Metoda gradientu prostego pozwala stopniowo poprawiać parametry rozwiązania i stanowi podstawę treningu sieci neuronowych, natomiast obliczenia ewolucyjne, w tym algorytmy genetyczne, udoskonalają populację kandydujących rozwiązań w drodze mutacji i selekcji, a symulowane wyżarzanie dopuszcza okresowe pogorszenie rozwiązania, dzięki czemu unika utknięcia w optimach lokalnych.
Logika i reprezentacja wiedzy Podejście symboliczne wykorzystuje logikę formalną do zapisu wiedzy i wnioskowania. Rachunek zdań i logika pierwszego rzędu pozwalają zapisywać fakty oraz relacje między obiektami, a automatyczne dowodzenie twierdzeń umożliwia wyprowadzanie z nich nowych wniosków. Reprezentacja wiedzy obejmuje budowę ontologii i baz wiedzy, z których korzystają systemy ekspertowe. Logika rozmyta dopuszcza stopniowanie prawdziwości zdań, co pozwala modelować pojęcia nieostre, a umożliwiają wycofywanie wniosków w świetle nowych informacji.