术语“问题解决”在有限的意义上用于人工智能。我们谈论的是基于搜索算法解决的定义明确的问题。
在计算机科学和处理算法的人工智能部分中，解决问题涉及算法、启发式和根本原因分析的方法。计算复杂性理论描述了解决问题所需的资源量（例如时间、内存、能量）。更一般地说，解决问题是一个更大的过程的一部分，包括问题定义、重复数据删除、分析、诊断、修复和其他步骤。
其他解决问题的工具是线性和非线性编程、排队系统和模拟。
许多计算机科学都涉及全自动系统的设计，这些系统稍后将解决一些问题——系统用于接受输入，并在合理的时间内计算正确答案或合理正确的近似值。

生产系统则由一组规则（有时称为生产内存）、一个决定何时应用每个规则的规则解释器以及一个包含数据、目标描述和聚合中的中间结果的工作内存组成确定问题的当前状态。通过生成规则来解析和转换的是工作内存中的数据结构。对规则的访问与当前数据同步，规则解释器管理每个循环中某些规则的选择和激活。
产品以及框架是 IS 中表示知识的最流行的方式。产生式一方面接近逻辑模型，可以对其组织有效的推理程序，另一方面更清楚地反映逻辑计算的知识特征，从而可以改变解释的生产要素。
生产系统高度符合模块化原则。软件实现中的任何产品都可以被视为一个独立的模块，将其添加到产品系统中以及从产品系统中移除几乎是无害的，并且在没有产品的后置条件对其他产品名称的引用的情况下，它是一般无害。
生产系统使组织并行流程变得容易，在这些流程中，成品正面中包含的所有产品都可以相互独立地执行。
生产模型现在广泛用于知识表示系统，并于 1972 年首次应用于 AIM。