人工智能系统的两个最基本概念是：符号系统和信息加工过程 。最早的符号加工的设想 ，即所谓
图灵机 ，出现于1936年。但真正的智能模拟尝试则是电子计算机发明之后 。50年代中期，美国人工智能先驱、计算机学家 A.纽厄尔、J.C.肖和 H.A.西蒙于 1956 年合作第一次用计算机模仿人的思维活动来解决复杂的问题。他们创始了启发式程序，避免了庞大数量的推理步骤。这种符号信息加工是以数理逻辑中的产生式为理论基础的。专家系统和知识工程中的知识表示和推理规则，大多数都是用产生式的形式写的。符号信息加工理论假设脑有一些基本信息加工器，它们有记录、测检、比较、选择或取消某个符号的功能。至于这些加工器是以怎样的结构和形式进行活动的，却未予说明。因此，符号信息加工理论的倡导者承认心理活动的低级水平(如视觉)是平行加工的，但对高级水平的心理活动(如思维、推理)能否平行加工则表示怀疑。日本设想其第五代计算机依靠大规模集成电路、极大的知识库、高速度的逻辑推理和对自然语言及图像的理解能力，达到使计算机具有智能的目的。美国的科学家认识到，智能的奥秘必须由多学科进行综合研究，包括心理学、语言学和人工智能的综合研究，称为认知科学。1985年D.E.鲁梅哈特等提出了一个多层次的非线性网络模型：这种网络有自学习、自组织、自适应能力，大大增强了信息处理、模式识别、建立专家系统的能力。这一模型称为平行分布加工。这种理论远比符号信息处理或知觉机的理论更接近于人的智能活动 。平行分布加工网络模型奠定了认知科学的理论基础，而认知科学又提高了人工智能的研究水平。
