Klasik Yapay Zeka (AI) alanı, 1950'lerde nörobilimden beyin anlayışı, bilgi teorisinin yeni matematiği, sibernetik olarak anılan kontrol teorisi ve dijital bilgisayarın şafağından yararlanarak birleşti. AI, genellikle akıllıca çalışan veya hareket eden sistemlerin geliştirilmesi ve araştırılmasıyla ilgilenen disiplinler arası bir araştırma alanıdır. Hesaplamaya güçlü bir şekilde odaklanıldığı için bilgisayar bilimi alanında bir disiplin olarak kabul edilir. Russell ve Norvig, Yapay Zekayı dört kategoride tanımlayan bir bakış açısı sunar:

1. insanlar gibi düşünen sistemler,
2. insanlar gibi hareket eden sistemler,
3.  rasyonel düşünen sistemler,
4. rasyonel hareket eden sistemler.

Tanımlarında, bir insan gibi davranmak, bir sistemin insanların yapabileceği bazı belirli şeyleri yapabileceğini öne sürüyor; buna

• Turing testi,
• doğal dil işleme,
• otomatik akıl yürütme,
• bilgi temsili,
• makine öğrenimi,
• bilgisayar görüşü ve robotik gibi alanlar dahildir.

Bir insan gibi düşünmek, insanların bilişsel bilgi işleme özelliklerini modelleyen sistemler önerir; örneğin, genel bir problem çözücü ve kendi dünyalarının dahili modellerini oluşturan sistemler.

Rasyonel olarak düşünmek, rasyonalizm yasalarını ve tasımlar ve biçimsel mantık gibi yapılandırılmış düşünceyi önerir. Son olarak, rasyonel davranmak, beklenen fayda maksimizasyonu ve rasyonel ajanlar gibi rasyonel şeyler yapan sistemleri önerir. Luger ve Stubblefield, AI'nın bilgisayar biliminin zekanın otomasyonu ile ilgili bir alt alanı olduğunu ve bilgisayar biliminin diğer alt alanları gibi hem teorik kaygıları (sistemler nasıl ve neden çalışır?) hem de uygulama kaygıları (sistemler nerede ve ne zaman kullanılabilir?). Araştırmaya güçlü bir ampirik odaklanma öneriyorlar, çünkü matematiksel analiz için güçlü bir istek olsa da, sistemlerin kendileri karmaşıklıkları göz önüne alındığında analize meydan okuyor. Yapay zekada incelenen makineler ve yazılımlar kara kutular değildir, bunun yerine analiz, sistemin çevreleriyle etkileşimlerini gözlemleyerek ilerler ve ardından yapısını davranışıyla ilişkilendirmek için sistemin dahili bir değerlendirmesi yapılır. Bu nedenle Yapay Zeka, zeka ve zeka davranışının altında yatan mekanizmaları araştırmakla ilgilenir. Yapay zekayı tasarlamaya ve araştırmaya yönelik geleneksel yaklaşım (sözde "eski moda" yapay zeka), bu mekanizmalar için sembolik bir temel kullanmak olmuştur. Tarihsel olarak karmakarışık yapay zeka veya yumuşak bilgi işlem olarak adlandırılan daha yeni bir yaklaşım, bu mekanizmaları biyolojik veya doğal süreçlerden sonra biçimlendirmek yerine mutlaka sembolik bir temel kullanmaz. Bu, sembolik bilgi temsillerinden adaptasyon ve öğrenmeye yönelik çıkarım stratejilerine yönelik modern bir paradigma değişimini temsil eder ve yapay zekaya yönelik temiz ve dağınık yaklaşımlar olarak adlandırılır. Düzgün felsefe, neden çalıştıklarını açıklayabilen resmi sembolik zeka modelleriyle ilgilenirken, karmakarışık felsefe nasıl çalıştıklarını açıklayan akıllı stratejilerle ilgilenir.

Düzgün(Neat) Yapay Zeka:
Geleneksel yapay zeka akışı, en önemlisi sistemlerin neden çalıştığını açıklayabilen genellikle sembolik temsilleri ve mantıksal süreçleri içeren yukarıdan aşağıya bir problem çözme perspektifiyle ilgilidir. Kural tabanlı uzman sistemler, otomatik teorem kanıtlayıcılar ve modern planlama ve çizelgeleme yazılımlarının temelini oluşturan yöneylem araştırması teknikleri gibi çok sayıda uzman yaklaşımı içerir. Geleneksel yaklaşımlar önemli başarılarla sonuçlanmış olsa da, en önemlisi ölçeklenebilirlik olmak üzere sınırları vardır. Problem boyutundaki artışlar, bu tür problemlerin karmaşıklığında yönetilemeyen bir artışa neden olur; bu, geleneksel tekniklerin optimal, kesin veya doğru bir çözümü garanti etmesine rağmen, gereken hesaplama yürütme süresinin veya hesaplama belleğinin zor olabileceği anlamına gelir.

Dağınık(Scruffy) Yapay Zeka:
Yapay zeka alanında, sorunlara makul bir kaynak maliyetiyle yaklaşık, kesin olmayan veya kısmen doğru çözümler bulabilen daha az net tekniklere doğru bir dizi hamle olmuştur. Bu tür yaklaşımlar tipik olarak kuralcı olmaktan çok tanımlayıcıdır, bir çözüme ulaşmak için bir süreci (nasıl) açıklar, ancak neden işe yaradıklarını açıklamaz (daha düzenli yaklaşımlar gibi). Dağınık yapay zeka yaklaşımları, geleneksel indirgemeci analizlere meydan okuyabilen karmaşık, ortaya çıkan ve kendi kendini organize eden davranışlarla sonuçlanan nispeten basit prosedürler olarak tanımlanır ve bunların etkileri, zorlu sorunlara yaklaşık çözümleri hızlı bir şekilde bulmak için kullanılabilir. Bu tür tekniklerin ortak bir özelliği, kesin yaklaşımların bazen daha kırılgan determinizminin aksine, sağlam olasılıksal ve stokastik karar vermeyle sonuçlanan süreçlerine rastgeleliğin dahil edilmesidir. Diğer bir önemli ortak özellik, problem çözme, genelleme çözümleri veya sistem tarafından yapılan belirli gözlem kümelerinden alınan kararlar için tümdengelim yerine tümevarımsal bir yaklaşımın benimsenmesidir.