Et kognitivt kort er oprindelig et begreb fra psykologien, der beskriver den mentale repræsentation, som mennesker eller dyr danner af deres omgivelser. I ledelse og AI refererer det også til grafiske modeller, der viser begreber som noder og deres årsag-virkning-forhold som vægtede pile, f.eks. »fuzzy cognitive maps«. Sådanne kort hjælper med at strukturere ekspertviden og udforske scenarier, f.eks. hvordan prisændringer påvirker efterspørgsel og lagerbeholdning.
Knowledge engineering omfatter indsamling, organisering og forberedelse af ekspertviden, så IT-systemer kan bruge den. Oprindeligt handlede det om regler til ekspertsystemer; i dag er det ofte vigtigst at dokumentere spredt viden fra manualer, procesbeskrivelser og folks hoveder, så AI-agenter kan svare pålideligt ud fra den. Det indebærer klare strukturer, opdaterede kilder, definerede ansvarsområder og lukning af identificerede huller.
Inden for datalogi er en ontologi en formel model af et fagområde, som entydigt definerer begreber, deres egenskaber og relationerne imellem dem. Det gør det muligt for mennesker og maskiner at fortolke data ensartet og drage slutninger ud fra dem. Ontologier ligger til grund for mange vidensgrafer, semantiske søgesystemer og dataintegrationsprojekter. Eksempel: en produktontologi fastslår, at en »elcykel« er en »cykel« og har et »batteri«.
Kausal inferens omfatter metoder til at udlede årsag-virkning-sammenhænge af data i stedet for blot at identificere korrelationer. Den besvarer spørgsmål som 'Hvad ville der være sket, hvis vi ikke havde gennemført denne foranstaltning?'. Redskaber omfatter randomiserede forsøg som A/B-test, kausalgrafer og statistiske teknikker til observationsdata. Eksempel: At undersøge, om en rabatkampagne faktisk øgede salget, eller om det under alle omstændigheder var steget af sæsonmæssige årsager.
Bayesianske netværk er grafiske modeller, der repræsenterer variabler som knuder og deres sandsynlighedsmæssige afhængigheder som rettede pile. Ved hjælp af Bayes' sætning viser de, hvordan nye observationer ændrer sandsynligheden for andre hændelser. Et eksempel er diagnosestøtte: at anslå den mest sandsynlige årsag ud fra observerede symptomer. Deres styrker er gennemsigtighed og evnen til at håndtere usikre eller ufuldstændige data.
