規劃

智能AGENT必須能夠制定目標和實現這些目標。他們需要一種方法來建立一個可預測的世界模型(將整個世界狀態用數學模型表現出來，并能預測它們的行為將如何改變這個世界)，這樣就可以選擇功效最大的行為。 

在傳統的規劃問題中，智能AGENT被假定它是世界中唯一具有影響力的，所以它要做出什么行為是已經確定的。 但是，如果事實并非如此，它必須定期檢查世界模型的狀態是否和自己的預測相符合。如果不符合，它必須改變它的計劃。因此智能代理必須具有在不確定結果的狀態下推理的能力。 在多AGENT中，多個AGENT規劃以合作和競爭的方式去完成一定的目標，使用演化算法和群體智慧可以達成一個整體的突現行為目標。

學習

主條目：機器學習機械學習的主要目的是為了從使用者和輸入數據等處獲得知識，從而可以幫助解決更多問題，減少錯誤，提高解決問題的效率。對于人工智能來說，機械學習從一開始就很重要。

1956年，在最初的達特茅斯夏季會議上，雷蒙德索洛莫諾夫寫了一篇關于不監視的概率性機械學習：一個歸納推理的機械。