随着基于知识的人工智能研究人员的成长，他们寻求更丰富，更精确的方法来捕捉知识。数学逻辑是一个明显的候选人。
数学逻辑是为了理解推理而开发的，并且对此非常有效。在AI中，我们的想法是逻辑会给表示和使用知识的过程带来数学上的严谨性。希望智能决策可以简化为纯粹的逻辑推理。逻辑AI的精神被一种名为PROLOG的流行编程语言所捕获。在PROLOG中，程序员以简单的逻辑形式表达他们的目标和他们对问题的了解，并且计算机试图使用逻辑推理来解决问题。
但很快，人工智能的逻辑方法遇到了许多困难。一个臭名昭着的问题是“常识推理”：
你被告知Tweetie是一只鸟。你得出结论，Tweetie可以飞。后来，你被告知Tweetie是一只企鹅，所以你收回你的结论。
数学中使用的逻辑类型无法应对这种看似微不足道的情景，因为它不是为了收回结论而设计的。而且，逻辑推理结果很难实现自动化。更一般地说，逻辑推理对于许多任务来说是不合适的 – 例如，驾驶汽车似乎并不需要太多的逻辑演绎。