Mesterséges intelligencia módszerek
A rendszerirányítás főleg a nemfolytonos, szakaszosan változó rendszerek számára alkalmazza azokat a módszereket, amelyeket mesterséges intelligencia néven említenek. Ezek egyike a játékelmélet, amelynek a logikai következtetéseken és optimalizálási eljárásokon túl erős szubjektív, pszichológia által vizsgált tényezői is vannak. Ezeket a modell-reprezentációban általában valószínűségi becslésekkel kezelik.
A gyakorlat az intelligens rendszerekben elsősorban logikai modelleket épít. Ezeknek a logikáknak, tehát az ok-okozat jellegűeknek is a megfigyelések az alapjai, végsőnek tekintett okok itt alig szerepelnek. A logikai modellek másik alapformulája a választási-döntési elágazás, aminek szintén hasonló, ok-okozati következtetés és/vagy statisztikai, valószínűségi becslés az alapja.
A nagy adattömegek (Big Data) feldolgozási, összefüggés-keresési módszerei további lehetőségeket nyitottak az intelligens rendszerek számára.
Mindezek mellett egyre nagyobb szerepet kapnak azok az alakzatokhoz fűződő módszerek, amelyek a természet neurális kapcsolatait, hálózat-jelenségeit modellezik.
A módszerek felsorolásában többségében olyanok is szerepelnek, amilyenekről az előzőkben, a rendszerjellemzőkről és a rendszerirányításról már volt szó. Mindez mutatja, hogy a módszerek és szakmai specifikumok a rendszerekben, a valóságban egységben léteznek. Ez is indokolja a filozófiai megközelítést is és az ajánlatos óvatosságot a divatos megnevezések elemzésében és használatában.