问题的解可以直接得到，从而解决了初始的问题。比如著名的“梵塔问题”就是可以这样解决的一个问题。可见一个采用问题规约的问题表示可以有三个部分组成：一个初始问题的描述、一套把问题变成子问题的算符、一套本原问题的描述。
人工智能包含的领域非常广泛，问题的求解只是其中的一个重要方面。其他的方面包括比如谓词演算、规则演绎系统、机器人问题以及专家系统等一系列问题。人工智能作为一个复杂的边缘学科，正在有着越来越广阔的前景，随着新的数学理论的完善以及计算机新的硬件的出现，人工智能必将能够更好地模拟人的思维。