If you do not find what you're looking for, you can use more accurate words.
يمكن حل العديد من مشاكل الذكاء الاصطناعي من الناحية النظرية بالبحث الذكي في العديد من الحلول الممكنة: [346] يمكن أن يختزل التفكير المنطقي إلى إجراء البحث. على سبيل المثال، يمكن اعتبار الدليل المنطقي بحثا عن مسار ينطلق من افتراضات إلى نتائج، حيث كل خطوة هي تطبيق لقاعدة الاستدلال. تبحث الخوارزميات التخطيطية خلال تفريعات من الأهداف الرئيسية والفرعية، في محاولة لإيجاد الطريق إلى الهدف، وهي عملية تسمى تحليل الوسائل والغايات. تستخدم الخوارزميات الروبوتية محركات بحث محلية لتحريك الأطراف واستيعاب الأشياء في مساحة التكوين. العديد من خوارزميات التعلم تستخدم خوارزميات البحث على أساس قابلية التحسين.
أبحاث بسيطة شاملة نادرا ما تكون كافية لمعظم مشاكل العالم الحقيقي: فضاء البحث (عدد أماكن البحث) لتنمو بسرعة إلى أرقام فلكية. والنتيجة هي بحثا بطيئا للغاية أو بحثا لا ينجز أبدا. الحل بالنسبة لكثير من المشاكل، هو استخدام "الاستدلال" أو "قواعد التجربة" التي تقضي على الخيارات التي يستبعد أن تؤدي إلى الهدف (وهي تسمى "تشذيب شجرة البحث"). يوفر الاستدلال البرنامج بـ"أفضل تخمين" عن طريق الحل.
وهناك نوع مختلف جدا من البحث برز في التسعينيات، على أساس نظرية التحسين الرياضية. بالنسبة لكثير من المشاكل، من الممكن أن تبدأ عملية البحث بشكل ما من التكهن والتخمين، ثم يعدل التخمين تدريجيا حتى الوصول إلى الدرجة المثلى التي لا يمكن إجراء أي تحسينات بعدها. يمكن تصور هذه الخوارزميات كأنها أعمى يتسلق التلال: يبدأ البحث عند نقطة عشوائية على الساحة، وبعد ذلك، بعض القفزات أو الخطوات، ونستمر في تحريك تخمينا بصعود هذا التل، إلى أن نصل إلى القمة. من خوارزميات التحسين الأخرى: محاكاة الصلب، بحث الشعاع والتحسين العشوائي.
تستخدم المحاسبة التطورية شكل من أشكال البحث الأمثل. على سبيل المثال، قد تبدأ من الكائنات التي يبلغ عدد سكانها (التكهنات)، ثم السماح لهم بالتحور واعادة التكوين، واختيار الأصلح فقط للبقاء على قيد الحياة كل جيل (صقل التخمينات). أشكال التطور الحسابية تشمل خوارزميات الذكاء السربي (مثل مستعمرة النمل أو تحسين سرب الجسيمات) و الخوارزميات التطورية (مثل الخوارزميات الجينية) والبرمجة الجينية