Cách tiếp cận cổ điển đối với AI là thiết kế các hệ thống hợp lý khi chạy: chúng có các biểu diễn rõ ràng về niềm tin, mục tiêu và kế hoạch và chạy các thuật toán suy luận, trực tuyến, để lựa chọn các hành động. Cách tiếp cận hợp lý đã bị chỉ trích (bởi những người theo chủ nghĩa hành vi) và được sửa đổi (bởi những người theo chủ nghĩa xác suất) nhưng vẫn tồn tại dưới một hình thức nào đó. Gần đây hơn, các cách tiếp cận đầu cuối dựa trên dữ liệu tương đối phi cấu trúc đã chứng minh được thành công lớn trong nhiều lĩnh vực khác nhau và bắt đầu có vẻ như là một con đường hợp lý để tạo ra các tác nhân AI có mục đích chung.

Tuy nhiên, gần đây nhất, chúng ta đã bắt đầu thấy những giới hạn của việc học hành vi thuần túy và nhiều học viên đang tích hợp lại các hình thức tìm kiếm và lý luận rõ ràng vào phương pháp tiếp cận của họ.

Tôi sẽ xem xét lại cách tiếp cận tác nhân hợp lý đối với thiết kế robot thông minh, theo quan điểm về nỗ lực kỹ thuật, hiệu quả tính toán, mô hình nhận thức và khả năng hiểu. Tôi sẽ trình bày một số nghiên cứu hiện tại tập trung vào việc hiểu vai trò của việc học trong các tác nhân hợp lý thời gian chạy với mục đích cuối cùng là xây dựng robot thông minh cấp độ con người có mục đích chung.