Το παρόν βιβλίο καλύπτει τον ευρύτερο τομέα της τεχνητής νοημοσύνης.

Τα κεφάλαια του βιβλίου εκτείνονται σε τρεις κατηγορίες:

1. Μέθοδοι συνεπαγωγικής συλλογιστικής:
Αυτές οι μέθοδοι ξεκινούν με προκαθορισμένες υποθέσεις και συλλογίζονται με αυτές προκειμένου να φτάσουν σε λογικώς ορθά συμπεράσματα.
Οι υποκείμενες μέθοδοι περιλαμβάνουν την αναζήτηση και τις βασιζόμενες στη λογική μεθόδους.
Οι μέθοδοι αυτές εξετάζονται στα Κεφάλαια 1 έως 5.

2. Μέθοδοι επαγωγικής μάθησης:
Αυτές οι μέθοδοι ξεκινούν με παραδείγματα και χρησιμοποιούν στατιστικές μεθόδους ώστε να φτάσουν σε υποθέσεις.
Παραδείγματα τους αποτελούν η μοντελοποίηση παλινδρόμησης, οι μηχανές διανυσμάτων υποστήριξης, τα νευρωνικά δίκτυα, η ενισχυτική μάθηση, η μη επιτηρούμενη μάθηση και τα πιθανοτικά γραφικά μοντέλα.
Οι μέθοδοι αυτές συζητούνται στα Κεφάλαια 6 έως 11.

3. Συνδυασμός συλλογιστικής και μάθησης:
Τα Κεφάλαια 12 και 13 εξετάζουν μεθόδους συνδυασμού της συλλογιστικής και της μάθησης.
Στα παραδείγματα συμπεριλαμβάνονται η χρήση γράφων γνώσης και νευροσυμβολικής τεχνητής νοημοσύνης.

Το βιβλίο απευθύνεται σε φοιτητές, ερευνητές και επαγγελματίες. Στο τέλος κάθε κεφαλαίου υπάρχουν πολυάριθμες ασκήσεις ως βοηθήματα για τη διδασκαλία στην τάξη. Όπου αυτό είναι δυνατό, δίνεται έμφαση στη θεώρηση με επίκεντρο τις εφαρμογές προκειμένου να γίνουν κατανοητές οι πρακτικές χρήσεις κάθε κατηγορίας μεθόδων.