Ces systèmes effectuent des tâches typiques de l'intelligence : apprentissage, raisonnement, résolution de problèmes, perception et prise de décision. Pour aller plus loin, l'apprentissage désigne la capacité d'un modèle à améliorer ses performances à partir de données, comme un réseau de neurones qui reconnaît progressivement des visages après des milliers d'observations. Le raisonnement permet de déduire de nouvelles informations à partir de connaissances acquises, à la manière dont un médecin établit un diagnostic en croisant plusieurs symptômes. La résolution de problèmes implique de naviguer dans des espaces de recherche complexes, par exemple en calculant le trajet le plus efficace pour un drone de livraison. La perception englobe l'interprétation du monde physique via des capteurs ou des flux numériques, comme la compréhension du langage naturel ou l'analyse d'images médicales. Enfin, la prise de décision consiste à choisir une action optimale parmi plusieurs options, souvent en équilibrant exploration et exploitation, comme dans un jeu d'échecs où le programme évalue des milliers de combinaisons possibles. Ensemble, ces mécanismes forment un écosystème cognitif artificiel qui permet aux machines de s'adapter, d'anticiper et d'interagir de manière autonome.