傳統方法通常將問題的所有知識用各種模型表達在壹個固定的程序中，在程序的指導下壹步壹步(逐項)進行問題的求解。解決問題的方法與馮·諾依曼計算機的結構是壹致的。目前的大型數據庫方法、數學模型方法、統計方法都是嚴格結構化的方法。
對於人工智能技術所要解決的問題，往往無法將所有的知識都體現在壹個固定的程序中。通常需要建立知識庫(包括事實和推理規則)，程序根據環境、給定的輸入信息和要解決的問題來決定自己的動作，所以是在環境模型指導下的推理過程。這種方法具有很大的靈活性、對話能力、自我解釋能力和學習能力。對於壹些條件和目標不明確或不完整(即不能很好地形式化和描述)的非結構化問題，該方法優於傳統方法。它通常采用啟發式和啟發式策略來解決問題。
人工智能程序和傳統程序的區別
在處理壹些簡單的問題時，傳統方法和人工智能使用的方法沒有區別。然而，在解決復雜問題時，人工智能方法不同於傳統方法。人工智能法:人工智能要解決的問題，不可能在壹個固定的程序中體現所有的知識。它想建立壹個知識庫(包括事實和推理規則)，程序根據環境、給定的輸入信息和要解決的問題來決定自己的動作，所以它是壹個在環境模型指導下的推理過程。這種方法具有很大的靈活性、對話能力、自我解釋能力和學習能力。這種方法比傳統方法更適合於解決壹些結構不良的問題。弱結構是指“X”和“Y”不清晰或不完整，即不能很好地形式化和描述。"--> "通過反復試驗。AI還沒有發展到完全解決這類問題的所有問題。這類問題就是AI研究要解決的問題。也希望在計算機硬件結構上有壹場革命，在馮諾依曼架構上有所突破。