學習策略分類
學習策略是指學習過程中系統所採用的推理策略，一個學習系統總是由學習和環境兩部分組成。由環境(如書本或教師)提供信息，學習部分則實現信息轉換，用能夠理解的形式記憶下來，並從中獲取有用的信息。在學習過程中，學生(學習部分)使用的推理越少，他們對教師(環境)的依賴就越大，教師的負擔也就越重。學習策略的分類標準就是根據學生實現信息轉換所需的推理多少和難易程度來分類的，依從簡單到複雜，從少到多的次序分爲以下6種基本類型：
1)機械學習
學習者無須任何推理或其他的知識轉換，直接吸取環境所提供的信息，如塞繆爾的跳棋程序，紐厄爾和西蒙的LT系統。這類學習系統主要考慮的是如何索引存儲的知識並加以利用。系統的學習方法是直接通過事先編好、構造好的程序來學習，學習者不做任何工作，或者是通過直接接收既定的事實和數據進行學習，對輸入信息不做任何推理。
2)示教學習
學生從環境(教師或其他信息源如教科書等)獲取信息，把知識轉換成內部可使用的表示形式，並將新的知識和原有知識有機地結合爲一體。所以要求學生有一定程度的推理能力，但環境仍要做大量的工作。教師以某種形式提出和組織知識，以使學生擁有的知識可以不斷增加。這種學習方法和人類社會的學校教學方式相似，學習的任務就是建立一個系統，使它能接受教導和建議，並有效地存儲和應用學到的知識。目前，不少專家系統在建立知識庫時使用這種方法去實現知識獲取。
3)演繹學習
學生所用的推理形式爲演繹推理。推理從公理出發，經過邏輯變換推導出結論。這種推理是保真變換和特化的過程，使學生在推理過程中可以獲取有用的知識。這種學習方法包含宏操作學習、知識編輯和組塊技術，演繹推理的逆過程是歸納推理。
4)類比學習
利用兩個不同領域(源域、目標域)中的知識相似性，可以通過類比，從源域的知識(包括相似的特徵和其他性質)推導出目標域的相應知識，從而實現學習。類比學習系統可以使一個已有的計算機應用系統轉變爲適應於新的領域，來完成原先沒有設計的相類似的功能。
類比學習需要比上述3種學習方式更多的推理。它一般要求先從知識源(源域)中檢索出可用的知識，再將其轉換成新的形式，用到新的狀況(目標域)中去。類比學習在人類科學技術發展史上起着重要作用，許多科學發現就是通過類比得到的。例如，著名的盧瑟福類比就是通過將原子結構(目標域)同太陽系(源域)做類比，揭示了原子結構的奧祕。
5)基於解釋的學習
學生根據教師提供的目標概念、該概念的一個例子、領域理論及可操作準則，首先構造一個解釋來說明爲什麼該例子滿足目標概念，然後將解釋推廣爲目標概念的一個滿足可操作準則的充分條件。著名的基於解釋的學習系統有迪喬恩(QDeJong)的GENESIS，米切爾(T.Mitchell)的LEXII和LEAP，以及明頓(S. Minton)等的PRODIGY。
6)歸納學習
歸納學習是由教師或環境提供某概念的一些實例或反例，讓學生通過歸納推理得出該概念的一般描述。這種學習的推理工作量遠多於示教學習和演繹學習，因爲環境並不提供一般性概念描述(如公理)。從某種程度上說，歸納學習的推理量也比類比學習大，因爲沒有一個類似的概念可以作爲源概念加以取用。歸納學習是最基本的，發展也較爲成熟的學習方法，在人工智能領域中已經得到廣泛的研究和應用。