人工智能小组在人工智能的领域进行研究。该小组对智能交互，多智能体系统，自然语言理解，约束规划，计算视觉，决策理论规划和学习以及机器学习等模型有着浓厚的兴趣。
· 智能用户界面。集成自然语言处理模型和用户模型，以产生更有效的人机交互。这包括设计允许混合主动交互的界面。应用领域包括界面代理，电子商务和推荐系统。
· 多代理系统。研究计算限制如何影响多智能体系统中的战略行为，以及开发克服机制设计和博弈论实际应用中出现的计算问题的方法。设计协作问题解决代理系统，重点是多代理系统应用程序的通信和协调问题，以设计有效的电子市场和可调节的自治系统。在多代理系统中建立信任，声誉和激励，包括使用社交网络。
· 自然语言处理：探索统计和语言技术，自动分析自然文本，合成文档集群，从非结构化文档中检索信息，以及计算修辞的方法和软件工具的开发。应用领域包括个性化移动健康和网络分析。
· 约束编程。通过强调建模和使用约束传播的通用搜索算法的应用来研究解决困难组合问题的方法。当前的项目包括指令调度，全局约束的约束传播器，以及应用机器学习技术来设计启发式。
· 计算愿景。基于贝叶斯推理，偏好规则和定性概率开发感知计算理论，并将这些方法应用于对象识别，运动估计和学习中的问题。其他工作包括场景动态的计算感知，应用于事件识别，人机交互和机器人，图像运动的分析和分类，特别是在密集的场景中，以及在辅助技术中应用于自然环境中的人类行为的识别。
· 决策理论规划和学习。设计用于优化不确定环境中的一系列动作的算法。重点是概率和决策理论技术，如（完全和部分可观察的）马尔可夫决策过程以及强化学习。应用包括为身体和认知残疾人士以及口语对话系统提供辅助技术。
· 机器学习。机器学习是学术研究和商业应用中快速增长的主题。它解决了计算机如何“学习”的问题，即如何从大规模数据集中自动得出有用结论的过程。机器学习在处理数据集的需求中发挥着重要作用，这些数据集的大小和复杂性超出了人类的能力范围。
· 情感计算：研究如何通过推理情绪来改善智能系统。调查人机交互过程中文化共享情感情绪的理论。应用领域包括辅导，情感分析，辅助技术和计算社会科学。
· 人与人之间的智能系统：在人工智能相关的研究领域，有各种模型可以将人机智能结合起来解决计算问题，包括人工计算（又称众包），通过演示学习，混合主动系统，主动从人类教师学习，交互式机器学习等。在这些系统中，人类是计算过程的关键部分 - 他们充当AI系统的教师和合作者，提供反馈和更正，或执行难以实现的计算任务。现有算法。这个研究领域是AI，人机交互（HCI）和EconCS的交叉，涉及接口，算法和激励机制的设计，以利用人类处理能力来解决具有挑战性的计算问题。
