人工智能逻辑是指用逻辑方法和逻辑成果研究智能主体如何处理知识的理论。人工智能逻辑的研究对象与人工智能研究的对象不同，人工智能逻辑不研究智能主体如何从外部获得知识。
人工智能逻辑的产生来源于人们在计算机中实现知识处理的探索。为此必须建立实现知识处理的形式理论。至少在基础研究或者在理论重建的层面上，利用现代逻辑的种种方法和成果来建立上述形式理论成为必要。
处理知识又称知识处理，内容主要包括知识表示、知识反思、知识修正、知识推理。知识推理除了传统意义上的演绎推理、归纳推理和类比推理，还包括常识推理。常识推理是人类日常生活中获取新知识的最重要手段之一，具有非单调性和信息不完备性。人工智能逻辑即重点在研究常识推理的形式化及刻画。
经过多年发展人工智能逻辑发展了许多种类，比较完善的有缺省逻辑、非单调模态逻辑、限定逻辑等！此外，还有一些讨论相似问题，并且在形式上与上述逻辑密切相关的逻辑，如正常条件句逻辑、相信修正逻辑、认知逻辑。还有一些讨论类似问题，但在形式上与上述逻辑的关系更为松散的理论。例如逻辑编程理论、相信修正理论。上述分类并不十分严格，例如逻辑编程理论可以嵌入非单调模态逻辑。由此也可看出人工智能逻辑是一类严格意义上的逻辑和一类不严格意义上的逻辑的混合。
最早研究人工智能逻辑的是约翰·麦卡锡，他提出采用逻辑方法来形式化人工智能需要解决的问题。
案例推论，以过去解决的类似问题的案例来寻求解决当前新问题的推论方法，常指用“类比推理”的方法进行机器学习解决问题的过程。
应用于：失败预测、失败分析、计划等领域，也在电子商务、个性化服务、重设计中使用。
案例推论，以过去解决的类似问题的案例来寻求解决当前新问题的推论方法，常指用“类比推理”的方法进行机器学习解决问题的过程。
应用于：失败预测、失败分析、计划等领域，也在电子商务、个性化服务、重设计中使用。
Mini wiki
