Obor umělá inteligence je slepencem řady témat a různorodých matematických / algoritmických nástrojů které se často v úspěšných technologiích dneška kombinují. Od začátku historie disciplíny spolu soupeří dva přístupy: 

• "neat" - metodiky s propracovaným matematickým aparátem, který dává jasné odpovědi na to, proč je za určitých podmínek daný postup nejlepší možný;
  
• "scruffy" - heuristicky odvozené / odzkoušené postupy, často založené na intuici a zkušenosti experimentátorů, které v praxi většinou fungují, aniž by bylo plně objasněno, proč.
  

Mnohá z probraných témat se dají řadit spíše do oblasti  "scruffy" (vyjma těch, která jsou postavená na logice). Z technik založených na logice a prohledávání jsme vynechali například automatické plánování a rozvrhování. 

Z toho, co se do přednášky nevešlo, je však zřejmě nejdůležitější téma zpracování neurčité informace. Statistické, pravděpodobnostní a fuzzy metody využívají svůj matematický aparát k práci s nepřesnými daty, k hledání přibližných řešení a maximalizaci jejich míry správnosti. Pro základní přehled odkazují názvy metod v textu výše na Wikipedii, kde je také řada dalších zdrojů a odkazů. Podstatný rozdíl mezi pravděpodobnostními a fuzzy přístupy je tento: 

• U pravděpodobnostních metod nějaký fakt X buďto platí nebo ne, ale v daný moment to nevíme jistě, pouze s určitou pravděpodobností. Dalším zjišťováním se dá eventuálně dojít až k jistotě.
  
• U fuzzy metod je daný fakt platný v určité míře (modrozelený odstín je do jisté míry zelený a do jisté modrý) a žádné zjišťování dalších faktů na tom nic nezmění.

Pro implementaci UI jsou zásadní také programovací jazyky umělé inteligence, z nichž alespoň některé jsou dostupné formou volitelných předmětů.