人工智能的核心方法主要包括以下四类：

1. 机器学习（Machine Learning）

   通过数据自动学习模式与规律，实现预测或决策。其核心在于从海量数据中提取有价值信息，包括监督学习（基于标签数据训练）、无监督学习（探索未标注数据）、半监督学习（结合两者）和强化学习（通过反馈优化行为）。

2. 深度学习（Deep Learning）

   机器学习的重要分支，采用多层神经网络模拟人脑结构，通过反向传播训练模型。深度学习在图像识别、语音识别、自然语言处理等领域表现突出。

3. 搜索算法（Search Algorithms）

   用于解决复杂问题，包括广度优先搜索、深度优先搜索和启发式搜索。启发式搜索通过智能策略加速最优解的探索，适用于路径规划、游戏AI等场景。

4. 知识表示与推理（Knowledge Representation & Reasoning）

   以一阶逻辑等工具描述现实世界知识，支持计算机进行推理与决策。例如，通过已知事实推导新结论，实现智能问答、专家系统等功能。

总结 ：人工智能的核心方法围绕数据驱动的学习、智能搜索与知识推理展开，其中机器学习和深度学习是实现智能化的关键驱动力，而搜索算法与知识表示则为复杂问题解决提供基础支持。