​​人工智能中用到的逻辑主要分为基于符号推理的逻辑和基于数据驱动的逻辑两大类。​​

1. ​​基于符号推理的逻辑​​：这种逻辑主要依赖于逻辑和规则，通过符号操作来模拟人类的思维过程，常用于构建专家系统。其理论基础可追溯至亚里士多德的三段论及19世纪逻辑学家建立的符号系统，强调通过精确的符号和规则进行推理。例如，“男人都喜欢看美女，小明是男人，所以小明喜欢看美女”，就是基于这种逻辑。它有助于确保推理在一定前提条件下的严谨性和正确性，不过其局限性在于要求关于世界的认知必须正确，若前提有误，结论就可能出错。
2. ​​基于数据驱动的逻辑​​：侧重于从大量数据中学习规律和模式，通过统计方法和机器学习算法实现智能。它包括监督学习（通过已标记的训练数据预测新数据标签）、无监督学习（分析未标记数据发现潜在模式，如聚类算法K - means等，降维算法主成分分析等）和强化学习（智能体通过与环境交互试错并根据奖励机制学习**行为）。以机器学习算法为例，监督学习中的线性回归、决策树，无监督学习中的聚类和降维算法等，以及强化学习中智能体不断调整行为以最大化累积奖励的方式，都体现了基于数据驱动的逻辑在让计算机从数据中学习并做出预测或决策方面的应用，能让人工智能系统在处理复杂、不确定的实际情况时具备较强的适应性和泛化能力。
   基于符号推理的逻辑侧重于运用明确的符号和规则进行严谨推理，而基于数据驱动的逻辑着重从大量数据中学习规律来实现智能，二者在人工智能发展中均发挥着关键作用，各自适用于不同的场景和需求。